本發明公開了一種基于深度學習的無人機多目標車輛跟蹤方法,把深度特征融合網絡引入聯合模型,在小步長下采樣率的網絡結構中提取目標的特征圖,減小量化誤差并且在應用于小目標的俯瞰場景時引入了OrientedR?CNN方法進行車輛方向的檢測。在網絡上采樣過程中引入最新的可變卷積,提高對不同尺寸目標的適應能力。以多個頭部的方式并行實現目標檢測和學習Re?ID特征。在內部軌跡關聯上,以交并比(IOU)匹配的方式,將車輛的Re?ID特征指定給對應車輛軌跡,預測串聯軌跡在當前視頻幀中的位置以完成跟蹤。算法有效改善了模型使用基于Anchor的骨干網絡學習Re?ID特征不佳而導致的ID切換、檢測失效問題,提高了車輛多目標跟蹤算法的魯棒性。
聲明:
“基于深度學習的無人機多目標車輛跟蹤方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)