欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021109182880
申请人: 桂林电子科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于改进DeepSORT算法的无人机跟踪方法,其特征在于,包括下列步骤:步骤1:输入包含无人机目标的视频流并进行逐帧处理;

步骤2:将步骤1中产生的视频帧输入到主干网络中提取特征,获得特征图;

所述主干网络为融入通道注意力模块和Mish激活函数的ResNet50-vd;

步骤3:将所述特征图输入特征金字塔FPN中融合;

步骤4:收敛模型获得无人机目标的预测位置和置信度信息;

步骤5:将所述预测位置信息作为输入,针对检测框分配跟踪器;

步骤6:初始化Kalman滤波器,使用Kalman滤波预测目标在当前帧的位置;

步骤7:将步骤4中的无人机目标和步骤6中的预测目标进行匹配计算;

在将步骤4中的无人机目标和步骤6中的预测目标进行匹配计算的过程中,以无人机目标的置信度值为分类匹配计算依据,如果置信度大于0.7,将无人机目标与预测目标进行级联匹配;

如果置信度小于等于0.7,将无人机目标与预测目标进行IOU匹配;

所述级联匹配采用无人机外观的余弦距离和马氏距离作为代价矩阵,外观描述部分采用ResNet50替代原有的网络架构,并引入损失函数MarginLoss增加匹配准确度,所述IOU匹配采用匈牙利算法实现;

步骤8:更新跟踪器和Kalman滤波器,输出匹配计算结果;

通道注意力通过建立特征通道之间的相互依赖关系,获取各个特征通道的权重,根据该权重提升当前任务关注的特征,并抑制对当前任务无贡献的特征,假设输入X为所得到的特征图,首先经过卷积和变换后,得到特征通道数为c的特征图,然后在空间维度上将二维的特征通道压缩到一维,使其具备全局的感受野,同时,保证了输入附近的特征提取层也获得全局感受野,提升对目标的感知能力;紧接着是激励操作,利用参数w生成每个通道的权重并通过特征映射的方式传递给后续特征层;最后将激励产生的权重逐一加权到先前的特征通道上,完成通道维度上的注意力模块的构建;

压缩操作采用全局平均池化来压缩输入通道的特征层,对特征图u压缩空间维度后的结果如公式(1)所示,z

激励操作将会学习通道间的非线性相互作用,首先通过全连接层将特征维度降低到输入的1/16,然后通过ReLU激活函数增加非线性,再通过一个全连接层恢复到原来的维度,这两个全连接层共同组成一个瓶颈结构,用来评估通道间的相关性,最后通过Sigmoid函数获得归一化权重,激励操作的表达式如(2)所示:s=F

其中,σ指Sigmoid函数,δ为ReLU函数,g(z,w)表示两个全连接层构成的瓶颈结构,w在压缩和激励操作完成后,通过公式(3)所示将乘法逐通道加权到原来的特征上,至此就将通道注意力模块融入到了检测网络中,提高无人机的检测精度。

2.如权利要求1所述的基于改进DeepSORT算法的无人机跟踪方法,其特征在于,在将步骤1中产生的视频帧输入到主干网络中提取特征,获得特征图的过程中,所述注意力模块用于捕捉通道间的依赖关系,通过权重分配达到凸显无人机目标的目的,使检测网络共享权重,提升检测精度;所述Mish激活函数消除了ReLU函数在反向传播过程中的梯度消失问题。

3.如权利要求1所述的基于改进DeepSORT算法的无人机跟踪方法,其特征在于,在将所述特征图输入特征金字塔FPN中融合的过程中,将步骤2中输出的特征图输入到特征金字塔FPN中,对各个尺度的图像进行特征提取,产生多尺度的特征表示。

4.如权利要求1所述的基于改进DeepSORT算法的无人机跟踪方法,其特征在于,在收敛模型获得无人机目标的预测位置和置信度信息的过程中,在损失函数的作用下使模型收敛,使用非极大值抑制去除干扰目标,得到无人机目标的预测位置和置信度信息。

5.如权利要求1所述的基于改进DeepSORT算法的无人机跟踪方法,其特征在于,在更新跟踪器和Kalman滤波器,输出匹配计算结果的过程中,对匹配成功的目标输出预测框及ID,删除匹配失败的目标轨迹。