[发明专利]基于MSR-CNN的机器人多传感器目标跟踪方法

权利要求书

1.基于MSR-CNN的机器人多传感器目标跟踪方法，具体步骤如下，其特征在于,

步骤1：机器人使用双目相机，采集多角度目标图像；

步骤2：图像预处理，对双目相机采集的多角度目标图像数据进行多尺度降采样，建立多尺度数据集；

所述步骤2中对 双目相机采集的多角度目标图像数据进行多尺度降采样的尺度分别为×1、×4、×16，其中，×1代表原图像，×4代表图像缩小4倍，×16代表图像缩小16倍；

步骤3：对多尺度数据集进行显著性检测，通过PDFT算法的脉冲离散傅里叶变换公式获得多尺度显著性特征集；

所述步骤3中，脉冲离散傅里叶变换公式为：

其中，X是数据集，DFT(•)是离散傅里叶变换函数，sign(•)代表取符号函数，DFT^-1(•)是逆离散傅里叶变换函数，abs(•)是取模值函数，wiener(•)是维纳滤波函数；

步骤4：把预处理输出的多尺度显著性特征集送入Siam R-CNN网络进行网络训练；

步骤5：对不同尺度的数据源训练模型进行加权决策；

步骤6：使用GA算法对不同尺度的数据源训练模型进行寻优处理，得到最优权值；

步骤7：使用测试样本对训练出GA-Siam R-CNN进行性能测试；

步骤8：使用最佳评估模型对目标跟踪。

2.根据权利要求1所述的基于MSR-CNN的机器人多传感器目标跟踪方法，其特征在于；

所述步骤5中不同数据源的加权决策处理公式为：

其中，y₁、y₂、y₃分别是左相机采集图像所对应多尺度×1、×4、×16数据集在Siam R-CNN模型下的识别结果，w₁、w₂、w₃分别是y₁、y₂、y₃在最终决策的权值，y₄、y₅、y₆分别是右相机采集图像所对应多尺度×1、×4、×16数据集在Siam R-CNN模型下的识别结果，w₄、w₅、w₆分别是y₄、y₅、y₆在最终决策的权值，权值均是非负数。

3.根据权利要求2所述的基于MSR-CNN的机器人多传感器目标跟踪方法，其特征在于；

所述步骤6中GA算法表示为：

其中，M为数据集的显著性数据, SRCNN表示数据集训练的Siam R-CNN网络模型，GA(•)是GA算法函数。