公开(公告)号：CN117197490A

公开(公告)日：2023-12-08

申请号：CN202311158538.0

申请日：2023-09-08

Applicant: 哈尔滨工业大学(威海)

Inventor： 金铭 ,  唐宇 ,  韩勇

IPC: G06V10/62 ,  G06V20/40 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提供一种可重参数化多分支卷积的孪生网络目标跟踪方法及系统，涉及目标跟踪技术领域，为解决现有的跟踪方法难以使模型在复杂的跟踪环境下鲁棒且稳定地跟踪目标的问题。包括：预处理训练数据，构建多分支卷积网络模型，网络模型通过不同尺寸的卷积获取不同尺度的特征，并进行特征融合；训练模型；将训练好的多分支卷积网络模型进行重参数化为单路卷积神经网络模型，并输入目标跟踪视频；利用单路卷积神经网络模型分别提取目标跟踪视频的第一帧图像及搜索帧图像的特征；将第一帧图像的特征和搜索帧图像的特征进行互相关操作，得到响应图，以响应图的响应值最大位置作为预测目标位置；以第一帧的跟踪对象作为跟踪目标进行目标跟踪。