[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

说明书

本发明公开了一种基于交并比覆盖率损失与重定位策略的目标匹配方法。采用交并比覆盖率损失训练候选区域提取器，该候选区域提取器抗图像畸变、噪声、遮挡、背景干扰、光照变化等能力强；采用候选区验证策略，对候选区域提取器产出的一系列候选区域进行筛选，从而降低图像匹配的误检率并得到目标对象的粗定位位置；采用目标区域调整模块和重定位策略获得目标对象的精定位位置。本发明方法可以提高目标匹配的速度、精度以及鲁棒性，适用于复杂场景下的目标匹配。

技术领域

本发明涉及一种目标匹配方法，具体是指基于交并比覆盖率损失与重定位策略的目标匹配方法。

背景技术

目标匹配是计算机视觉中的一个常见问题，其目的是寻找特定目标对象在整个视野中的位置，被广泛应用于目标追踪、物体定位、机器人视觉感知等领域。

目前目标匹配常用的思路有两种，一种是采用只关注候选区域与目标对象像素信息的相似度而不关注语义的模板匹配方法，该方法在遮挡、非刚性变换、光照、背景变化和尺度变化的影响下表现不佳；另一种是利用实例模板的语义信息进行目标匹配的实例检测方法，但这种方式需要一系列实例级别的模板(无背景干扰下的目标对象轮廓图)，实际应用中成本较高。现有的目标匹配方法在目标追踪、物体定位、机器人视视觉感知等对算法的定位精度、可靠性和鲁棒性要求较高的领域还远不能满足需求。

为解决上述问题，本发明提出了一种新型实用目标匹配框架。通过研究不同的候选区域回归策略，设计了一种新的损失函数称为交并比覆盖率损失，获得比以往目标匹配方法更高的匹配精度；此外通过分析误检和匹配误差产生的原因，设计出一套合理的候选区域验证策略以降低目标匹配方法的误检率；提出通过目标区域调整和重定位策略来减少卷积神经网络中的位置信息损失，从而提升目标匹配方法的匹配精度和鲁棒性。

发明内容

本发明目的在于针对以往目标匹配方法匹配精度不佳、鲁棒性差、定位时间长等方面的缺点，提出了一种基于交并比覆盖率损失和重定位策略的目标匹配方法，实现了快速、精准、鲁棒的目标匹配，适用于复杂环境下的实时目标匹配。

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；

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；

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。

进一步的，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；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：