摘要
本发明公开一种基于轨迹自适应小目标检测的跟踪方法,具体涉及目标检测技术领域;本发明设计了适用于无人机航拍小目标的双向聚合多尺度金字塔结构网络,使网络提高了多尺度特征融合的概率和次数,来获得更高的检测精度;设计了SF‑C2f特征提取模块,克服传统方法在处理复杂环境时的局限性,减少了部分计算量,同时设计适用于无人机航拍小目标的损失函数,有效提升模型对小目标检测的敏感性,对复杂背景的适应性,使网络更适合无人航拍小目标的检测;设计了目标跟踪AFK轨迹自适应卡尔曼滤波算法,适应无人机航拍小目标运动轨迹的非线性情况。通过本设计融合的方法,令其在多种背景下无人机航拍小目标检测及跟踪任务中都能表现出良好的性能。
技术关键词
跟踪方法
特征提取模块
卡尔曼滤波算法
检测网络模型
航拍
金字塔结构
轨迹
空间金字塔池化
多尺度
构建无人机
匈牙利算法
注意力
卷积模块
采样模块
数据
瓶颈
系统为您推荐了相关专利信息
互联网数据服务
访问特征
监测方法
卷积网络模型
上下文特征
电力负荷预测方法
电力负荷预测装置
数据中心
历史负荷数据
特征学习方法
评估决策方法
案件
社会
语音识别技术
深度学习技术
sigmoid函数
特征金字塔网络
分支
上采样
卷积特征提取
聚类优化方法
重构
近邻算法
电网系统
梯度下降法