[发明专利]基于多层深度特征的分块跟踪算法

权利要求书

1.一种基于多层深度特征的分块跟踪算法，其特征在于包括以下步骤：

步骤1，采用深度卷积网络VGG-19提取目标的卷积特征，在核相关滤波跟踪框架进行跟踪；

步骤2，采用DPM进行目标状态的估计，对高层表观模型和低层表观模型进行加权组合，根据分块方案对两类表观模型采用不同的更新策略。

2.根据权利要求1所述的基于多层深度特征的分块跟踪算法，其特征在于：所述的核相关滤波跟踪框架包括目标位置估计和表观模型训练；第一帧中目标状态由人工给定，据此提取目标特征，训练目标的判别式表观模型(α₁,x₁)，α₁为滤波器系数，x₁为目标的特征表示；第二帧图像到来时，利用上一帧的表观模型计算滤波响应图，图中最大值处即为目标位置，然后对表观模型进行更新，开始下一帧的跟踪，如此迭代。

3.根据权利要求1所述的基于多层深度特征的分块跟踪算法，其特征在于：所述的采用DPM进行目标状态的估计，利用VGG-19的conv3-4、conv4-4和conv5-4三个卷积层提取特征，建立多个尺度上的目标表观模型；将目标在行和列方向上规则地划分为n个矩形块，则DPM由n+1个元素{F,P₁,...,P_n}组成，F＝{(α_t,x_t)^c4,(α_t,x_t)^c5}为根节点滤波器表观模型，包含了由conv4-4层、conv5-4层卷积特征训练的两个KCF表观模型；P_i＝{(α_t,x_t)^c3_i,r_i,d_i}为第i个分块的模型，(α_t,x_t)^c3_i表示该分块的conv3-4层卷积特征训练的KCF表观模型，r_i为2维向量，表示第i个分块的中心相对于目标中心的坐标，称为锚点位置，d_i为4维向量，定义了在检测阶段，第i个分块相对锚点位置产生偏移量时所引起的目标变形损失值；给定第t帧的某个候选目标状态O_t＝(u_t,v_t,h_t,w_t)，记为O＝(u,v,h,w)，其中四个参数分别为目标坐标与高宽，每个分块状态O_i＝(u_i,v_i,h_i,w_i)；DPM对该目标状态与各分块状态的组合进行评分的公式为其中，C^root和C^part_i分别表示输入状态与根节点表观模型F和分块i表观模型P_i的相似度，即步骤1计算的滤波响应图；(du_i,dv_i)＝(u_i,v_i)-((u,v)+r_i)，表示分块i的位置与锚点位置的距离；d_i＝(0,0,1,1)，则相当于利用分块的位置差度量其变形损失；第t帧跟踪的目标状态估计阶段，计算所有可能的候选状态的得分，选择其中得分最高的状态将该组合状态中的O^*作为当前帧估计的目标状态。

4.根据权利要求1所述的基于多层深度特征的分块跟踪算法，其特征在于：所述的加权组合将响应图的峰值旁瓣比作为分块的权重，某个组合状态的评分其中，p为响应图的最大值，将最大值周围c×r大小的区域定义为旁瓣，μ和σ分别为旁瓣区域的均值和标准差。

5.根据权利要求1所述的基于多层深度特征的分块跟踪算法，其特征在于：所述的更新策略采用PSR判断根节点KCF跟踪的可靠程度，根节点的更新策略为其中，threshold为给定阈值，当PSR大于该阈值时，说明跟踪结果可靠，对表观模型进行更新；对分块的表观模型采用的更新策略为其中，threshold1为预设的阈值，如果PSR_t大于阈值，说明分块跟踪结果结果可靠度，这个区域没有发生遮挡，对表观模型进行更新，丢弃之前的表观模型，直接用当前帧的分块内容训练表观模型；当小于阈值时，说明当前区域不可靠，则不更新该分块的表观模型。