[发明专利]一种基于卷积神经网络的视觉跟踪方法

权利要求书

1.一种基于卷积神经网络的视觉跟踪方法，其特征在于：该方法具体内容包括如下步骤：

步骤一，离线训练：利用CIFAR-10数据集对卷积神经网络进行离线训练，获得能够表达深度特征的能力；

步骤二，多特征融合：提取每层卷积层后的特征图，获得多种特征，进行多层特征融合；

步骤三，跟踪：在步骤一和步骤二的基础上使用粒子滤波方法完成跟踪。

2.根据权利要求1所述的一种基于卷积神经网络的视觉跟踪方法，其特征在于：在步骤一中，所述利用CIFAR-10数据集对卷积神经网络进行离线训练就是将CIFAR-10数据集输入卷积神经网络中，使用前向传递和误差反向传导的方法来训练网络获得深度特征，并对网络进行微调，其具体内容包括以下步骤：

(1)将输入数据集图片输入一个6层卷积神经网络中；

(2)在6层卷积神经网络中，其中前5层为卷积层，最后一层为全连接层，每层都得到若干个特征图；卷积核的大小设定为5*5；

(3)采用最大池化方法；

(4)前四层的激活函数选择ReLU函数，第五层后的激活函数选择Sigmoid函数。

3.根据权利要求1所述的一种基于卷积神经网络的视觉跟踪方法，其特征在于：在步骤二中，所述提取每层卷积层后的特征图，获得多种特征，进行多层特征融合，其内容包括以下两个步骤：

(1)由于提取的特征图维数较高，要对特征图进行降维处理，采用M2DPCA降维；

(2)对降维后的数据进行多特征融合。

4.根据权利要求3所述的一种基于卷积神经网络的视觉跟踪方法，其特征在于：所述采用M2DPCA降维就是在最大限度保留特征的同时进行降维处理；其具体步骤如下：

(1)将每一个卷积层后的每一幅特征图划分成m×n个子图像；

(2)直接计算子图像的图像协方差矩阵；

(3)从方差最大化的角度找出最优投影方向集{X₁,X₂,…,X_d}；

(4)根据公式W_k＝(A-A_i)X_k k＝1,2…d求出投影向量W_k，即为得到的压缩向量，其中A为样本，A_i为样本均值；

(5)将各个模块压缩的子图像向量拼接在一起完成压缩过程。

5.根据权利要求3所述的一种基于卷积神经网络的视觉跟踪方法，其特征在于：所述对降维后的数据进行多特征融合，就是将卷积神经网络的各卷积层获得的深度特征进行多层特征融合；将每个卷积层后的特征图进行降维处理后根据公式(1)得到一个大的多维特征向量输入到SVM分类器中，进行目标与背景的分类；

Y(i)=Σi=1nM(i)---(1)]]>

其中M⁽ⁱ⁾为降维后的特征向量。