[发明专利]一种基于多层深度特征提取的目标跟踪算法

权利要求书

1.一种基于多层深度特征提取的目标跟踪算法，其特征在于：包括如下步骤，

S1：图像输入；

S2：提取特征图；

S3：获取最佳匹配模板；

S4：更新最佳匹配模板；

S5：重复步骤S4，直到完成当前视频的目标跟踪；

所述S2具体为，根据第一帧图像中目标的位置和尺寸信息，利用深度神经网络提取多层样本特征图。

2.根据权利要求1所述的基于多层深度特征提取的目标跟踪算法，其特征在于：所述S1具体为，

输入需要进行跟踪的视频序列；

在第一帧图像中初始化目标的位置和尺寸信息。

3.根据权利要求1所述的基于多层深度特征提取的目标跟踪算法，其特征在于：所述S2还包括，

对特征图进行自适应PCA处理。

4.根据权利要求1所述的基于多层深度特征提取的目标跟踪算法，其特征在于：所述S3具体为，

以特征图目标中心为高斯标签峰值；

通过ADMM算法得到最佳匹配模板。

5.根据权利要求1所述的基于多层深度特征提取的目标跟踪算法，其特征在于：所述S4具体为，

S41：输入下一帧图像；

S42：获得多尺寸多层深度特征图；

S43：与最佳匹配模板匹配，得到图像的目标位置和目标尺度；

S44：更新最佳匹配模板。

6.根据权利要求5所述的基于多层深度特征提取的目标跟踪算法，其特征在于：所述S42具体为，

以上一帧图像目标中心位置为中心，提取不同尺寸图像的样本特征图；

对特征图进行自适应PCA处理。

7.根据权利要求5所述的基于多层深度特征提取的目标跟踪算法，其特征在于：所述S43具体为，

将多尺寸特征图与最佳匹配模板进行相关匹配，得到多尺度的置信分数图；

选出置信分数最高的尺度对应的置信分数图；

以分数最高的置信分数图分数最高的点作为这一帧跟踪到的目标中心位置；

根据置信分数图对应的尺度因子得到这一帧目标的尺寸大小。

8.根据权利要求5所述的基于多层深度特征提取的目标跟踪算法，其特征在于：所述S44具体为，

根据这一帧获得的目标特征图，以目标中心为高斯标签峰值，利用上一帧的匹配模板进行在线被动攻击学习；

通过ADMM算法更新最佳匹配模板。