一种基于深度卷积神经网络的多目标视觉跟随系统优化方法

本发明公开了一种基于深度卷积神经网络的多目标视觉跟随系统优化方法，包括如下步骤：S1、从输入图像中提取多尺度特征图；S2、利用特征金字塔网络对不同尺度的特征图进行融合；S3、构建一个多目标检测分支，对融合特征图进行目标检测，输出每个目标的边界框和类别；S4、通过构建图神经网络，对不同时间帧中检测到的目标进行关联；S5、在目标关联之后，利用循环神经网络对目标的运行轨迹进行预测；S6、设计综合性的多目标损失函数；S7、构建并训练模型，并采用数据增强技术提高所述模型的泛化能力；S8、使用在线硬例挖掘技术专注于所述模型易出错的样本。本发明利用深度卷积神经网络和图神经网络，优化多目标视觉跟随，实现高精度的跟踪效果。