[发明专利]融合多层深度特征的判别式相关滤波跟踪方法及系统

权利要求书

1.一种融合多层深度特征的判别式相关滤波跟踪方法，其特征在于，包括以下步骤：

获取视频序列集；

获取第一帧视频图像，给定目标在第一帧图像中的初始状态，包括目标中心位置坐标和大小；

以前一帧目标状态为基础，分别提取以卷积神经网络为基础的多层深度特征和手工特征；

对深度特征进行空间池化及通道压缩；

将经过特征压缩的深度特征与手工特征进行级联，输入LADCF模型，训练判别式相关滤波器分类器；

获取第二帧视频图像，以目标前一帧的状态为基础，在单一尺度层上提取多层深度特征，在多个尺度层上提取手工特征，并对深度特征进行空间池化和特征通道降采样；将所提取特征输入训练好的LADCF模型，获得深度特征目标响应图和手工特征目标响应图；

将深度特征目标响应图，分别与不同尺度的手工特征目标响应图加权相加，得到最终的目标状态响应图，在最终的目标状态响应图上进行目标位置和边界框估计；

重复以上过程直至完成对目标的跟踪。

2.如权利要求1所述的融合多层深度特征的判别式相关滤波跟踪方法，其特征在于，所述卷积神经网络为VGG16网络结构。

3.如权利要求1所述的融合多层深度特征的判别式相关滤波跟踪方法，其特征在于，所述通道压缩方法包括：

从多通道特征中等间隔采样多个特征，降低通道数目；

所述的空间池化方法：对浅层深度特征，进行最大池化，将统一不同层深度特征的分辨率。

4.如权利要求3所述的融合多层深度特征的判别式相关滤波跟踪方法，其特征在于，所述空间池化和通道压缩方法具体为：

对训练网络中多层深度特征进行空间池化，降低并统一深度特征分辨率，对不同层的深度特征采用不同比率的等间隔采样，降低特征通道数目。

5.一种融合多层深度特征的判别式相关滤波跟踪系统，其特征在于，包括：

用于输入视频序列集的视频输入单元；

初始判别式相关滤波器分类器训练单元，用于获取视频序列集；获取第一帧视频图像，给定目标在第一帧图像中的初始状态，包括目标中心位置坐标和大小；以前一帧目标状态为基础，分别提取以卷积神经网络为基础的多层深度特征和手工特征；对深度特征进行空间池化及通道压缩；将经过特征压缩的深度特征与手工特征进行级联，输入LADCF模型，训练判别式相关滤波器分类器；

目标跟踪单元，用于获取第二帧视频图像，以目标前一帧的状态为基础，在单一尺度层上提取多层深度特征，在多个尺度层上提取手工特征，并对深度特征进行空间池化和特征通道降采样；将所提取特征输入训练好的LADCF模型，获得深度特征目标响应图和手工特征目标响应图；将深度特征目标响应图，分别与不同尺度的手工特征目标响应图加权相加，得到最终的目标状态响应图，在最终的目标状态响应图上进行目标位置和边界框估计；重复以上过程直至完成对目标的跟踪。

6.如权利要求5所述的融合多层深度特征的判别式相关滤波跟踪系统，其特征在于，所述卷积神经网络为VGG16网络结构。

7.如权利要求6所述的融合多层深度特征的判别式相关滤波跟踪系统，其特征在于，所述通道压缩方法包括：

从多通道特征中等间隔采样多个特征，降低通道数目；

所述的空间池化方法：对浅层深度特征，进行最大池化，将统一不同层深度特征的分辨率。

8.如权利要求7所述的融合多层深度特征的判别式相关滤波跟踪系统，其特征在于，所述空间池化和通道压缩方法具体为：

对训练网络中多层深度特征进行空间池化，降低并统一深度特征分辨率，对不同层的深度特征采用不同比率的等间隔采样，降低特征通道数目。

9.计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述融合多层深度特征的判别式相关滤波跟踪方法。

10.计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述融合多层深度特征的判别式相关滤波跟踪方法。