[发明专利]基于交并比覆盖率损失与重定位策略的目标匹配方法

权利要求书

1.基于交并比覆盖率损失与重定位策略的目标匹配方法，其特征在于，包括以下步骤：

步骤一：利用交并比覆盖率损失训练候选区域提取器，候选区域提取器从输入的场景图像中提取带有位置与置信度信息的候选区域；

所述步骤一中交并比覆盖率损失是距离约束项、交并比覆盖率项和形状约束项三项组成的一种损失函数；所述交并比覆盖率损失定义为：

所述距离约束项定义为：

其中，b_pr与b_pl是候选区域的右下角点与左上角点，b_gr与b_gl是目标对象的右下角与左上角，ρ(·)是欧几里得距离，c是覆盖目标对象与候选区域的最小矩形封闭区域的对角线长度；

所述交并比覆盖率项定义为：

其中，B^pb与B^gt分别是候选区域与目标对象，α是交并比覆盖率的权重参数；

所述形状约束项定义为：

其中，w与h是目标对象的宽与长，w^gt与h^gt是候选区域的宽与长；

步骤二：特征提取器对输入的目标图像进行特征提取；

步骤三：利用候选区域验证策略，将不匹配的候选区域筛除，获得目标区域的粗定位位置；

所述步骤三中候选区域验证策略是通过度量候选区域与目标对象特征的类别相似度、目标相似度以及形状召回率获得该候选区域置信度，并通过候选区域的置信度选定目标区域；

所述候选区域置信度定义为：

Conf(t|r)＝Sim(t|r)^S_r^T_recall；

所述候选区域与目标对象特征的类别相似度定义为：

其中，f_t与f_r分别是从目标与候选区域中提取的特征；

所述候选区域与目标对象特征的目标相似度S_r定义为：

其中，μ与λ是归一化因子；I_p与I_q是a与b位置的像素值，Z是归一化因子，ρ是边缘像素减重因子；T表示目标，R表示候选区域，ξ是归一化因子，p是像素位置，h(p)表示像素p的出现权重；

所述候选区域与目标对象特征的形状召回率定义为：

步骤四：目标区域调整模块通过对目标区域的尺度与位置调整获得目标感兴趣区域，并利用重定位策略在目标感兴趣区域内获取目标区域的精定位位置；

所述步骤四中重定位策略重新匹配目标对象位置，所述重定位策略是利用候选区域提取器在调整后的目标区域内再次提取目标对象位置得到精定位位置。

2.如权利要求1所述的基于交并比覆盖率损失与重定位策略的目标匹配方法，其特征在于，所述步骤一具体为：

Setp1：利用交并比覆盖率损失训练候选区域提取器，候选区域提取器是一种卷积神经网络；

Step2：根据所述Step1所得的候选区域提取器对输入的场景图像进行候选区域提取，得到一系列带有位置与置信度信息的候选区域。

3.如权利要求1所述的基于交并比覆盖率损失与重定位策略的目标匹配方法，其特征在于，所述步骤二中的所述特征提取器是一种深层卷积神经网络。

4.如权利要求1所述的基于交并比覆盖率损失与重定位策略的目标匹配方法，其特征在于，所述步骤四中的所述目标区域调整和重定位策略，具体为：

所述目标区域调整模块对所述步骤三得到的目标区域进行位置与尺度的调整；所述目标区域调整模块的位置偏移量和尺度变化量是根据候选区域与目标对象特征的差异值进行计算得到。