CN116543019B 一种基于精确边界框预测的单目标跟踪方法 （重庆大学）

一种基于精确边界框预测的单目标跟踪方法本发明公开了一种基于精确边界框预测的单目标跟踪方法。属于计算机视觉目标跟踪领制和关键点式边界框预测网络相结合的单目标始化离线训练的精确边界框预测算法的网络模2(2)加载初始跟踪算法的网络模型，初始化离线训练的基于精确边界框预测算法的网(3)优化预测边界框的坐标，并对提取到的搜索图像和模板图像特征进行像素互相关(3a)输入keRC的模板图像特征和的搜索图像特征，其中，C表示特征0度，将模板图像特征K分解成H0×W0个较小的卷积核与搜索图像特征进行相关δ(x)＝max(0,x)ex(3d)通过将学习得到的每个通道注意力权重sc与主干的输入特征uc相乘得到输出特征为sccc)表示注意力权重sc和特征图u:eR"之间的通道乘法；(4)计算得到响应特征中目标左上点和右下点的热力图信息，通过概率密度函数转换32.根据权利要求1所述的一种基于精确边界框预测的(1b)通过将模板帧Fref裁剪为给定标注边界框两倍大小的图像作为模板分支的输入，的标注边界框中心点的横坐标值和纵坐标值及标注边界框的长度和宽度，和是两3.根据权利要求1所述的一种基于精确边界框预测4.根据权利要求1所述的一种基于精确边界框预测的单目标跟踪4[0009](1b)通过将模板帧Fref裁剪为给定标注边界框两倍大小的图像作为模板分支的输5给定的标注边界框中心点的横坐标值和纵坐标值及标注边界框的长度和[0017](2)加载初始跟踪算法的网络模型，初始化离线训练的基于精确边界框预测算法[0018](3)优化预测边界框的坐标，并对提取到的搜索图像和模板图像特征进行像素互相关操作，通过通道注意力机制对像素互相关后的特征进行挤压和激活操作得到响应特和宽度，将模板图像特征K分解成H0×W0个较小的卷积核与搜索图像特征进行[0030](3d)通过将学习得到的每个通道注意力权重sc与主干的输入特6[0033](4)计算得到响应特征中目标左上点和右下点的热力图信息，通过概率密度函数[0047](1b)通过将模板帧Fref裁剪为给定标注边界框两倍大小的图像作为模板分支的输7给定的标注边界框中心点的横坐标值和纵坐标值及标注边界框的长度和宽度，和[0055](2)加载初始跟踪算法的网络模型，初始化离线训练的基于精确边界框预测算法[0056](3)优化预测边界框的坐标，并对提取到的搜索图像和模板图像特征进行像素互相关操作，通过通道注意力机制对像素互相关后的特征进行挤压和激活操作得到响应特和宽度，将模板图像特征K分解成H0×W0个较小的卷积核与搜索图像特征进行ceR"",整个过程可以描述为[0068](3d)通过将学习得到的每个通道注意力权重sc与主干的输入特8[0071](4)计算得到响应特征中目标左上点和右下点的热力图信息，通过概率密度函数的边界框和人工标注的准确边界框的面积重叠比IoU(IntersectionoverUnion)来进行[0080]其中(xP,yP)为跟踪算法预9视频序列视频序列[0091]表2给出了各跟踪方法的精确度指标情况，其中精确度值越高表示预测边界框