[发明专利]一种基于深度森林的目标跟踪方法

权利要求书

1.一种基于深度森林的目标跟踪方法，其特征在于，包括以下步骤：

步骤1：建立目标跟踪视频集，将视频集中的目标图像与待匹配图像进行归一化，并在水平方向上合并以组成样本图像，建立正负样本集，然后将该样本集划分为训练集和测试集两部分；

步骤2：定义多粒度扫描层和级联森林层并将两者串联，以样本图像作为多粒度扫描层的输入，以多粒度扫描层的输出作为级联森林层的输入，构建深度森林模型；

步骤3：在训练集中，首先对多粒度扫描层进行训练，然后以训练之后多粒度扫描层输出的特征向量作为样本，对级联森林层进行训练；在训练过程中，以深度森林模型测试准确性的增加值小于阈值作为训练停止条件，来确定级联森林层的层数；

步骤4：读入跟踪视频，确定目标初始位置、尺寸，提取目标模板图像并归一化，在任意时刻以上一帧图像中的目标位置为中心定义局部搜索范围，对该搜索范围中的每一个候选位置，按照离散尺度间隔提取候选图像并归一化，将归一化后的目标模板图像与候选图像在水平方向上合并，并输入深度森林模型，对深度森林模型输出的概率进行比较，以最高概率所对应的位置作为目标当前位置，从而实现目标跟踪，具体如下：

步骤4.1：设定第m帧中的目标图像为P_i，目标左上角位置为[x_i,y_i]，目标尺寸为[sx_i,sy_i]，当m＝1时确定目标初始位置[x₁,y₁]和初始尺寸[sx₁,sy₁]，并按尺寸[S_x,S_y]对目标初始图像P₁进行归一化，得到目标模板图像P₁'；

步骤4.2：设定新的一帧为m＝m+1，定义第m帧中目标候选位置的搜索范围为{[x_m,y_m]||x_m-x_m-1|≤R,|y_m-y_m-1|≤R}，R为搜索范围的半径，在该搜索范围中共有(2R+1)²个目标候选位置，每一个目标候选位置对应2N₅+1个候选尺寸因子[1-N₅δ,1-(N₅-1)δ,...,1,...,1+(N₅-1)δ,1+N₅δ]，其中N₅的取值范围为[1，5]，δ是尺寸变化间隔，共有(2N₅+1)(2R+1)²个目标候选图像，将它们按尺寸[S_x,S_y]进行归一化，得到目标候选图像集Z；

步骤4.3：分别将目标模板图像P₁'与目标候选图像集Z中的每一个目标候选图像在水平方向上进行合并，并输入深度森林模型，得到(2N₅+1)(2R+1)²个概率，计算最大概率所对应的位置和尺寸作为目标在当前帧的位置[x_m,y_m]和尺寸[sx_m,sy_m]；

步骤4.4：设定视频中的总帧数为m_max，如果m＝m_max则跟踪结束，否则转至步骤4.2。