[发明专利]基于改进孪生网络的目标跟踪方法及系统

说明书

本申请公开了基于改进孪生网络的目标跟踪方法及系统，包括：获取待目标跟踪视频和已知的跟踪目标图像；将待目标跟踪的视频和已知的跟踪目标图像，均输入到预先训练好的改进的孪生网络中，输出目标跟踪结果；所述改进的孪生网络是指在ResNet‑50网络结构的基础上添加了Squeeze‑and‑Excitation网络结构，且ResNet‑50网络结构的第三、第四和第五卷积层的输出端均与各自对应的孪生候选区域生成网络Siamese RPN的输入端连接。

技术领域

本申请涉及目标跟踪技术领域，特别是涉及基于改进孪生网络的目标跟踪方法及系统。

背景技术

本部分的陈述仅仅是提到了与本申请相关的背景技术，并不必然构成现有技术。

目标跟踪是计算机视觉研究领域的热点之一，并得到广泛应用。相机的跟踪对焦、无人机的自动目标跟踪等都需要用到了目标跟踪技术。另外还有特定物体的跟踪，比如人体跟踪，交通监控系统中的车辆跟踪，人脸跟踪和智能交互系统中的手势跟踪等。简单来说，目标跟踪就是在连续的视频序列中，建立所要跟踪物体的位置关系，得到物体完整的运动轨迹。给定图像第一帧的目标坐标位置，计算在下一帧图像中目标的确切位置。在运动的过程中，目标可能会呈现一些图像上的变化，比如姿态或形状的变化、尺度的变化、背景遮挡或光线亮度的变化等。它仍然是一项非常具有挑战性的任务。目标跟踪算法的研究也围绕着解决这些变化和具体的应用展开。

最近几年是深度学习技术的高速发展期，深度学习技术也被成功应用在计算机视觉的各个应用领域，跟踪也不例外。在大数据背景下，利用深度学习训练网络模型，得到的卷积特征输出表达能力更强。在目标跟踪上，初期的应用方式是把网络学习到的特征，直接应用到相关滤波或Struck的跟踪框架里面，从而得到更好的跟踪结果。

目标跟踪研究的难点在于如何保证算法的鲁棒性、实时性和准确性。现有的跟踪算法在处理简单背景情况下都具有较好的效果，但由于目标运动的复杂性及目标特征的时效性，当跟踪目标发生遮挡、旋转、尺度变化及背景干扰时，跟踪效果很差，难以获得较为鲁棒的跟踪效果。

发明内容

为了解决现有技术的不足，本申请提供了基于改进孪生网络的目标跟踪方法及系统；

第一方面，本申请提供了基于改进孪生网络的目标跟踪方法；

基于改进孪生网络的目标跟踪方法，包括：

获取待目标跟踪视频和已知的跟踪目标图像；

将待目标跟踪的视频和已知的跟踪目标图像，均输入到预先训练好的改进的孪生网络中，输出目标跟踪结果；所述改进的孪生网络是指在ResNet-50网络结构的基础上添加了Squeeze-and-Excitation网络结构，且ResNet-50网络结构的第三、第四和第五卷积层的输出端均与各自对应的孪生候选区域生成网络Siamese RPN的输入端连接。

第二方面，本申请提供了基于改进孪生网络的目标跟踪系统；

基于改进孪生网络的目标跟踪系统，包括：

获取模块，其被配置为：获取待目标跟踪视频和已知的跟踪目标图像；

目标跟踪模块，其被配置为：将待目标跟踪的视频和已知的跟踪目标图像，均输入到预先训练好的改进的孪生网络中，输出目标跟踪结果；所述改进的孪生网络是指在ResNet-50网络结构的基础上添加了Squeeze-and-Excitation网络结构，且ResNet-50网络结构的第三、第四和第五卷积层的输出端均与各自对应的孪生候选区域生成网络SiameseRPN的输入端连接。

第三方面，本申请还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述第一方面所述的方法。