本发明公开了一种基于深度强化学习的人体正面跟踪方法,包括以下步骤:S1:搭建多种Unreal Engine 4虚拟环境用于训练和测试;S2:构建卷积神经网络和Actor‑Critic网络;S3:卷积神经网络的输入为跟踪者的观察视角,训练网络模型,直到模型收敛;S4:在UE4虚拟测试场景中测试跟踪效果;S5:将经过测试达到要求的模型迁移到现实场景中。不同于以往跟踪工作中必须分别实现人体检测和相机控制两个功能模块,本发明使用端到端的主动式跟踪方法将上述两个模块整合,不需要进行人体检测,输入跟踪者视角的视频流,直接输出对跟踪最有效的动作,省去了传统人体跟踪的复杂流程。
声明:
“基于深度强化学习的人体正面跟踪方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)