[发明专利]相关滤波目标跟踪方法及装置

权利要求书

1.一种相关滤波目标跟踪实现方法，其特征在于，用于处理视频帧，所述方法包括：

构建包含深度网络模块和相关滤波模块的一元特征模块，将图像目标候选区域输入所述一元特征模块；

将经过图像超像素处理后的预处理图像和所述一元特征模块的输出，作为二元特征模块的输入；

通过所述二元特征模块中建立的相邻超像素块之间的相似性关系约束所述一元特征模块输出的初始响应值，并将作用结果作为学习更新模块的输入；

在所述学习更新模块通过响应更新层预测图像中目标的位置；

通过所述二元特征模块中建立的相邻超像素块之间的相似性关系约束所述一元特征模块输出的初始响应值包括：

将每一张图像分割成多个超像素块；

根据位置信息得到相邻超像素块之间的相似性关系；

通过相邻超像素块之间的相似性关系平滑视频帧输出的初始响应值。

2.根据权利要求1所述的相关滤波目标跟踪实现方法，其特征在于，所述深度网络模块包括：

两个卷积层、一个修正线性单元和一个局部响应归一化层；

根据图像目标候选区域生成初始响应值，用以确定目标位置。

3.根据权利要求1所述的相关滤波目标跟踪实现方法，其特征在于，在建立相关滤波目标跟踪网络模型时，将条件随机场模型嵌入深度卷积神经网络中。

4.根据权利要求3所述的相关滤波目标跟踪实现方法，其特征在于，使用基于随机梯度下降的反向传播优化所述深度卷积神经网络中的网络参数。

5.一种相关滤波目标跟踪实现装置，其特征在于，用于处理视频帧，装置包括：一元特征模块，二元特征模块，学习更新模块；

构建包含深度网络模块和相关滤波模块的一元特征模块，将图像目标候选区域输入所述一元特征模块；

将经过图像超像素处理后的预处理图像和所述一元特征模块的输出，作为二元特征模块的输入；

通过所述二元特征模块中建立的相邻超像素块之间的相似性关系约束所述一元特征模块输出的初始响应值，并将作用结果作为学习更新模块的输入；

在所述学习更新模块通过响应更新层预测图像中目标的位置；

所述二元特征模块包括：

分割单元，用于将每一张图像分割成多个超像素块；

建立单元，用于根据位置信息得到相邻超像素块之间的相似性关系；

平滑单元，用于通过相邻超像素块之间的相似性关系平滑视频帧输出的初始响应值。

6.根据权利要求5所述的相关滤波目标跟踪实现装置，其特征在于，所述深度网络模块包括：

两个卷积层、一个修正线性单元和一个局部响应归一化层；

根据图像目标候选区域生成初始响应值，用以确定目标位置。

7.根据权利要求5所述的相关滤波目标跟踪实现装置，其特征在于，所述学习更新模块，用于在建立相关滤波目标跟踪网络模型时，将条件随机场模型嵌入深度卷积神经网络中。

8.根据权利要求7所述的相关滤波目标跟踪实现装置，其特征在于，所述学习更新模块，还用于使用基于随机梯度下降的反向传播优化所述深度卷积神经网络中的网络参数。