[发明专利]一种目标跟踪抗遮挡的方法及装置

权利要求书

1.一种目标跟踪抗遮挡的方法，其特征在于，包括以下步骤：

获取图像序列并选定跟踪目标；

利用卷积神经网络对图像序列中前后相邻两帧图像中的所述跟踪目标进行位置跟踪；

提取跟踪目标特征并根据所述跟踪目标的特征向量计算跟踪置信度；

根据跟踪置信度判断是否存在遮挡，若无遮挡则直接输出跟踪结果，否则进行目标轨迹预测，然后输出跟踪结果。

2.根据权利要求1所述的方法，其特征在于，所述的跟踪目标的选定方法包括人为选择矩形区域框选跟踪目标或利用运动物体检测算法自动选取跟踪目标。

3.根据权利要求1所述的方法，其特征在于，所述的利用卷积神经网络对图像序列中前后相邻两帧图像中的所述跟踪目标进行位置跟踪，包括：

选择相邻两帧分别作为全卷积非对称孪生网络的两个分支的输入；其中前一帧x'为模板图片，下一帧图像z'为测试图片，对应目标物搜索图像，用于在矩形区域内利用滑动窗口进行搜索；

在所述全卷积非对称孪生网络的其中一个分支网络后加入相关滤波，对所述全卷积非对称孪生网络的两个分支做互相关；

构建空间映射用于表达相邻两帧的互相关结果，特征映射中的最大值及为目标位置。

4.根据权利要求3所述的方法，其特征在于，所述全卷积非对称孪生网络为将对称的孪生网络中的其中一个分支增加可微分层，所述可微分层用于实现相关滤波及裁剪。

5.根据权利要求3或4所述的方法，其特征在于，所述的孪生网络包括两个学习参数为ρ的卷积神经网络CNN分支，所述卷积神经网络CNN由依次连接的卷积层、归一化层、非线性激活层、池化层、卷积层、归一化层、非线性激活层、池化层、卷积层、非线性激活、卷积层、非线性激活、卷积层、非线性激活构成，所述池化层采用max-pooling，除最后一卷积层外，其他卷积层后均连接有一个ReLU非线性激活层。

6.根据权利要求1所述的方法，其特征在于，所述的提取跟踪目标特征并根据所述跟踪目标的特征向量计算跟踪置信度，包括：

计算跟踪目标矩形框中每个像素位置的梯度方向值；

将图像划分为多个元胞，每个元胞为6×6个像素，然后每2×2的元胞构成一个模块；

根据像素位置的梯度方向值计算元胞的特征向量，然后根据所述元胞的特征向量计算每个模块的特征向量；

串联所有所述模块的特征向量构成图像的特征向量；

将预设时间片段内所有图像中的目标特征向量组成一个一维向量，计算该一维向量的峭度和方差，并根据所述峭度和方差计算位置置信度。

7.根据权利要求1所述的方法，其特征在于，所述的目标轨迹预测，包括：

假设t_n时刻出现遮挡，则将前两个时刻t_n-2和t_n-1的帧图像作为参考，计算每帧图像上跟踪目标的运动方向矢量；

利用所述运动方向矢量构建线性方程，并根据所述线性方程设计损失代价函数，当所述代价函数达到最小情况，则认为实际值与预测值最接近；

将所述代价函数达到最小情况时的线性方程映射到图像中，确定相应像素位置。

8.一种目标跟踪抗遮挡的装置，其特征在于，包括：

视频帧获取模块，用于获取图像序列并选定跟踪目标；

位置跟踪模块，利用卷积神经网络对图像序列中前后相邻两帧图像中的所述跟踪目标进行位置跟踪；

跟踪置信度计算模块，用于提取跟踪目标特征并根据所述跟踪目标的特征向量计算跟踪置信度；

跟踪结果输出模块，用于根据跟踪置信度判断是否存在遮挡，若无遮挡则直接输出跟踪结果，否则进行目标轨迹预测，然后输出跟踪结果。

9.一种电子设备，其特征在于，包括：

存储器，用于存储计算机软件程序；

处理器，用于读取并执行所述存储器中存储的计算机软件程序，并实现权利要求1-7所述的一种目标跟踪抗遮挡的方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述存储介质内存储有用于实现权利要求1-7任一项所述的一种目标跟踪抗遮挡的方法的计算机软件程序。