[发明专利]一种基于RefineNet神经网络和稀疏光流的目标跟踪方法

权利要求书

1.一种基于RefineNet神经网络和稀疏光流的目标跟踪方法，其特征在于，具体步骤包括：

步骤一、对于第一帧图像t＝1，跟踪任务给予的第一帧跟踪目标的中心位置(x_t,y_t)以及跟踪目标区域大小信息(l_t,h_t)，对跟踪目标区域进行一定比例的扩大(l_p,t,h_p,t)＝α(l_t,h_t)，根据目标中心位置(x_t,y_t)以及扩大后的跟踪目标区域大小(l_p,t,h_p,t)在该帧图像中进行采样，得到训练样本；其中x_t为跟踪目标中心位置的横坐标，y_t为跟踪目标中心位置的纵坐标，l_t为原跟踪目标区域的长度，h_t为原跟踪目标区域的宽度，α为扩大比率，l_p,t为扩大后跟踪目标区域的长度，h_p,t为扩大后跟踪目标区域的宽度；

步骤二、对于在第一帧图像中采样得到的训练样本T，将其输入到RefineNet神经网络中，提取出RefineNet神经网络中的rmflow_convf_g4_b3_joint_varout层输出的分类特征其中Z_T表示RefineNet神经网络中通道数为256的rmflow_convf_g4_b3_joint_varout层输出的分类特征，表示RefineNet神经网络中的rmflow_convf_g4_b3_joint_varout层输出的分类特征Z_T中第n维特征；

步骤三、将训练样本T经过RefineNet神经网络后提取得到的rmflow_convf_g4_b3_joint_varout层输出的分类特征用于相关滤波器参数的计算，其中表示训练样本T输入到RefineNet神经网络后rmflow_convf_g4_b3_joint_varout层输出的分类特征中第i个通道的特征图；

步骤四、对于下一帧图像t+1，根据上一帧跟踪目标中心位置(x_t,y_t)以及扩大后的跟踪目标区域大小(l_p,t,h_p,t)在该帧图像中进行采样，得到候选区域样本P；

步骤五、对于采样得到的候选区域样本P，将其输入到RefineNet神经网络中，提取出RefineNet神经网络中的rmflow_convf_g4_b3_joint_varout层输出的分类特征其中表示候选区域样本P输入到RefineNet神经网络后rmflow_convf_g4_b3_joint_varout层输出的分类特征中第i个通道的特征图；

步骤六、将候选区域样本P所对应RefineNet神经网络的rmflow_convf_g4_b3_joint_varout层输出的分类特征用于响应图的计算，最终确定该帧跟踪目标的中心位置(x_t+1,y_t+1)；

步骤七、对训练样本T提取稀疏光流特征点其中表示训练样本中所提取到的第i个稀疏光流特征点，表示训练样本中所提取到的第i个稀疏光流特征点的x坐标，表示训练样本中所提取到的第i个稀疏光流特征点的y坐标；

步骤八、对候选区域样本P提取稀疏光流特征点其中表示候选区域样本中所提取到的第i个稀疏光流特征点，表示候选区域样本中所提取到的第i个稀疏光流特征点的x坐标，表示候选区域样本中所提取到的第i个稀疏光流特征点的y坐标；

步骤九、利用训练样本T的稀疏光流特征点和候选区域样本P的稀疏光流特征点计算得到目标区域相对于上一帧目标区域(l_t,h_t)的x方向的缩放因子σ_x和y方向上的缩放因子σ_y，从而计算得到目标区域大小(l_t+1,h_t+1)；

步骤十、在得到跟踪目标的中心位置和区域大小后，不断重复步骤一至步骤九，直到视频结束，完成对跟踪目标的中心位置以及区域大小的跟踪。