[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

说明书

本发明提供了一种基于多损失学习的相关滤波目标跟踪方法及系统，其中，包括：输入当前帧图像包括的需要追踪的目标的目标区域图像；对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；根据第一特征对一滤波器模板进行学习和更新；基于第一特征确定下一帧图像的搜索区域，并对确定的搜索区域内的图像进行特征提取并表示为第二特征；采用滤波器模板对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；将下一帧图像作为当前帧图像，并根据确定的目标更新目标区域图像，继续上述滤波器模板进行学习和更新。其技术方案的有益效果在于，使得跟踪算法变得更稳健、准确。

技术领域

本发明涉及视频跟踪方法及图像视频处理技术领域，尤其涉及一种基于多损失学习的相关滤波目标跟踪方法及系统。

背景技术

目标跟踪是计算机视觉领域的核心问题之一，具有广泛的应用价值，例如，人体运动分析、视频监控、自动驾驶等。虽然有大量的跟踪算法已被提出来应用于各种场景，但由于诸如形变、遮挡、光照变化、背景杂乱、快速运动等因素的影响，稳健的视觉跟踪系统仍然难以实现。

近年来涌现出很多基于相关和深度特征的目标跟踪算法，能较好的进行视频单目标跟踪，其中具有代表性的是多损失学习的相关滤波目标跟踪算法。但是，基于可判别相关网络的目标跟踪算法(DCFNet)方法没有很好的应对训练过程中的小范围和中间范围的误差能力，模型表征能力的减弱，使得不可靠的响应值严重影响到训练出来的滤波器模板，进一步的积累误差到一定程度之后将导致跟踪失败。

发明内容

针对现有的相关和深度特征的目标跟踪算法存在的应对训练过程中的应对小范围和中间范围的误差能力交叉，模型表征能力的减弱的问题。现提供一种基于多损失学习的相关滤波目标跟踪方法及系统。

具体包括以下：

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，其中，包括：

步骤S1，输入当前帧图像包括的需要追踪的目标区域图像；

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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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；