本發(fā)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(wǎng)絡(luò)引入聯(lián)合模型,在小步長下采樣率的網(wǎng)絡(luò)結(jié)構(gòu)中提取目標的特征圖,減小量化誤差并且在應(yīng)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(wǎng)絡(luò)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(yīng)能力。以多個頭部的方式并行實現(xiàn)目標檢測和學習Re?ID特征。在內(nèi)部軌跡關(guān)聯(lián)上,以交并比(IOU)匹配的方式,將車輛的Re?ID特征指定給對應(yīng)車輛軌跡,預(yù)測串聯(lián)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(wǎng)絡(luò)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(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)