基于孪生网络和相关滤波器的长短程互补型目标跟踪方法

摘要

本发明公开了一种基于孪生网络和相关滤波器长‑短程互补型目标跟踪方法，通过深度学习孪生网络在当前帧搜索区域内获取基于第一帧信息的相似度响应图，同时通过相关滤波器跟踪模型在当前帧搜索区域内获取基于临近历史帧信息的跟踪模型响应图，定义熵正则化损失函数对获取的相似度响应图和跟踪模型响应图进行最优化选择，最终以最优响应图中的最大值预测当前帧的跟踪信息。本发明可有效地将第一帧中的标定信息和历史临近帧中的变化信息进行融合，因其信息融合的多元性，相较于现有的其他目标跟踪方法，无论是在避免因跟踪误差累积还是捕获待跟踪目标的表征持续变化等方面都有很好的效果，对视觉目标跟踪的算法研究和实践具有重要的指导意义。