[发明专利]一种基于时空约束的长时目标跟踪方法

权利要求书

1.一种基于时空约束的长时目标跟踪方法，其特征在于，包括如下步骤：

S100根据图像分割网络，提取拍摄图像的道路区域信息；

S200根据道路区域信息与模板帧，通过目标跟踪网络，得到目标位置信息；

S300根据目标的历史位置信息计算目标的运动速度矢量，计算方法为：

保存前n帧的目标历史位置，n1，计算出目标在当前帧的运动速度矢量预测出目标在当前帧的位置，作为初始检测位置；

f表示函数映射，表示第i帧中目标的运动速度大小，表示第i帧中目标的运动方向；

S400道路区域信息和运动速度矢量作为时空约束条件，根据时空约束对目标进行跟踪，得到约束后的目标位置信息，所述时空约束条件具体包括以下步骤：

S410根据目标在当前帧的运动速度大小自适应的选择预先设置的不同大小的初始检测框放置在初始检测位置进行搜索；w、h为检测框的当前宽度和高度：

其中，base_width表示检测框的初始宽度；

S420若初始位置处未检测到目标，则逐渐扩大检测框的宽高w、h；

其中，β表示增长系数，取值范围为[0,1]；

在检测框的覆盖范围内采样图像并与模板图像比较，并将位置信息重新赋值给；若w大于等于待跟踪帧宽度时仍未检测到目标，执行步骤S500；否则执行步骤S430；

S430当扩大搜索半径检测出目标后，加入时空约束条件，所述时空约束条件包括空间约束模型和时间约束模型：

其中，当同时符合两个模型的条件时，即flag1＝1且flag2＝1判断为真；否则重新检测；Mask表示道路区域位置，白色表示有效的道路前景，黑色表示无效的背景；Dis表示两点之间的距离，表示帧率的倒数。

2.根据权利要求1所述的基于时空约束的长时目标跟踪方法，其特征在于，若目标被背景遮挡导致跟踪丢失，还包括：

S500根据所述道路区域信息，将检测框在道路前景上滑动和采样，直到重新定位出目标并继续跟踪。

3.根据权利要求2所述的基于时空约束的长时目标跟踪方法，其特征在于，所述步骤S100中，所述图像分割网络N包括编码网络和解码网络；

其中，编码网络由VGG-16网络的前13个卷积层构成；

在编码网络中每一次进行最大池化下采样前，采用最大池化索引方法将每一次池化前的特征图备份；

解码网络具有13层卷积层，解码网络的输出被馈送到多类别逻辑回归分类器以独立地为每个像素产生类概率；

解码网络中每个解码器层的输入是编码网络中对应的每层编码器输出的最大池化索引，然后进行输入特征图的非线性上采样。

4.根据权利要求3所述的基于时空约束的长时目标跟踪方法，其特征在于，使用航拍数据集对所述编码网络和所述解码网络联合训练：

对输入进行局部对比度归一化，网络学习率为，的取值范围是，动量为，利用随机梯度下降训练网络，共训练m个周期；

训练网络的目标函数为交叉熵损失：

其中，z表示标签值，表示实际分类值。