[发明专利]一种基于状态感知模板更新的目标跟踪算法

说明书

本发明公开了一种改进的基于状态感知模板更新的目标跟踪技术。在目标跟踪时，随着图像采集设备和目标之间角度的变化，或者目标本身特性造成的形态变化，会造成图像序列中目标形状、大小上的变化，即目标形变问题，给目标跟踪算法带来了一定的挑战。本发明根据目标形变问题，基于SiamRPN算法提出了一种基于状态感知模板更新的Siamese目标跟踪技术，从两个角度来着手改进目标跟踪里的模板更新。一是如何进行模板更新，结合元学习的思想，构建模板更新网络，实现快速可靠的模板更新。二是何时进行模板更新，通过构建一个长短记忆网络来对目标状态进行判断，决定更新目标模板的时机。本发明能有效的解决长时目标跟踪场景下的目标模板更新的问题。

技术领域

本发明涉及计算机视觉中的目标跟踪领域，针对长时目标跟踪场景下的目标形变问题，提出一种改进的状态感知模板更新的目标跟踪算法。

背景技术

视觉目标跟踪技术，是计算机视觉的重要基础技术之一，也一直是计算机视觉领域中的一个重要课题和研究热点。其旨在通过在视频中的初始帧给定目标的初始位置，进而在后续的视频序列中能够估计出目标的位置和大小。目前，目标跟踪在计算机视觉研究领域受到了广泛的关注，同时在机器智能领域拥有广泛的应用，包括在军事制导、自动驾驶、人机交互、智能监控以及智能交通等方面。

在目标跟踪时，随着图像采集设备和目标之间角度的变化，或者目标本身特性造成的形态变化，往往也会造成图像序列中目标形状、大小上的变化，即目标形变问题。在长时跟踪场景，由于序列较长，此时目标前后形态、大小往往会发生较大的变化，这给目标跟踪算法带来了一定的挑战。

针对目标形变问题，主要通过模板更新使得跟踪器能够适应目标的变化。目前常见的模板更新方法多为简单的对目标特征进行组合，这种方法可以一定程度上适应目标的形变，但是同时也会引入当前帧目标的背景信息，这部分信息往往是不必要的，长久以往，反而会造成误差累积，同样会导致目标偏移和丢失。

发明内容

为了克服上述现有技术的不足，优化目标跟踪算法对于目标跟踪场景下的目标形变问题的适应能力，本发明提出了一种改进的基于状态感知模板更新的目标跟踪技术。该技术基于SiamRPN目标跟踪算法，从如何更新和何时更新两个角度进行了改进。

本发明所采用的技术方案是：

步骤1：开始基于状态感知模板更新的目标跟踪算法；

步骤2：读取视频序列，读取第一帧图像，选择目标，对目标进行特征提取，作为初始目标模板；

步骤3：判断视频序列是否结束，若未结束，进入步骤4；若结束，则直接结束基于状态感知模板更新的目标跟踪算法；

步骤4：基础跟踪模块，读取下一帧图像，以上一帧目标位置为中心建立候选区域，并进行特征提取，使用候选区域特征和目标模板进行分类和回归，获得该帧的最佳候选目标；

步骤5：状态感知模块，根据当前帧目标信息和之前帧所留下的时域信息，判断当前帧目标所处的状态；

步骤6：根据该状态决定是否对目标模板进行更新，若进行更新，则进入步骤7；若不需要更新，则进入步骤2；

步骤7：模板更新模块，基于元学习思路，将当前目标模板，初始目标模板和上一帧模板模板相结合进行目标模板更新，并在下一帧的跟踪里使用新的模板进行搜索匹配，进入步骤2。

与现有技术相比，本发明的有益效果是：

(1)结合元学习的思想，修改网络的训练思路，使得网络可以通过一次或几次的迭代达到一个较好的收敛效果，从而实现快速可靠的模板更新；

(2)通过构建一个长短记忆网络来对目标状态进行判断，决定更新目标模板的时机，从而进一步减少背景误差带来的影响。

附图说明