[发明专利]结合模板更新与轨迹预测的孪生网络目标跟踪方法

权利要求书

1.结合模板更新与轨迹预测的孪生网络目标跟踪方法，其特征在于，包括以下步骤：

步骤1、建立目标跟踪模型，所述目标跟踪模型包括特征提取分支、正负样本分类分支及位置信息回归分支；

步骤2、框选初始帧图像x₀目标边界框，在所述初始帧图像x₀目标边界框的中心位置裁剪得到模板图像，并进行模板图像的特征提取，得到模板图像特征；

步骤3、初始化卡尔曼滤波器，将所述初始帧图像x₀目标边界框的中心位置输入卡尔曼滤波器，预测得到下一帧图像x_t,t＝1…n目标中心位置；

步骤4、获取下一帧图像x_t，根据前一帧图像x_t-1目标边界框的中心位置和当前帧图像x_t目标中心位置融合出当前帧图像x_t的目标搜索中心位置，在所述目标搜索中心位置裁剪得到搜索图像，对所述搜索图像进行特征提取，得到搜索图像特征；

步骤5、将所述模板图像特征与搜索图像特征进行互相关操作，得到响应图；将所述响应图分输入目标跟踪模型中得到当前帧图像x_t的分类图和回归图，利用余弦窗和尺度变化惩罚平滑目标运动，然后根据分类图中得分最高的位置在回归图中选取对应的回归位置信息，预测得到当前帧图像x_t目标边界框；

步骤6、根据所述响应图判断是否需要进行模板图像更新；若需要，则在当前帧图像x_t目标边界框的中心位置裁剪得到模板图像，并提取模板图像特征，更新模板图像特征；否则不进行更新；

步骤7、获取所述当前帧图像x_t目标边界框信息，将其转化为图像的位置和尺度信息，输入卡尔曼滤波器，预测得到下一帧图像x_t+1中目标的轨迹位置，并确定下一帧图像x_t+1目标中心位置；若跟踪完成，结束跟踪；否则进行下一步；

步骤8、令t＝t+1，重复步骤4-7，直至跟踪完成。

2.根据权利要求1所述的结合模板更新与轨迹预测的孪生网络目标跟踪方法，其特征在于，步骤1中建立目标跟踪模型过程包括：

获取训练数据集，对所述训练数据集进行预处理，将预处理后的训练数据集输入目标跟模型中，分别进行正负样本的分类训练、位置信息的回归训练，所述目标跟踪模型的损失函数为L＝L_cls+L_reg；

其中，分类损失函数

上式中，N为样本总数量，y_i为样本i的标签，正样本为1，负样本为0，p_i为样本i预测为正样本的概率；

回归损失函数定义为L_reg＝1-IoU；

上式中，|A∩B|表示预测目标边界框与实际目标边界框的交集，|A∪B|表示预测目标边界框与实际目标边界框的并集。

3.根据权利要求2所述的结合模板更新与轨迹预测的孪生网络目标跟踪方法，其特征在于，预处理方法为：将所述训练数据集中的图片进行裁剪，同时进行数据增强处理。

4.根据权利要求1所述的结合模板更新与轨迹预测的孪生网络目标跟踪方法，其特征在于，步骤6中通过APCE对响应图进行判断：

上式中，F_max、F_min及F_w,h分别代表响应图中的最大值、最小值及位于(w,h)坐标处的值。

5.根据权利要求1所述的结合模板更新与轨迹预测的孪生网络目标跟踪方法，其特征在于，步骤6中更新模板图像特征的公式为：

上式中，η为模板图像的更新步长，β₁和β₂分别为判断APCE和F_max是否进行更新的比例阈值，APCE^avg、分别为历史平均APCE值、历史平均F_max值。