本发明公开了一种基于深度学习的无人机多目标车辆跟踪方法,把深度特征融合网络引入联合模型,在小步长下采样率的网络结构中提取目标的特征图,减小量化误差并且在应用于小目标的俯瞰场景时引入了OrientedR‑CNN方法进行车辆方向的检测。在网络上采样过程中引入最新的可变卷积,提高对不同尺寸目标的适应能力。以多个头部的方式并行实现目标检测和学习Re‑ID特征。在内部轨迹关联上,以交并比(IOU)匹配的方式,将车辆的Re‑ID特征指定给对应车辆轨迹,预测串联轨迹在当前视频帧中的位置以完成跟踪。算法有效改善了模型使用基于Anchor的骨干网络学习Re‑ID特征不佳而导致的ID切换、检测失效问题,提高了车辆多目标跟踪算法的鲁棒性。
声明:
“基于深度学习的无人机多目标车辆跟踪方法” 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)