一种基于深度学习孪生网络的目标跟踪方法

本发明涉及目标跟踪领域方法，具体涉及一种基于深度学习孪生网络的目标跟踪方法，为解决现有技术中存在跟踪模型在目标有遮挡、剧烈形变以及出视场等场景下会产生污染叠加，对相似目标判别难度较高以及杂乱背景易对其产生污染的不足之处，本发明基于深度学习孪生网络的目标跟踪方法包括以下步骤：利用深度可分离卷积网络捕获局部与全局的上下文信息、多尺度大核模块增强特征、孪生网络进行关联操作、分类回归网络获取目标边界框，使得目标跟踪准确、高效、灵活，较传统相关滤波器算法有更好的性能表现及算法鲁棒性。