[发明专利]一种上下文相关的深度目标跟踪方法

摘要

本发明涉及一种基于上下文相关的深度目标跟踪方法，引用孪生网络结构将跟踪问题转化为学习一种相似性度量的方法，考虑到跟踪目标运动的时空连续性，提出利用上下文信息对目标外形和背景区域进行变化估计，并利用非极大值抑制和增量学习策略有效减弱背景噪声对目标的干扰。采用深度学习方法，可自动提取目标有效特征并实现端对端在线更新，大幅提升目标跟踪准确性。上下文信息的引入，在一定程度上解决了目标跟踪容易出现的跟踪漂移问题，提升了目标跟踪的准确性与鲁棒性。

主权项

1.一种上下文相关的深度目标跟踪方法，其特征在于步骤如下：步骤1：在Siamfc网络结构基础上，通过正则化引入上下文相关信息，搭建孪生网络结构，使用不同目标正负样本对来训练该网络，使网络能够区分目标与背景信息；步骤2：跟踪时，对于初始帧图像，裁剪初始帧中待跟踪目标区域，通过步骤1训练所得卷积网络部分，进行卷积运算，得到待跟踪目标的特征图谱，再通过上下文相关信息更新部分的目标外形更新部分得到相应特征图谱；步骤3：在第n帧，将该帧图像首先通过crop层进行裁剪，即以上一帧目标位置为中心裁剪为255*255的搜索区域样本，然后通过步骤1训练所得卷积网络及上下文相关信息更新部分的背景抑制更新得到对应特征图谱；步骤4：计算步骤3所得第n帧图像中不同尺寸样本的特征图谱与步骤2所得初始目标特征图谱的响应值，在响应值的结果上增加干扰物感知模型，减少误差累积造成的跟踪结果漂移，最终得到第n帧最大响应位置即为该帧目标位置。