买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：桂林电子科技大学

摘要：本发明公开了一种基于改进DeepSORT算法的无人机跟踪方法，通过融入通道注意力模块和Mish激活函数的ResNet50‑vd结构作为主干网络对无人机视频流进行特征提取，在此过程中，所述通道注意力模块使得网络关注输入的重要信息，排除其他信息干扰；此外还使用Mish激活函数替代ReLU函数，改善了训练过程中负梯度的信息流动，另外采用特征金字塔增加网络对小目标无人机的感知能力；在跟踪阶段，通过在DeepSORT算法的基础上对级联匹配过程中的外观描述部分进行改进，采用ResNet50替代原有的网络架构，并引入损失函数MarginLoss，改善了跟踪效果，解决了现有技术中因检测精度和跟踪速度无法较好地平衡而导致的ID跳变、跟踪“丢帧”问题。

主权项：1.一种基于改进DeepSORT算法的无人机跟踪方法，其特征在于，包括下列步骤：步骤1：输入包含无人机目标的视频流并进行逐帧处理；步骤2：将步骤1中产生的视频帧输入到主干网络中提取特征，获得特征图；所述主干网络为融入通道注意力模块和Mish激活函数的ResNet50-vd；步骤3：将所述特征图输入特征金字塔FPN中融合；步骤4：收敛模型获得无人机目标的预测位置和置信度信息；步骤5：将所述预测位置信息作为输入，针对检测框分配跟踪器；步骤6：初始化Kalman滤波器，使用Kalman滤波预测目标在当前帧的位置；步骤7：将步骤4中的无人机目标和步骤6中的预测目标进行匹配计算；在将步骤4中的无人机目标和步骤6中的预测目标进行匹配计算的过程中，以无人机目标的置信度值为分类匹配计算依据，如果置信度大于0.7，将无人机目标与预测目标进行级联匹配；如果置信度小于等于0.7，将无人机目标与预测目标进行IOU匹配；所述级联匹配采用无人机外观的余弦距离和马氏距离作为代价矩阵，外观描述部分采用ResNet50替代原有的网络架构，并引入损失函数MarginLoss增加匹配准确度，所述IOU匹配采用匈牙利算法实现；步骤8：更新跟踪器和Kalman滤波器，输出匹配计算结果；通道注意力通过建立特征通道之间的相互依赖关系，获取各个特征通道的权重，根据该权重提升当前任务关注的特征，并抑制对当前任务无贡献的特征，假设输入X为所得到的特征图，首先经过卷积和变换后，得到特征通道数为c的特征图，然后在空间维度上将二维的特征通道压缩到一维，使其具备全局的感受野，同时，保证了输入附近的特征提取层也获得全局感受野，提升对目标的感知能力；紧接着是激励操作，利用参数w生成每个通道的权重并通过特征映射的方式传递给后续特征层；最后将激励产生的权重逐一加权到先前的特征通道上，完成通道维度上的注意力模块的构建；压缩操作采用全局平均池化来压缩输入通道的特征层，对特征图u压缩空间维度后的结果如公式1所示， zc表示第c个特征的一维向量值，h和w分别表示特征图的两个维度；激励操作将会学习通道间的非线性相互作用，首先通过全连接层将特征维度降低到输入的116，然后通过ReLU激活函数增加非线性，再通过一个全连接层恢复到原来的维度，这两个全连接层共同组成一个瓶颈结构，用来评估通道间的相关性，最后通过Sigmoid函数获得归一化权重，激励操作的表达式如2所示：s＝Fexz,w＝σgz,w＝σw2δw1z2其中，σ指Sigmoid函数，δ为ReLU函数，gz,w表示两个全连接层构成的瓶颈结构，w1的维度为w2的维度为r是一个缩放参数；在压缩和激励操作完成后，通过公式3所示将乘法逐通道加权到原来的特征上， 至此就将通道注意力模块融入到了检测网络中，提高无人机的检测精度。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 一种基于改进DeepSORT算法的无人机跟踪方法