CN114972439B 一种无人机目标跟踪方法 （贵州大学）

Transformer-basedmovingtatrackingmethodforVehicle.nianyisun,jinzhao.20过基于自我注意机制的特征相关网络完全利用通过学习查询嵌入和时间更新策略来获取全局速变化的适应性。为了满足机载运行速度的要2所述方法包括一个基于注意机制的跟踪框架；所述跟踪框架包括特所述特征提取网络用于获取特征信息，减少数据维度；利用注意机所述特征提取网络框架的具体方法是采用三组图像块作为输入，分别是模板图像用于获取目标外观随时间的变化并提供额外的时间信息；采用ResNet作d和搜索区域图像x映射到三个特征映射和所述特征相关网络的具体方法是基于注意机制来扩展特征相关网络的所述特征互相关(FCC)的具体方法是：将特征相关网络中编码器输出的模板序列和搜索区域序列作为两个分支分别输入到特征互相关后输出模板交叉映射和搜索区域交叉映射再将输入添加空3特征相关网络使用交叉注意操作对模板和搜索区域进行融合步骤一、除了时间更新策略中分数头以外的整个L1(b,⃞)(5)用多个注意头来关注信息的不同方面，即为了获得不同位置的不同表示子空间中的信息，4每层编码器均包括有多头自我注意(MSA)模块和前馈网络(FFN)两所述解码器包括有第三个子模块，所述第三个子模块将来自编6.根据权利要求4或5任一所述的一种无人机目标跟′′N+PE))PE(pos,2i+1)＝cos(pos5上述方法捕获序列中所有元素的特征，并使用全局上下文信成,)和如等式6[0002]无人机(UAV)是无人机系统的主要类型之一，其任务范围多样且不断扩大。近年度。大多数现有的跟踪器利用相关性将模板和搜索区域中的信息整合到感兴趣的区域中，[0004]随着卷积神经网络(CNN)的发展和计算机计算能力的提高，基于学习的方法在跟到端训练策略来避免在线更新参数。Q.Guo等人在SiamFC的基础上提出了一种无锚结构的7作为输入，分别是模板图像搜索区域图像xeR3XIW和其它输入动态更新模板图像用于获取目标外观随时间的变化并提供额外的时间信d和搜索区域图像x映射到三个特征映射和[0017]其中，Dk表示建的维8[0022]所述每层编码器均包括有多头自我注意(MSA)模块和前馈网络且维度为d的特征序列。′′[0040]其中pos表示序列中的每个位置，POSE[0,max_sequence_length],ie9i是向量的维度。中编码器输出的模板序列和搜索区域序列作为两个分支分[0046]作为本发明的进一步方案：所述时间更新策略是将时间相关网络的输出与特征相关网络重解码器的的输出相乘后的输出与特征相关网络进行对应元素的相乘，以增强重要区域并削弱低分辨区域；新的特征序列被重塑为特征映射(,元),如等式4所示：[0051]步骤一、除了时间更新策略中分数头以外的整个网络都入,E是超参数；[0067]图5(a)为真实场景中使用TransUAV进行测试的跟踪性能示意图一(遮挡和运动抖eR,用于获取目标外观随时间的变化并提供额外的时间信息，该方法采用强了远程特征捕获能力。该部分由三个主要模块组成，即encoder-decoder(编码器-译码[0078]其中，Dk表示建的维度；softmax按行来相乘[0083]Encoder(编码器)和decoder(译码器)都是由N个相同的层组成的堆栈。编码器在度压缩和展平三组特征映射，以生成长度为且维度为d的特征序′′[0101]Encoder-Decoder机制捕获序列中所有元素的特征，并使用全局上下文信息增强将Encoder输出的模板序列lzcE和搜索区域序列作为两个分支分融合这两个特征映射，重复M次后输出模板交叉映射和搜索区域交叉映射位置编码，特征互相关(FCC)用于增强模型的拟合能力，整个特征相关网络的过程描述如下:辨区域。新的特征序列被重塑为特征映射然后馈入一个简单的全卷积网络成,对)和如等式4所示。的方法进行了比较。然后三个具有挑战性的UAV基准上评估TransformerUAV，对跟踪器在还对部分跟踪器在每个属性上的表现进行了对比，如表二所示.TransUAV在每个属性上都优于其它跟踪器，具有良好的鲁棒性和抗干扰能力,尤其是在相似目标和部分遮挡属性下[0136]LaSOT是2019公开的大规模高质量目标跟踪数据集，其中包含1400个具有挑战性[0139]表六：TransUAV和多个跟踪器在数据集LaSOT上的测试的成功率(AUC)和精确值AUC,P,PNorm方面分别获得81.277.785.1仅次于SiamRCNN。但是SiamRCNN在我们[0142]GOT-10k数据集包含10k训练序列和180个测试序列。我们使用测试序列进行模型[0148]图5显示了在真实场景中使用TransUAV进行测试的跟踪性能，采用中心位置误差[0149]尽管参照前述实施例对本发明进行了详细的说明，对于