[发明专利]一种复杂背景下高精度多目标跟踪方法

权利要求书

1.一种复杂背景下高精度多目标跟踪方法，其特征在于，包括如下步骤：

步骤1，将获取的视频数据输入至残差网络，进行目标分辨率特征提取，在输出端输出提取结果，所述提取结果包括不同维度的目标分辨率特征；

步骤2，计算所述目标分辨率特征的相关滤波响应图；

步骤3，利用目标检测网络得到目标的检测结果，所述目标的检测结果将目标的运动状态定义为一个8维空间，分别表示轨迹在某个时刻的状态；

步骤4，将所述目标的检测结果与预测的轨迹进行匹配，获得匹配结果，所述匹配结果包括融合运动信息和表观信息两种度量的值；

步骤5，将所述两种度量融合的值与预设匹配阈值进行对比，获得目标跟踪结果。

2.根据权利要求1所述的一种复杂背景下高精度多目标跟踪方法，其特征在于，所述步骤2，包括：

步骤2-1，对所述不同维度的所述目标分辨率特征进行插值操作，将所述不同分辨率的特征转换到连续空间域，插值算子J_d表示为：

其中，b_d∈L²(T)，属于差值函数，每个样本都包含D维的特征通道，N_d表示特征通道中空间采样点的数目，d∈{0,1,2,…}，不同分辨率的特征被转换到连续的空间域[0,T)∈R，T表示支持区域的大小，t表示跟踪目标在图像中的位置，t∈[0,T)，n表示离散空间变量n∈{0,…N_d-1}；

步骤2-2，通过最小化损失函数，求出相关滤波器；

傅里叶域中相应的损失函数可推导为：

其中，f为滤波器，P是特征矩阵；z表示插值特征图，惩罚函数w∈L²(T)是一个空间正则化项，C表示为C维特征图，λ表示为权重参数，F表示滤波器f经过傅里叶变化后的结果；

步骤2-3，进行因式分解的卷积操作求出相关滤波器的响应；

新的滤波响应R_c表示为矩阵向量乘积Pf，所述滤波响应R_c因式分解的卷积算子表示为：

其中，每个位置t的特征向量J{x}(t)首先与矩阵P^T相乘，然后将生成的特征图与滤波器进行卷积，P_dc表示学习系数，可以紧凑地表示为D×C的矩阵P＝(P_dc)；式中，每个位置t的特征向量J{x}(t)表示为J{x}；

步骤2-4，对所述跟踪目标采用视觉显著性检测；

步骤2-5，由获得的滤波响应R_c和当前帧的显著性R_S相乘，最终的响应图R_f＝R_c·R_S，当所述最终的响应图R_f取最大值时，将响应值最大的位置映射到原图，得到所述目标在后续帧中的位置，即获得预测的轨迹。