[发明专利]融合卷积网络特征和判别式相关滤波器的目标跟踪方法

摘要

本发明公开了一种融合卷积网络特征和判别式相关滤波器的目标跟踪方法。建立了一个端到端的轻量级网络体系结构，通过学习连续帧中丰富的流信息来训练卷积特征，改善特征表示和跟踪精度。将相关滤波跟踪组件构造为网络中的特殊层次跟踪单个图像块，在跟踪过程中，同时跟踪目标块和多个背景块，通过感知目标与周围背景块的结构关系，对目标及其周围环境辨识度高的部分建立模型，通过峰值旁瓣比和置信图峰值关系度量目标跟踪效果，在发生大面积遮挡、目标外形极度形变、光照剧烈变化等跟踪难度大的情况下，自动利用判别的背景部分进行定位。

主权项

1.一种融合卷积网络特征和判别式相关滤波器的目标跟踪方法，其特征在于包括以下步骤：步骤A，在离线阶段，使用视频中连续帧中的图像对训练跟踪特征神经网络；步骤B，初始化跟踪目标块和背景块集合的中心坐标、矩形框宽度和高度等属性；步骤C，对图像进行surf特征点检测，找出其中最具辨别性的背景块；步骤D，按顺序将特征点集中与目标块没有交集的surf特征点块加入背景区域块集合中；步骤E，重复步骤C和步骤D，直到满足背景块数量达到需求；步骤F，对于目标块训练和背景块集合中的每个背景块训练一个分辨式相关滤波器；步骤G，构建相对目标中心的运动模型；步骤H，读取下一帧图像；步骤I，同时跟踪目标块和背景块,计算他们的跟踪结果置信图；步骤J，通过分析置信图的特征判断目标图像块和背景图像块是否跟丢；步骤K，如果目标跟踪失败，则使用背景块集合推测目标位置；步骤L，如果目标没跟丢，使用跟踪置信图确定目标位置；步骤M，如果有背景块跟踪失败，则使用辨别性更强的新的背景块替换跟踪失败的块；步骤N，根据定位到的目标点更新网络；步骤O，重复执行步骤C至步骤H，直至处理完所有图像序列。