专利汇可以提供切换式目标跟踪方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种切换式目标 跟踪 方法,包括:以带有 锚点 的区域候选网络的双路网络作为基准方法,构建多种不同的子跟踪器;在当前 帧 ,利用预训练的智能体,根据当前的跟踪环境和历史动作决定当前帧的子跟踪器,并利用相应的子跟踪器进行当前帧的目标跟踪。该方法能够提高性能的同时,减少了不必要的运算,极大地保证了跟踪速度。,下面是切换式目标跟踪方法专利的具体信息内容。
1.一种切换式目标跟踪方法,其特征在于,包括:
以带有锚点的区域候选网络的双路网络作为基准方法,构建多种不同的子跟踪器;
在当前帧,利用预训练的智能体,根据当前的跟踪环境和历史动作决定当前帧的子跟踪器,并利用相应的子跟踪器进行当前帧的目标跟踪。
2.根据权利要求1所述的一种切换式目标跟踪方法,其特征在于,以带有锚点的区域候选网络的双路网络作为基准方法,构建的子跟踪器,至少包括如下四种类型:
第一种子跟踪器为,以带有锚点的区域候选网络的双路网络作为基准方法构建的子跟踪器;
第二种子跟踪器为,在第一种子跟踪器上融合颜色直方图所构成的子跟踪器;
第三种跟踪器为,扩充第一种子跟踪器中主干网络通道数后得到的自跟踪器;
第四种跟踪器为,在第三种子跟踪器上融合颜色直方图所构成的子跟踪器。
3.根据权利要求2所述的一种切换式目标跟踪方法,其特征在于,在子跟踪器上融合颜色直方图所构成的子跟踪器的工作方式为:
未加入颜色直方图的子跟踪器的输出为响应图,通过颜色直方图,能够获得搜索区域的基于颜色模型的概率图,将响应图与概率图进行逐元素相乘,数值最大的点则为目标的位置。
4.根据权利要求1或2或3所述的一种切换式目标跟踪方法,其特征在于,带有锚点的区域候选网络的双路网络为双路结构,一路输入为第一帧的目标图像,另一路的输入为搜索区域;结果包含两个分支,第一分支为响应图分支,输出为目标的位置;
第二分支为尺度回归分支,对目标框进行回归。
5.根据权利要求1所述的一种切换式目标跟踪方法,其特征在于,采用强化学习训练智能体,使得智能体能够选择正确的子跟踪器,将子跟踪器选择问题定义成马尔可夫决策过程;
马尔可夫决策过程包含一系列的状态,动作和奖励函数,在智能体预测动作后,根据此获得不同的奖励,智能体网络通过获得最大的回报进行训练;其中:
状态包括,输入状态包含初始帧的特征表达、当前帧的特征表达和历史动作;在每一帧中,搜索区域的图像块被调整到指定的大小,通过多个卷积层映射多维的特征表达,初始帧与当前帧的特征表达都通过上述方式得到,相应帧的特征表达即为相应的跟踪环境;如果子跟踪器的数目为n,则每一帧的动作为一个n维的向量,此时收集历史的n+1帧以组成历史动作;
动作为智能体在每一帧选择哪个子跟踪器,每一帧的动作表达成一个n维的向量,代表着每个子跟踪器,n维的向量中,被选择的子跟踪器对应的数值为1,其余为0;
奖励函数反映着当前动作的好坏,包括重合度精度和距离精度;重合度精度通过预测结果是真实结果之间的重合度来计算,距离精度通过预测目标框和真实结果之间的欧氏距离误差来计算;基于重合度精度和距离精度能够找出最高的子跟踪器得分,则奖励函数为每一帧中所选择子跟踪器的得分与最高的子跟踪器得分的差值;
子跟踪器选择是一个自适应选择的过程,通过深度Q值网络来处理,深度Q值网络通过学习一个动作值函数来选择相应动作,每一帧中,通过计算各个动作的Q值,来选择Q值最高的动作。
6.根据权利要求5所述的一种切换式目标跟踪方法,其特征在于,所述重合度精度的计算公式为:
其中,B表示预测结果,G表示真实结果,Area为面积函数。
7.根据权利要求5所述的一种切换式目标跟踪方法,其特征在于,所述距离精度的计算方式为:
先计算预测目标框和真实结果之间的欧氏距离误差:
D=||center(B)-center(G)||
其中,B表示预测结果,G表示真实结果,center为中心点函数;
再将欧氏距离误差进行归一化,得到距离精度:
8.根据权利要求5所述的一种切换式目标跟踪方法,其特征在于,奖励函数表示为:
R(St,At)=Pk-Pmax
其中,Pmax为最高的子跟踪器得分;Pk为第k个子跟踪器的得分;St、At分别为第t帧时的状态、动作;子跟踪器的得分的通过重合度精度O和距离精度D'计算,公式为:P=O·D'。
9.根据权利要求5所述的一种切换式目标跟踪方法,其特征在于,所述深度Q值网络选择的动作值函数表示为Q(St,At),在训练阶段,通过下式迭代地更新动作值函数:
其中,St、At、Rt分别为第t帧时的状态、动作、奖励,At+1为第t+1帧时的动作;γ是一个遗忘因子;
在每一帧中,选择具有最高Q值的动作,并存放在记忆池中,智能体通过最小化如下的函数进行优化:
其中,θ表示智能体中待训练的参数,N是训练样本的数量; 为目
标Q值网络 对Q值的估计结果,即引入了目标Q值网络 进行训练,为目标Q值网络 中的参数,参数 每隔一定训练步数从深度Q值网络中拷贝而来。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
信息传输方法、装置、设备及存储介质 | 2020-05-08 | 870 |
一种高压输电线路取电功率变换系统 | 2020-05-08 | 290 |
一种离网型风光互补路灯系统及控制方法 | 2020-05-08 | 997 |
一种基于电机积分鲁棒控制驱动的加油软管振动抑制方法 | 2020-05-08 | 828 |
一种DoS攻击下的目标跟踪方法 | 2020-05-08 | 848 |
一种适用于水下机器人目标抓取的连续跟踪方法 | 2020-05-08 | 185 |
车辆轨迹异常判断方法及装置 | 2020-05-08 | 523 |
一种激光跟踪测量系统测量站位优化方法 | 2020-05-08 | 580 |
一种多化学反应罐反应液体积一致性控制器系统及设计方法 | 2020-05-11 | 444 |
一种基于信标值的陀螺稳定漂移补偿方法 | 2020-05-11 | 472 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。