[发明专利]一种基于深度学习的行人目标跟踪方法

说明书

本发明公开一种基于深度学习的行人目标跟踪方法，将深度学习与相关滤波相结合进行目标跟踪，在保证实时跟踪的前提下，有效提高跟踪的准确性。针对跟踪过程中目标姿态变化大的问题，将基于行人属性的深层卷积特征应用到跟踪中；针对遮挡问题，使用余弦相似度的方法进行遮挡的判断，以有效避免因遮挡带来的脏数据引入；为了提高效率、解决深层卷积特征在相关滤波器中的使用问题，提出双线性插值的方法，在去除量化误差的同时又能避免特征的重复提取，大幅度提高效率；针对目标高速运动的问题，提出将预选框策略融入到跟踪算法中，不仅能对全局图像进行搜索，同时预选框能够作为强负样本加入训练，提高相关滤波器的区分能力。

技术领域

本发明涉及属于计算机视觉领域，更具体地，涉及一种基于深度学习的行人目标跟踪方法。

背景技术

近来，国内外恐怖事件频繁发生，严重威胁了人民的生命财产安全和健康幸福生活。随着“平安城市”的建设，大量摄像头的搭建，给人们的生命财产安全、幸福高质量的生活带来保障的同时，也带来了视频数据的爆发式的增长，给视频分析处理技术带来了极大的挑战。在视频监控系统产生的大量数据中绝大多数都是与人相关，而且我们所关心的也大都是人的特征、姿态、动作、行为等等，因此与人相关的信息获取就至关重要。行人目标跟踪，就是对视频序列中行人与背景进行区分，获得一个目标在整个视频序列中完整的运动轨迹。这能有效的把视频中的快照进行关联，大量减少分析的快照数量，提高分析处理速度。另外，行人目标跟踪对行人的运动速度、行人动作分析、事件检测都提供了基础。

跟踪算法一般来说可以分为生成模型方法和判别模型方法。生成模型方法的大概流程是，根据当前帧的目标区域建立模型，在下一帧中寻找与模型最相似的区域，该区域即为预测的目标位置。这一类方法，在面对跟踪过程中的复杂变化时，其鲁棒性和准确度方面的表现都不尽人意。

判别模型方法，又称为tracking-by-detection，与处理其他经典计算机视觉问题的思路一致，即图像特征加机器学习。大体流程是，在提取图像特征后，以真实目标区域为正样本，背景区域为负样本，使用机器学习的方法训练一个分类器，在之后视频帧中，用这个分类器进行预测，查找出最优的区域，并根据预测结果继续对分类器参数进行更新。

相关滤波方法(correlation filter，CF)最早是用在信号领域，用来描述信号之间的相关性。在目标跟踪领域中，该方法设计出密集采样，并引入了循环矩阵和核的概念，解决了传统目标跟踪算法中稀疏采样导致的样本冗余问题，同时对于岭回归快速求解的研究，使得目标跟踪效率极大的提高。另外，结合不同的特征，将其应用到相关滤波器算法中，能够有效的应对形状、尺度、光照等各种变化情况，跟踪效果的鲁棒性更强。

深度卷积神经网络提取的图像特征能够在更高层更加抽象的表达出图像语义特征，对于行人目标跟踪问题，深度卷积特征是一种鲁棒性强、表达能力好的特征。但将其应用到行人目标跟踪任务中，也包含着很多问题，比如针对性的特征选取问题、卷积特征的尺度缩放带来的量化误差问题、训练样本选取问题、遮挡问题等。

综上所述，目前在行人目标跟踪领域进行了大量的研究工作，已经有很多目标跟踪的算法，但是在实际应用场景中，将深度学习应用到行人目标跟踪任务中的方法并不多，主要是现有方法存在提取的特征针对性不强、深度卷积特征跟踪目标位置精确度不高、遮挡带了训练样本的污染等问题，不能直接应用于实际的使用场景中。因此，如何有效利用深度卷积特征的优势，解决其带来的各种问题，同时有能保证实时性，是一个亟待解决的难题。

发明内容

针对现有技术的缺陷，本发明的目的在于解决现有行人目标跟踪方法存在提取的特征针对性不强、深度卷积特征跟踪目标位置精确度不高、遮挡带了训练样本的污染等问题，不能直接应用于实际的使用场景中的技术问题。

为实现上述目的，本发明提供一种基于深度学习的行人目标跟踪方法，包括以下步骤：

(1)对包含行人目标的视频解码获得每一帧视频图像；