[发明专利]基于深度迁移学习的目标跟踪方法

摘要

本发明提供了一种基于深度迁移学习的目标跟踪方法，涉及数据处理技术领域。该方法包括离线训练和在线跟踪两个阶段。离线训练阶段基于辅助图像数据，利用深度卷积神经网络获取通用目标的先验结构特征信息；然后采用迁移学习将获取的先验结构特征信息迁移到在线跟踪过程中。在线跟踪阶段结合离线学习获得的先验结构特征信息和Haar特征以及图像灰度特征，采用结构稀疏表示和基于多子空间的字典模板技术，建立一种基于深度迁移学习的目标跟踪模型，获取最终的目标跟踪结果。该方法充分利用了视频图像数据的先验结构特征信息，并融合了在线跟踪阶段获取的特征信息，可较好地减轻跟踪的漂移问题，提高目标跟踪的鲁棒性。

主权项

1.一种基于深度迁移学习的目标跟踪方法，其特征在于，包括：获取视频图像序列，确认所述视频图像序列是否为第一帧视频图像；若所述视频图像序列为第一帧视频图像，对所述视频图像序列进行离线训练处理；若所述视频图像序列不是第一帧视频图像，对所述视频图像序列进行在线跟踪处理；确认所有候选样本是否处理完成，若所有候选样本都处理完成，结束跟踪；若所述所有候选样本没有处理完成，计算当前候选样本的置信度；判断所述候选样本的最大置信度是否小于预设阈值，若所述候选样本的最大置信度小于预设阈值，对所述最大置信度对应的候选样本重新进行训练，并根据训练完成的特征调整深度学习模型参数；若所述候选样本的最大置信度大于预设阈值，读取所述视频图像序列中的下一帧图像，进行所述离线训练和在线跟踪，以得到目标的跟踪结果和目标位置。