[发明专利]基于浅-中-深三级特征融合与可变矩形窗滤波的Siamese网络跟踪方法

权利要求书

1.基于浅-中-深三级特征融合与可变矩形窗滤波的Siamese网络跟踪方法，其特征在于，包括以下步骤：

S1，构建一种浅-中-深三级特征融合孪生网络；

S2，从浅、中、深三类网络层分别提取出对应的特征图并进行特征级别的融合得到互补特征图；

S3，利用孪生网络两条分支的互补特征图通过相关计算得到一对相似性得分图，并将这对相似性得分图进行分数级别的融合得到最终的得分图；

S4，寻找最终得分图中的峰值点作为初始聚类中心完成聚类，计算聚类中心与最远聚类点的距离；

S5，以步骤S4所述距离控制矩形窗尺寸大小的变化，完成对最终得分图的滤波。

2.根据权利要求1所述基于浅-中-深三级特征融合与可变矩形窗滤波的Siamese网络跟踪方法，其特征在于：所述步骤S1中具体选用ResNeSt作为Siamese网络骨干网络，同时去掉ResNeSt最后的全连接层。

3.根据权利要求1所述基于浅-中-深三级特征融合与可变矩形窗滤波的Siamese网络跟踪方法，其特征在于：所述计算聚类中心与最远聚类点的距离具体为，借助最终得分图中峰值点与图像帧中目标位置的映射关系，通过计算峰值点距离图像中心点的位移矢量得到目标的运动方向，通过在最终得分图中建立等尺寸的平面直角坐标系xOy对位置进行量化，确定目标位置T(x_T,y_T)，得到目标运动方向D，

通过对得分图进行三维映射，x轴和y轴对应分值点位置，z轴对应得分图的分值，以分值的层级大小为标准对不同位置的得分点进行聚类，聚类时首先以峰值点T为初始聚类中心，实现同一层级的得分点的聚类以及不同层级的得分点的划分；在完成聚类后，计算得到最高层级中最远聚类点S和峰值点T之间的距离r

x_S，y_S分别表示最远聚类点S的横坐标和纵坐标。

4.根据权利要求3所述基于浅-中-深三级特征融合与可变矩形窗滤波的Siamese网络跟踪方法，其特征在于：

所述的控制矩形窗尺寸大小的变化具体为，引入矩形窗函数rect(p)时，设置矩形窗宽度w＝2r，矩形窗长度l至少设置为以r控制矩形窗的大小变化，以D控制矩形窗的滤波方向，二者配合实现对矩形滤波窗的控制，对于最终得分图中任意点p(x_i,y_i)(1≤i≤25)，若在矩形窗内，其分值将被保留，而矩形窗外的分值将被置零。