[发明专利]基于循环回归网络的快速目标跟踪方法

权利要求书

1.一种基于循环回归网络的快速目标跟踪方法，其特征在于所述方法包括如下步骤：

步骤一、使用ResNet50网络作为回归网络的基本网络，所述基本网络包括Pool5、Rec5b、Rec4f、Rec3d、Rec2c和Pool1六个卷积模块和衔接在每一个卷积模块之后的Pool5_A、Rec5b_A、Rec4f_A、Rec3d_A、Rec2c_A和Pool1_A六个附加模块以及串联在所有卷积模块之后的3个全连接层；所述Pool5_A、Rec5b_A、Rec4f_A、Rec3d_A、Rec2c_A和Pool1_A拥有相同的结构：3个卷积层、1个Concat层、1个Correlation层、1个sigmoid层和3个全连接层；

步骤二、在训练完回归网络之后，在其基础上引入LSTM网络形成最终的循环回归网络来捕捉目标在跟踪过程中出现的各种外观变化，所述LSTM网络嵌入在基本网络的第2个全连接层之后，其输出为预测矩形框的左上角和右下角的横纵坐标4个单元，之后这4个单元的输出将作为第3个全连接层的输入来预测最终的矩形框坐标；

步骤三、使用Smooth-L1损失函数对循环回归网络进行训练。

2.根据权利要求1所述的基于循环回归网络的快速目标跟踪方法，其特征在于所述回归网络的输入包括两种信息：其一是连续两帧的全尺寸图像对；其二是前一帧中目标的矩形框坐标。

3.根据权利要求1所述的基于循环回归网络的快速目标跟踪方法，其特征在于所述LSTM的输入和输出表示为：

Z_t＝T(AX_t+BY_t-1+b) (1)；

Y_t＝O_t⊙T(C_t) (2)；

其中，t是帧索引，Z_t是当前帧的输出向量，X_t是当前帧的输入向量，Y_t-1是循环向量，b是偏置，T是正切函数，O_t是第t帧的输出门，C_t是记忆细胞，A和B是权重项，⊙表示点乘操作。