买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于强化学习算法SAC的目标跟踪方法、装置及存储介质，方法包括：获取视频数据；在视频数据的当前帧中确定搜索区域位置和大小；判断当前帧是否为第一帧；响应于当前帧非第一帧，将当前帧输入预训练好的actor网络模型进行特征提取，得到输出的预测框，根据所述预测框对目标进行跟踪；其中所述actor网络模型的训练方法，包括：通过第一帧对actor、target_actor网络进行初始化，根据经验池中存储的数据，通过actor、critic网络计算动作，计算actor、critic1、critic2网络损失，利用强化学习SAC算法更新网络权值。将目标跟踪问题转化为强化学习算法中在线决策的问题，并且本发明只需要少量数据集，充分利用现有技术，提升训练速度。

主权项：1.一种基于强化学习算法SAC的目标跟踪方法，其特征在于，包括：获取视频数据；在视频数据的当前帧中确定搜索区域位置和大小；判断当前帧是否为第一帧；响应于当前帧非第一帧，获取当前帧的上一帧的预测结果，根据当前帧的上一帧的预测结果在当前帧裁取图像得到当前帧裁取图像s，将当前帧裁取图像s输入预训练好的actor网络模型进行特征提取，得到输出的预测框；根据所述预测框对目标进行跟踪，并将预测框作为下一帧的groundTruth；其中所述actor网络模型的训练方法，包括：在视频数据的第一帧中确定目标的大小和位置，设置经验池参数；初始化actor、target_actor,critic1、target_critic1,critic2、target_critic2网络参数；响应于当前输入帧为第一帧，对actor、target_actor网络进行初始化，响应于当前帧非第一帧，根据当前帧预测框在当前帧裁取图像，得到预测框裁取图像s'，并计算所述当前帧预测框与当前帧真实框之间的IoU；根据IoU，通过奖励函数计算得到奖励值；将上一帧的预测结果在当前帧裁取图像s、动作、奖励值、预测框裁取图像s'存入经验池；根据经验池中存储的数据，通过actor、critic网络计算动作at、动作at在定义的分布Normalmu.std中对应的概率的对数logπφa|s；根据计算得到的动作at、动作at在定义的分布Normalmu.std中对应的概率的对数logπφa|s，计算actor、critic1、critic2网络损失，利用强化学习SAC算法更新网络权值。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于强化学习算法SAC的目标跟踪方法、装置及存储介质