[发明专利]一种基于深度学习和相关滤波的人体目标跟踪方法

权利要求书

1.一种基于深度学习和相关滤波的人体目标跟踪方法，其特征在于，该方法包括以下步骤：

1)读取待跟踪视频的当前帧，利用人体检测器检测人体位置；

2)读取待跟踪视频的下一帧，判断是否到达视频结尾，若是，则结束，若否，则执行步骤3)；

3)利用上一步检测获得的人体位置初始化相关滤波跟踪器，进行人体跟踪，持续设定时间；

4)利用轻量级人体判别器判定当前跟踪目标是否为人体，若是，则记录人体位置，返回步骤2)，若否，则返回步骤1)；

其中，所述人体检测器基于一人体样本数据库、利用深度卷积神经网络训练获得，所述轻量级人体判别器基于所述人体样本数据库、利用轻量级的深度卷积神经网络训练获得，所述相关滤波跟踪器根据当前帧以及之前帧的信息训练获得。

2.根据权利要求1所述的基于深度学习和相关滤波的人体目标跟踪方法，其特征在于，训练所述轻量级人体判别器时使用随机梯度下降作为优化方式。

3.根据权利要求1所述的基于深度学习和相关滤波的人体目标跟踪方法，其特征在于，所述轻量级人体判别器的网络结构包括6个卷积层、3个池化层和一个全连接层，并使用softmax进行分类。

4.根据权利要求3所述的基于深度学习和相关滤波的人体目标跟踪方法，其特征在于，训练所述相关滤波跟踪器时融合所述轻量级人体判别器在训练过程中提取的卷积特征。

5.根据权利要求4所述的基于深度学习和相关滤波的人体目标跟踪方法，其特征在于，所述卷积特征为所述轻量级人体判别器在训练过程中网络最前端的2个卷积层所提取的卷积特征。

6.根据权利要求1所述的基于深度学习和相关滤波的人体目标跟踪方法，其特征在于，所述设定时间为5～15s。