[发明专利]基于时间和空间网络的深度集成目标跟踪方法

摘要

本发明公开了一种基于时间和空间网络的深度集成目标跟踪方法，采用VGG‑16网络提取第三、四、五层的特征，将传统相关滤波算法表示成一层卷积神经网络以获取相关滤波网络，在相关滤波网络的基础上构建时间网络和空间网络，进一步捕捉目标的时间信息和空间信息，提高算法的精确度，同时本发明通过自适应权重的集成学习算法融合所有弱跟踪器成强跟踪器来实现目标跟踪，集成学习使得本发明有较好的鲁棒性，能应对复杂场景下的目标跟踪，最后提出短时更新与长时更新相结合的更新策略，确保模型的稳定性。

主权项

1.一种基于时间和空间网络的深度集成目标跟踪方法，其特征在于，所述目标跟踪方法包括：采用VGG‑16网络提取目标的深度特征，将相关滤波算法表示成一层卷积神经网络，以得到相关滤波网络，在相关滤波网络的基础上构建时间网络和空间网络，时间网络和空间网络分别用于捕捉目标的时间信息和空间信息，采用跳跃式连接的方式将相关滤波网络、时间网络以及空间网络相连得到深度网络；训练深度网络，直至深度网络所包含的相关滤波网络、时间网络以及空间网络这三个模型全部收敛；从当前帧的图片中提取第一搜索块，从前一帧的图片中提取第二搜索块，采用VGG‑16网络提取第一搜索块和第二搜索块的特征，并且将提取的特征导入深度网络的三个模型中以生成响应映射，将每个模型视为弱跟踪器，利用自适应权重的集成学习算法引擎融合所有弱跟踪器得到最终的目标位置。