(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111664859.9 (22)申请日 2021.12.31 (71)申请人 西南石油大 学 地址 610000 四川省成 都市新都区新都大 道8号 (72)发明人 杨帅东　赵书朵　陈云生　 (74)专利代理 机构 成都乐易联创专利代理有限 公司 51269 代理人 高炜丽 (51)Int.Cl. G06T 7/20(2017.01) G06T 7/194(2017.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种用于无人机目标跟踪的孪生区域建议 网络模型 (57)摘要 本发明公开了一种用于无人机目标跟踪的 孪生区域建议网络模型， 该网路模型在SiamRPN 网络的基础上加入条带池化模块和全局上下文 网络模块， 使网络解决远程依赖问题， 有效理解 不同的跟踪场景； 然后优化交并比的计算方法， 完成目标的特征提取， 回归精准的预测框； 本发 明在光照变化、 背景干扰以及目标快速移动的情 况下有较强的鲁棒性， 在UAV12 3公开数据集基准 上进行测试， 跟踪速度约为106帧/秒， 获得0.754 的准确率和0.542 的成功率， 尤其是在背景干扰 环境下， 精确率和成功率分别提升了8.29％和 11.63％。 权利要求书1页 说明书4页 附图1页 CN 114266805 A 2022.04.01 CN 114266805 A 1.一种用于无人机目标跟踪的孪生区域建议网络模型， 其特征在于： 包括模板分支单 元和搜索分支单元， 所述模板分支单元包括第一卷积模块、 条带池化模块、 第二卷积模块、 第三卷积模块、 第一匹配模块和 第一输出模块， 所述搜索分支单元包括第四卷积模块、 全局 上下文网络模块、 第五卷积模块、 第六 卷积模块、 第二匹配模块和第二输出模块； 所述第一卷积模块和第四卷积模块构成孪生网络， 第一卷积模块与条带池化模块连 接， 第四卷积模块与全局上 下文网络模块连接； 所述第二卷积模块、 第三卷积模块、 第一匹配模块、 第 一输出模块、 第五卷积模块、 第六 卷积模块、 第二匹配模块和第二输出模块构成区域建议网络， 第二卷积模块、 第三卷积模块 均与第一匹配模块连接， 第一匹配模块与第一输出模块连接； 第五卷积模块、 第六卷积模块 均与第二匹配模块连接， 第二匹配模块与第二输出模块连接； 其中， 条带池化模块分别与第 二卷积模块和第 五卷积模块连接， 第四卷积模块与第三卷积模块连接， 全局上下文网络模 块与第六 卷积模块连接 。 2.根据权利要求1所述的用于无人机目标跟踪的孪生 区域建议网络模型， 其特征在于： 所述模板分支单元输入图像大小为 127×127×3， 所述搜索分支单元输入图像大小为255 × 255×3。 3.根据权利要求1所述的用于无人机目标跟踪的孪生 区域建议网络模型， 其特征在于： 网络模型中采用距离交并比计算 边界框。 4.根据权利要求3所述的用于无人机目标跟踪的孪生 区域建议网络模型， 其特征在于： 所述区域建议网络中分类的损失函数采用交叉熵损失函数， 回归的损失函数为L1范数损失 函数。权　利　要　求　书 1/1 页 2 CN 114266805 A 2一种用于无人机目标跟踪的孪生区域建 议网络模型 技术领域 [0001]本发明属于无人机目标跟踪技术领域， 具体涉及 一种用于无人机目标跟踪的孪生 区域建议网络模型。 背景技术 [0002]在智能化时代， 无人机被广泛应用到军事领域、 无人驾驶、 航 空拍摄、 交通监控、 农 药喷洒、 目标跟随、 人机交互和自动驾驶等领域。 无人机目标跟踪 是基于视频图像进 行对感 兴趣区域的筛选和定位， 在 复杂场景下， 由于受到光照、 遮挡以及小目标移动迅速等影响， 如何满足无 人机图像跟踪中的稳定性及可靠性， 是当前重要的研究方向。 [0003]视觉跟踪的目的是根据当前视频图像第一帧给出的边界框， 准确估计出目标对象 在后续帧中在视频图像中的位置。 基于相关滤波的目标跟踪算法起源于MOSS算法， 首次将 相关滤波引入目标跟踪的算法之中， CSK算法引入核循环矩阵， 通过计算高斯核相关矩阵判 断相邻两帧之间的相似度， 进而实现目标跟踪。 KCF算法引入了核技巧以及多通道特征 处理 的方式进行目标跟踪， 大大简化了在跟踪过程中的计算量， 奠定了之后相关滤波目标跟踪 算法的理论与实践基础。 在2012年提出的A lexnet网络是深度学习发展的里程碑， 在深度学 习中以SiamFC为代表的相关目标跟踪算法在精度和速度可以得到很好的平衡， 采用全 卷积 神经网络结构， 通过模板帧与测试帧匹配进行相似性度量， 对目标进行后续的定位。 SiamRPN是在SiamFC的基础上通过加入RPN(region  proposal  network)网络， 解决原始的 多尺度问题； 但是并没有考虑网络本身对空间信息的利用， 因此， 在目标发生光照变化、 背 景干扰以及遮挡等问题时， 会发生目标漂移的情况。 发明内容 [0004]本发明的目的在于提供一种用于无人机目标跟踪的孪生区域建议网络模型， 该网 络模型SiamRPN网络的基础上加入条带池化模块和全局上下文网络模块， 从而提升无人机 目标跟踪的精准度和成功率。 [0005]为实现上述目的， 本发明具体采用如下技 术方案： [0006]一种用于无人机目标跟踪的孪生区域建议网络模型， 包括模板分支单元和搜索分 支单元， 所述模板分支单元包括第一卷积模块、 条带池化模块、 第二卷积模块、 第三卷积模 块、 第一匹配模块和 第一输出模块， 所述搜索分支单元包括第四卷积模块、 全局上下文网络 模块、 第五卷积模块、 第六 卷积模块、 第二匹配模块和第二输出模块； [0007]所述第一卷积模块和第四卷积模块构成孪生网络， 第一卷积模块与条带池化模块 连接， 第四卷积模块与全局上 下文网络模块连接； [0008]所述第二卷积模块、 第三卷积模块、 第一匹配模块、 第一输出模块、 第五卷积模块、 第六卷积模块、 第二匹配模块和 第二输出模块构成区域建议网络， 第二卷积模块、 第三卷积 模块均与第一匹配模块连接， 第一匹配模块与第一输出模块连接； 第五卷积模块、 第六卷积 模块均与第二匹配模块连接， 第二匹配模块与第二输出模块连接； 其中， 条带池化模块分别说　明　书 1/4 页 3 CN 114266805 A 3