[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

说明书

本发明涉及一种基于深度学习和相关滤波的人体目标跟踪方法，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)。与现有技术相比，本发明具有准确性高、实时性好等优点。

技术领域

本发明涉及一种目标跟踪技术，尤其是涉及一种基于深度学习和相关滤波的 人体目标跟踪方法。

背景技术

视频中的人体目标跟踪是一项涉及模式识别、计算机视觉及人工智能等多领域的研究课题，因其在智能视频监控、安防、教育等领域中广泛的应用价值，一直以 来是人们研究的热点。然而，在现实场景中，由于人体姿态变化、视频抖动、遮挡 等因素，跟踪算法难以同时兼顾运算实时性与结果准确性，这一问题在长时段跟踪 任务中尤为明显。因此，如何实现准确而又具有实时性的人体目标跟踪方法仍然是 研究的难点。

文献“High-speed tracking with kernelized correlation filters”(Henriques J F, Caseiro R,Martins P,et al.IEEE Transactions on PatternAnalysis and Machine Intelligence,2015,37(3):583-596)介绍了一种基于相关滤波的目标跟踪技术。该方 法首先根据当前帧以及之前帧的信息训练出一个能够分辨跟踪目标与普通背景的 相关滤波器。之后对于新输入的帧，在上一帧目标周围区域进行相关性计算，相关 性得分最高的点就作为这一帧的跟踪结果。该方法的具体流程可概括为训练和检测 两个阶段。训练阶段具体包括：(1)特征提取，包括原始像素、梯度直方图特征或 颜色特征；(2)采样并生成循环矩阵，在第一帧目标周围取一块略大于目标的图像 区域作为训练样本采样，大于目标的部分用于提供上下文信息，之后将采样图像扩 展为循环矩阵，以扩充训练样本数；(3)利用快速傅里叶变换(FFT)与核岭回归 方法高效地求解相关滤波参数。检测阶段具体包括：(1)在上一帧目标周围计算相 关性；(2)选取相关性得分最高的点作为这一帧的跟踪结果的中心；(3)返回训练 阶段，直至视频到达最后一帧。上述方法的不足在于：1、跟踪器不具有判别能力， 一旦跟踪过程中出现错误，可能之后所有帧的跟踪都会出错，这一问题在长时段跟 踪任务中尤为明显；2、跟踪目标大小给定后就不再改变，无法适应镜头缩放与跟 踪目标尺寸变化；3、需要人工给出第一帧的跟踪目标，无法做到全自动化。

发明内容

本发明实现一种基于深度学习和相关滤波的人体目标跟踪方法。

本发明的目的之一是解决现有跟踪技术在长时段目标跟踪时准确率低的问题。

本发明的目的之二是解决现有跟踪技术难以在保证准确率的同时达到计算实 时性的问题。

本发明的目的可以通过以下技术方案来实现：

一种基于深度学习和相关滤波的人体目标跟踪方法，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)；