公开(公告)号：CN119832027A

公开(公告)日：2025-04-15

申请号：CN202510316889.2

申请日：2025-03-18

Applicant: 南京信息工程大学

Inventor： 郑钰辉 ,  强旭艳 ,  张国庆

IPC: G06T7/246 ,  G06N3/0455

Abstract: 本发明公开了基于重跟踪策略的前景感知Transformer目标跟踪方法及系统，涉及图像识别与目标跟踪技术领域，包括：将最近帧模板图像和搜索区域图像输入预先构建的预处理层后分别生成模板token序列和搜索token序列，并缓存至重跟踪缓存区；然后将两个序列拼接得到混合序列，并输入至预先建立的前景感知编码器内，得到输出序列，对输出序列中的搜索区域特征序列进行填充并输入至预测头内，得到预测结果；若连续t帧的预测结果均低于预设预期值，则启用重跟踪策略，经通用编码器得到重跟踪的预测结果，并在重跟踪评估区进行综合评估，得到最佳跟踪结果。该方法不仅有效减轻背景干扰，还能及时纠正跟踪偏差。

公开(公告)号：CN117036417A

公开(公告)日：2023-11-10

申请号：CN202311171271.9

申请日：2023-09-12

Applicant: 南京信息工程大学

Inventor： 强旭艳 ,  郑钰辉

IPC: G06T7/246 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明公开了基于时空模板更新的多尺度Transformer目标跟踪方法，包括如下步骤：利用Shunted Transformer分别对初始模板图像、动态模板图像和搜索区域图像进行特征提取，得到三个对应的令牌；将三个令牌拼接起来，然后依次送入基于Transformer的编码器、解码器进行特征融合，得到融合后的特征序列；将融合后的特征序列通过分类分支和回归分支进行边界框预测，输出跟踪结果；当跟踪器运行帧数达到更新间隔后，融合后的特征序列通过置信度分支更新动态模板。本发明使用Shunted Transformer作为特征提取主干网络，能够学习多尺度特征，提高目标的表征能力，同时，动态模板的加入可以捕捉目标的最新状态，有效应对遮挡、目标形变等挑战。