[发明专利]一种基于多损失学习的相关滤波目标跟踪方法及系统

权利要求书

1.一种基于多损失学习的相关滤波目标跟踪方法，应用于图像视频处理，其特征在于，包括：

步骤S1，输入当前帧图像包括的需要追踪的目标的目标区域图像；

步骤S2，对所述目标区域图像进行特征提取以获取目标区域的特征并表示为第一特征；

步骤S3，根据第一特征对一滤波器模板进行学习和更新；

步骤S4，基于所述第一特征确定下一帧图像的搜索区域，并对确定的所述搜索区域内的图像进行特征提取并表示为第二特征；

步骤S5，采用所述滤波器模板对所述第二特征进行滤波处理，根据滤波处理的结果得到下一帧图像中的目标的最新位置；

步骤S6，将下一帧图像作为当前帧图像，并根据确定的目标更新所述目标区域图像，随后返回所述步骤S2。

2.根据权利要求1所述的相关滤波目标跟踪方法，其特征在于，所述步骤S2中，采用跟踪特征提取器，提取所述目标区域图像的特征，其中所述跟踪特征提起器由卷积网络组成。

3.根据权利要求1所述的相关滤波目标跟踪方法，其特征在于，所述步骤S3中，采用岭回归封闭解计算所述第一特征的自相关性，并根据计算结果对所述滤波器模板进行学习和更新。

4.根据权利要求1所述的相关滤波目标跟踪方法，其特征在于，所述步骤S4中，基于所述第一特征确定下一帧图像的搜索区域的方法包括：

通过对上一帧图像推测出的目标区域通过尺度的放缩，得到的当前帧的搜索区域，并通过特定的特征提取器提取搜索区域特征。

5.根据权利要求1所述的相关滤波目标跟踪方法，其特征在于，所述步骤S3中，所述滤波器模块如下式所示：

其中，表示离散傅里叶变换F(y)，表示为复数y的复共轭，⊙表示Hadamard乘积。

6.根据权利要求1所述的相关滤波目标跟踪方法，其特征在于，所述步骤S5具体包括：

步骤S51，采用所述滤波器模板对所述第二特征进行滤波处理；

步骤S52，获取对所述第二特征进行滤波得到的输出值，并将输出值中的最大值作为目标的最新位置输出；

步骤S53，根据获得的目标的最新位置确定目标的所述目标区域图像，随后返回所述步骤S2。

7.根据权利要求6所述的相关滤波目标跟踪方法，其特征在于，所述步骤S52中，采用下述公式对所述第二特征进行滤波得到所述输出值：

其中，F^-1表示离散傅立叶逆变换，^、⊙、*分别表示离散傅立叶变换，点乘和共轭，m为最新跟踪位置，R为目标图像的通道数，w^l相关的滤波器参数w的通道l，ψ(z)表示需要裁剪搜索的图像块在新的帧中特征。

8.一种基于多损失学习的相关滤波目标跟踪系统，其特征在于，包括：

输入模块，用以输入当前帧图像包括的需要追踪的目标的目标区域图像；

特征提取模块一，用以对所述目标区域图像进行特征提取以获取目标区域的特征并表示为第一特征；

更新模块，根据第一特征对一滤波器模板进行学习和更新；

特征提取模块二，用以基于所述第一特征确定下一帧图像的搜索区域，并对确定的所述搜索区域内的图像进行特征提取并表示为第二特征；

滤波处理模块，用以采用所述滤波器模板对所述第二特征进行滤波处理，根据滤波处理的结果得到下一帧图像中的目标的最新位置；

图像处理模块，将下一帧图像作为当前帧图像，并根据确定的目标更新所述目标区域图像。

9.根据权利要求8所示的系统，其特征在于，所述特征提取模块一为跟踪特征提取器，通过所述跟踪特征提取器提取所述目标区域图像的特征，其中所述跟踪特征提起器由卷积网络组成。

10.根据权利要求8所示的系统，其特征在于，所述更新模块采用岭回归封闭解计算所述第一特征的自相关性，并根据计算结果对所述滤波器模板进行学习和更新。