(19)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 202210562818.7 (22)申请日 2022.05.23 (71)申请人 天津理工大 学 地址 300384 天津市西青区 宾水西道391号 (72)发明人 姜振杰　张剑华　于洁　朱云瑞　 周浩　王秀杰　 (74)专利代理 机构 杭州斯可 睿专利事务所有限 公司 33241 专利代理师 王利强 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/25(2022.01) G06V 10/40(2022.01) G06V 10/74(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于di mp跟踪器的轻量化LightDimp单 目标跟踪方法 (57)摘要 一种基于di mp跟踪器的轻量化LightDimp单 目标跟踪方法， 包括以下步骤： S1： 获取目标检测 框坐标和高宽信息； S2： 使用LightDimp算法进行 目标跟踪； S3： 输出跟踪过程与目标运动轨迹： 通 过提取目标检测框的中心点拼接形成目标的运 动轨迹， 将目标的运动轨迹输出。 本发明提供一 个于dimp跟踪器的轻量化LightDimp单目标跟踪 方法， 采用轻量化的单目标跟踪网络， 克服目标 跟踪算法对设备的高需求， 进而解决单目标跟踪 算法难以移植到嵌入式设备中的难题。 权利要求书2页 说明书5页 附图2页 CN 114882417 A 2022.08.09 CN 114882417 A 1.一种基于dimp跟踪器的轻量化Li ghtDimp单目标跟踪方法， 其特征在于， 所述方法包 括以下步骤： S1： 获取目标检测框坐标和高宽信息； S2： 使用L ightDimp算法进行目标跟踪， 过程如下： S21特征提取模块： 使用轻量级网络 MobileNet V3+注意力机制GAM； S22相关滤波模块： 通过相关滤波器得到多个侯选区域， 再通过评分机制得到三个可能 区域； S23 Refine模块： 在此模块共有两个分支bbox和mask， bbox分支得到准确目标， mask分 支生成预测掩码， 将两个分支的结果融合， 生成最终精准的box； S3： 输出跟踪过程与目标运动轨迹： 通过提取目标检测框的中心点拼接形成目标的运 动轨迹， 将目标的运动轨 迹输出。 2.如权利 要求1所述的基于dimp跟踪器的轻量化LightDimp 单目标跟踪方法， 其特征在 于， 所述步骤S1中， 在视频L的第一帧人工用选框框定要追踪的目标， 将框定的目标、 选框的 坐标信息(x， y)和选 框高宽(h， w)信息传入步骤S2。 3.如权利 要求2所述的基于dimp跟踪器的轻量化LightDimp 单目标跟踪方法， 其特征在 于， 所述步骤S2中， 特 征提取模块的处 理过程为： 2.1.1)、 提取目标模板特征： 使用轻量化网络MobileNet  V3+注意力机制GAM提取第一 帧选框框定的要追踪目标的特 征， 将提取的特 征通过25 6x1x1的卷积核调整输出； 2.1.2)、 提取跟踪帧图片特 征： 同样的特 征提取方法， 提取跟踪帧的图片特 征； 2.1.3)、 将两张图片特 征输入到相关滤波器模块； 相关滤波模块的处理过程为： 将通过特征提取模块提取的256channels特征信息输入 到滤波器中， 生成多个可能目标， 通过与前一帧比较特征相似度生成相似度 评分Scorelast， 选取评分最高的3个可能的特征图与选框信息， 输出生成的256*256大小的特征图， 选框信 息和对应的特 征相似度评分Scorelast； Refine模块的处理过程为： 在此模块共有两个分支bbox和mask， bbox分支通过卷积结 构得到更准确目标选框， 通过与前一帧的目标信息进行比较得到特征相似度评分记为 Scorelast， 将目标中心与前一帧的目标中心进行数据关联， 凭借位置距离信息利用匈牙利 算法匹配目标轨迹， 通过欧式距 离计算得到距离评分Scorelocate， 通过Scorefirst， Scorelast， Scorelocate三个评分计算得到最终评分Score， 评分最高的即为预测目标， 在mask分支， 通过 U‑Net网络生成预测掩码， 将两个分支的结果通过pixel ‑wise correlation方式特征融合， 生成最终精准的box。 4.如权利要求1～3之一所述的基于dimp跟踪器的轻量化LightDimp单目标跟踪方法， 其特征在于， 所述步骤S3中， 输出目标运动轨迹的过程为： 提取预测目标选框的中心位置， 将这些中心位置串联起 来即为目标运动轨 迹， 将运动轨 迹输出。 5.如权利 要求3所述的基于dimp跟踪器的轻量化LightDimp 单目标跟踪方法， 其特征在 于， 所述步骤S2中， 目标跟踪框架中， LightDimp算法也称LightDimp跟踪器， 将融入GA M注意 力机制的MobileNet  V3作为跟踪器的特征提取网络， 能够快速提取更准确特征； 通过相关 滤波生成可能区域， 再通过bbox精确定位区域和mask分割掩膜 生成更准确的损失更小的目 标预测选框。权　利　要　求　书 1/2 页 2 CN 114882417 A 26.如权利 要求5所述的基于dimp跟踪器的轻量化LightDimp 单目标跟踪方法， 其特征在 于， 三次评分机制： 第一次在相关滤波器通过与第一帧模板特征比较得到3个可能区域， 第 二次在Refine模块bbox分支与前一帧比较， 第三次在Refine模块mask分支与前一帧目标进 行距离比较， 综合三次比较分别融入了特征信息， 距离信息和形状信息的结果能够得到准 确结果。 7.如权利要求1～3之一所述的基于dimp跟踪器的轻量化LightDimp单目标跟踪方法， 其特征在于， 在模型训练完成后使用IAO模型压缩方法进行模型压缩。权　利　要　求　书 2/2 页 3 CN 114882417 A 3