本发明公开了一种基于深度强化学习的监控场景中的端到端主动式人体跟踪方法,包括以下步骤:S1:搭建多种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摄像头获取的目标视频流,训练网络模型,直到模型收敛;S4:在虚拟测试环境中测试人体目标跟踪效果,满足指标要求;S5:将达到要求的模型迁移到现实场景中进行测试验证,满足指标要求。本发明可以在室内外监控场景中的自动人员目标跟踪,服务机器人的视觉跟踪控制,空巢老人监护系统,跨场景相机联网目标布控等多种应用中场景取代现有的人工控制和复杂控制算法,实现高效、准确和智能的机器视觉自主人员跟踪相关应用。
声明:
“基于深度强化学习的监控场景中的端到端主动式人体跟踪方法” 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)