[发明专利]一种多层卷积特征自适应融合的运动目标跟踪方法

权利要求书

1.一种多层卷积特征自适应融合的运动目标跟踪方法，其特征在于：包括如下步骤：

Step1、初始化目标并在其所在的图像中选取目标区域；

Step2、利用已训练好的VGG-19网络提取目标区域的第1层和第5层卷积特征作为训练样本，用训练样本训练得到对应的位置滤波器模板；

所述步骤Step2具体步骤如下：

使用在ImageNet上训练得到的VGG-19网络提取目标区域的第1层和第5层卷积特征，设p表示卷积特征图，f表示采样特征图，采样特征图f中第i个位置的特征向量为f_i：

其中a_ij为权重，p_j表示卷积特征图中第j个位置的特征向量，通过建立最小化损失函数训练最优滤波器：

其中g表示滤波器h的期望输出，λ为正则化系数，l表示维度，l∈{1，...，d}，f^l表示在第l维的采样特征，*表示循环相关，将上式转换到频域求解得到频域在第l维的滤波器H^l：

其中，H^l、G、F分别为h^l、g、f的频域描述，分别表示G、F的共轭复数，其中k∈{1，...，d}，F^k表示在第k维的采样特征，是F^k的共轭复数，A^l、B分别为滤波器的分子和分母；

Step3、在新一帧图像的目标区域中提取两层卷积特征得到两个检测样本，分别计算两个检测样本与前一帧图像的目标区域中训练得到的位置滤波器的相关得分，即得到两层特征的响应图；

Step4、依据APCE测量方法计算两层特征响应图的权重值，加权融合两层特征的响应图，选取最大值作为目标当前位置；

Step5、确定位置后，以当前位置为中心，截取图像不同尺度的样本特征，通过HOG特征构建尺度金字塔训练尺度滤波器，获取尺度响应最大值为目标当前尺度；

Step6、更新尺度滤波器；

对尺度滤波器H_s进行更新的公式为：

其中η表示学习率，每一帧图像中尺度滤波器都进行更新，式中B_t，s表示在t帧时尺度滤波器第l维的分子和分母，B_t-1，s为上一帧尺度滤波器的分子分母，表示第t帧时尺度滤波器期望输出的频域描述的共轭复数，表示第t帧时训练尺度滤波器的训练样本第l维的频域描述，表示第t帧时训练尺度滤波器的训练样本第k维的频域描述的共轭复数；

Step7、更新位置滤波器；

位置滤波器进行更新的公式为：

式中B_t表示在第t帧时，位置滤波器h第l维的分子和分母，B_t-1为上一帧位置滤波器的分子分母，表示第t帧位置滤波器h期望输出的频域描述的共轭复数，表示第t帧时训练位置滤波器h的训练样本第l维的频域描述，第t帧时训练位置滤波器的训练样本第k维的频域描述的共轭复数；

Step8、重复步骤3至7直到目标跟踪结束。

2.根据权利要求1所述的多层卷积特征自适应融合的运动目标跟踪方法，其特征在于：所述步骤Step1的具体步骤如下：以目标所在位置为中心，采集一个尺寸为目标2倍大小的图像块作为目标区域。

3.根据权利要求1所述的多层卷积特征自适应融合的运动目标跟踪方法，其特征在于：所述Step3的具体步骤为：

在新一帧的目标区域提取卷积特征作为检测样本z，计算与步骤2训练得到滤波器的相关得分y，即得到该特征的响应图：

表示傅里叶反变换，表示A^l的共轭复数，Z是z的频域描述，第1和第5卷积层特征分别得到滤波器响应记为y_t，1和y_t，2。