[发明专利]基于计算机视觉的目标跟踪方法及系统

权利要求书

1.一种基于计算机视觉的目标跟踪方法，其特征在于，所述方法包括：

获取目标视频的当前图像帧以及当前图像帧的上一帧图像帧，采用改进的卷积神经网络模型对所述当前图像帧的上一帧图像帧进行检测，输出当前图像帧的上一帧图像帧的目标位置，所述改进的卷积神经网络模型由输入层、卷积层、池化层、分类器、特征融合层组成，所述改进的卷积神经网络模型使用全局平均池化的方式产生预设尺寸的特征向量，所述特征融合层通过目标卷积核先对特征图进行降维，再将不同特征图在通道上进行叠加，以生成预设维度的多粒度特征进行目标检测；

采用k邻域搜索算法，基于当前图像帧的上一帧图像帧的目标位置确定当前图像帧的目标区域；

采用所述改进的卷积神经网络模型提取所述目标区域的目标特征，并将所述目标特征融合为特征图像，所述特征图像具有所述预设维度；

将所述特征图像作为长短期记忆神经网络模型的输入，通过所述长短期记忆神经网络模型对所述特征图像中目标跟踪框的坐标进行回归，以输出并显示目标跟踪框；

其中，所述跟踪框和所述目标区域均为矩形；

采用k邻域搜索算法，基于当前图像帧的上一帧图像帧的目标位置确定当前图像帧的目标区域的步骤中，所述目标区域满足以下条件式：

H₁/W₁=H₂/W₂=k；

其中，H₁表示所述当前图像帧的上一图像帧对应的目标跟踪框的长，W₁表示所述当前图像帧的上一图像帧对应的目标跟踪框的宽，H₂表示所述当前图像帧对应的目标区域的长，W₂表示所述当前图像帧对应的目标区域的宽，k为预设的比例系数。

2.根据权利要求1所述的基于计算机视觉的目标跟踪方法，其特征在于，k的取值范围为1＜k≤4。

3.根据权利要求1所述的基于计算机视觉的目标跟踪方法，其特征在于，所述长短期记忆神经网络模型的表达式如下：

h_t=o_t*tanh(f_t*c_t-1+i_t*tanh(W_o*[h_t-1, x_t]+b_o))

其中，h_t表示t时刻的输出值，o_t表示所述长短期记忆神经网络模型中神经元的输出门的表达式，tanh表示tanh激活函数，f_t表示所述长短期记忆神经网络模型中神经元的遗忘门的表达式，c_t-1表示t-1时刻的候选向量，i_t表示所述长短期记忆神经网络模型中神经元的输入门的表达式，W_o表示输出门的权重，h_t-1表示t-1时刻的输出值，x_t表示t时刻的输入值，b_o表示输出门的偏置参数。