[发明专利]一种视觉追踪优化方法

权利要求书

1.一种视觉追踪优化方法，其特征在于，包括以下步骤：

步骤1、获取当前帧的追踪图片；

步骤2、对追踪图片进行预处理后，圈定感兴趣区域；

步骤3、使用VGG-Net网络提取感兴趣区域的深度卷积特征，记为X，X∈R^P×Q×D，式中，R表示特征空间，P、Q、D分别表示特征空间的宽度、高度和维数；

步骤4、若当前帧为初始帧，则使用相关滤波算法将从VGG-Net网络中提取到的深度卷积特征X进行训练得到滤波器后，得到滤波器的初始模板，将下一帧作为当前帧，返回步骤1，否则进入步骤5；

步骤5、获得当前帧的滤波器更新模板，其中，滤波器模板的更新公式为：

式中，表示算法学习到的滤波器，算法第t帧学习到的滤波器定义为Y为高斯标签矩阵，Y∈R^P×Q，高斯标签矩阵Y中元素大小服从以目标尺寸中心为峰值位置，标准差大小与目标尺寸成正比的二维高斯分布，表示离散傅里叶变换；表示的第d个维度，λ表示一个正则化参数，λ≥0；表示更新后的第t帧追踪图片所对应的滤波器模板；η表示更新速率；表示第t-1帧追踪图片所对应的滤波器模板；⊙表示哈达马积；

步骤6、将滤波器的初始模板和当前帧的深度卷积特征进行点乘得到相关滤波响应矩阵一，相关滤波响应矩阵一最大响应值为估计得到的追踪目标位置一；

将滤波器更新模板和当前帧的深度卷积特征进行点乘得到相关滤波响应矩阵二，相关滤波响应矩阵二最大响应值为估计得到的追踪目标位置二；

步骤7、对追踪目标位置一及追踪目标位置二加权融合得到最终目标位置，将下一帧作为当前帧，返回步骤1。

2.如权利要求1所述的一种视觉追踪优化方法，其特征在于，步骤2中的所述预处理包括以下步骤：

读入追踪图片的目标尺寸和目标位置坐标，圈定感兴趣区域。

3.如权利要求1所述的一种视觉追踪优化方法，其特征在于，步骤3中，提取深度卷积特征包括以下步骤：

首先将追踪图片输入到VGG-Net的数据输入层，经过卷积计算层，Relu激励层，池化层，全连接层，最终通过输出层输出所述深度卷积特征。

4.如权利要求1所述的一种视觉追踪优化方法，其特征在于，步骤6中，第k帧追踪图片的所述追踪目标位置一为(x₀,y₀)，则有：

式中，S⁰表示所述相关滤波响应矩阵一，x₀'表示相关响应矩阵一中的元素所在的行数，y₀'表示相关响应矩阵一中的元素所在的列数；

第k帧追踪图片的所述追踪目标位置二为(x₁,y₁)，则有：

式中，S¹表示所述相关滤波响应矩阵二，x₁'表示相关响应矩阵中二的元素所在的行数，y₁'表示相关响应矩阵二中的元素所在的列数；

步骤7中，第k帧追踪图片的最终目标位置为(x_k,y_k)，则有：

(x_k,y_k)＝l₀(x₀,y₀)+l₁(x₁,y₁)，式中，γ⁰和γ¹分别表示S⁰和S¹的最大值。

5.如权利要求1所述的一种视觉追踪优化方法，其特征在于，步骤6中，计算得到所述相关滤波响应矩阵二后，计算相关滤波响应矩阵二的最大值，将第t帧追踪图片所对应的相关滤波响应矩阵二的最大值定义为γ^t，并定义第t帧追踪图片所对应的目标丢失因子m_t，则有：

式中，γ_t+i表示与第t帧追踪图片相邻的第t+i帧追踪图片对应的相关滤波响应矩阵二的最大值，k表示与第t帧追踪图片相邻的k帧追踪图片；

若目标丢失因子m_t，则停止滤波器模板的更新。

6.如权利要求5所述的一种视觉追踪优化方法，其特征在于，步骤6中，定义第t帧追踪图片所对应的更新系数为α_t，则有：

式中，ε是预先设定的阈值，则第t帧追踪图片之后所对应的滤波器更新模板更新策略为：