[发明专利]一种基于YOLOv3和改进KCF的目标跟踪方法

权利要求书

1.一种基于YOLOv3和改进KCF的目标跟踪方法，其特征在于，包括以下步骤：

步骤1：在线下收集图片并进行特定目标人工标注，形成训练数据集，使用训练数据集对YOLOv3深度学习模型进行训练，获得目标检测模型；

步骤2：使用训练好的目标检测模型检测特定目标，获取目标位置及尺度信息，初始化KCF目标跟踪器，并对其进行训练；

步骤3：采用改进KCF算法对特定目标进行跟踪，获取预测位置；

步骤4：在完成位置预测后，以当前帧目标位置为中心，获取2.5倍目标尺度的区域作为样本区域；在当前帧提取样本区域图像，将该区域图像作为YOLOv3目标检测模型的输入图像，进行特定目标检索，并经过图像拼接得出精确的目标检测位置及尺度信息；

步骤5：计算当前帧图像中特定目标的检测位置与预测位置的交并比，如果交并比小于预设阈值，则用目标检测位置作为当前帧目标位置，否则用预测位置作为当前帧目标位置；使用当前帧目标位置及尺度信息更新KCF目标跟踪器；

步骤6：对下一帧图像重复步骤3～步骤5，实现对视频目标的跟踪。

2.根据权利要求1所述的一种基于YOLOv3和改进KCF的目标跟踪方法，其特征在于，所述YOLOv3深度学习模型中，取消YOLOv3在原3个尺度上的输出检测，利用输出的4倍降采样特征融合目标检测层对目标进行检测。

3.根据权利要求1所述的一种基于YOLOv3和改进KCF的目标跟踪方法，其特征在于，所述步骤2中，使用当前帧图像、特定目标的位置及尺度信息初始化KCF目标跟踪器，然后采用循环矩阵的方法获取大量的正负样本，从而对KCF目标跟踪器进行训练。

4.根据权利要求1所述的一种基于YOLOv3和改进KCF的目标跟踪方法，其特征在于，所述步骤3的具体方式为：

步骤3.1：读取下一帧图像，在检测区域提取Hog特征，通过KCF目标跟踪器获取响应图及响应峰值F_max；

步骤3.2：设定阈值a₁，当响应峰值F_max大于历史响应峰值平均值的a₁倍时，则判定跟踪目标未发生严重遮挡，获取跟踪目标的预测位置及尺度信息，转到步骤4；否则，判定跟踪目标发生严重遮挡，转到步骤3.3；

步骤3.3：记录跟踪目标被遮挡的帧数count1，设定阈值b₁；若count1b₁，则寻找被遮挡目标失败，转到步骤2，否则转到步骤3.4；

步骤3.4：计算跟踪目标的历史位置坐标差(Δx,Δy)的均值根据跟踪目标上一帧图像的位置坐标(x_n-1,y_n-1)，预测跟踪目标的当前位置(x_n,y_n)：

默认跟踪目标的尺度信息不变，对预测位置进行标记，转到步骤4。

5.根据权利要求1所述的一种基于YOLOv3和改进KCF的目标跟踪方法，其特征在于，所述步骤4中，若特定目标检索未检测到目标，则使用预测位置代替检测位置。