摘要
本发明提供了一种基于因果关系和注意力机制的目标跟踪方法,方案利用特征提取子网络获取目标特征,根据上一时刻的目标跟踪结果计算轨迹特征并构建行驶任务的与或逻辑图,将轨迹特征与包含与或逻辑权重的邻接矩阵输入空间图编码层,该层输出作为时间编码层的输入,时间编码层的输出作为时空解码器的输出,该输出作为解码器的输入之一;据当前帧检测到的目标与轨迹的距离初始化邻接矩阵,将目标特征向量和邻接矩阵输入图卷积层;当前帧的特征向量与邻接矩阵输入解码器,解码器经预测层输出当前帧目标的跟踪结果,最后更新轨迹信息反馈到编码器输入端用于下一时刻预测。本申请引入从行驶任务到目标状态之间的因果逻辑关系作为高层语意,通过图卷积网络将因果逻辑关系与目标轨迹信息聚合,增强了提取目标运动在不同时刻下时空与因果依赖关系的能力,避免了目标被长时间遮挡时的漏检误检。
技术关键词
跟踪方法
轨迹特征
特征提取模型
输入解码器
注意力机制
编码向量
判断车辆行驶
颜色特征提取
编码器结构
网络
编码器模块
坐标
模块结构
参数
曲线
矩阵
直线
系统为您推荐了相关专利信息
价格预测方法
波动特征
皮尔逊相关系数
代表
数据
关系抽取模型
实体识别模型
信息抽取方法
命名实体识别
前馈神经网络
关联识别方法
多实例
环状
药物
Adaboost集成学习