[发明专利]一种多特征融合相关滤波目标跟踪方法及计算机设备

权利要求书

1.一种多特征融合相关滤波目标跟踪方法，其特征在于，所述方法包括以下步骤：

S101、接收视频，在当前视频帧中获取待跟踪目标图像和待跟踪目标的跟踪框；

S102、分别计算待跟踪目标图像的深度特征和三个手工特征，首先对三个手工特征进行串行融合，得到一个单通道的手工特征图，然后对待跟踪目标图像进行深度特征提取，得到一个单通道的深度特征图，最后将手工特征图与深度特征图并行融合调整为相同尺寸再进行对应像素相加，得到最终的融合特征；三个手工特征包括方向梯度直方图HOG、颜色命名CN和灰度Gray，深度特征是卷积神经网络CNN；

S103、基于树形结构尺度自适应的目标跟踪算法对待跟踪目标的跟踪框中的目标进行尺度缩放判断，得到目标的最佳尺度响应值；

S104、在相关滤波模型KCF中，根据最终的融合特征和目标的最佳尺度响应值确定待跟踪目标；

S102具体包括以下步骤：

S1021、分别计算待跟踪目标图像的深度特征和三个手工特征；

S1022、将三个手工特征的通道数进行串行融合，得到融合后的特征；

S1023、将融合后的特征进行对应像素相加，得到一个单通道的手工特征图；

S1024、提取待跟踪目标图像的深度特征，得到多个深度特征图，并将得到的各个深度特征图进行对应像素相加，得到一个单通道的深度特征图；

S1025、将手工特征图和深度特征图并行融合调整为相同尺寸再进行对应像素相加，得到最终的融合特征。

2.如权利要求1所述的方法，其特征在于，计算待跟踪目标图像的三个手工特征具体包括：计算待跟踪目标图像的第一通道数的Gray特征，第二通道数的HOG特征和第三通道数的CN特征；

所述提取待跟踪目标图像的深度特征具体为：使用ImageNet-vgg-2048网络提取待跟踪目标图像的深度特征。

3.如权利要求1所述的方法，其特征在于，S103具体包括以下步骤：

S1031、对待跟踪目标的跟踪框进行位置滤波器的计算，确定目标的位置中心坐标；

S1032、根据目标的位置中心坐标进行树形结构的尺度估计，找到目标的最佳尺度响应值。

4.如权利要求3所述的方法，其特征在于，S1032具体为：

根据目标的位置中心坐标通过树形结构的第一层确定待跟踪目标是放大还是缩小，所述第一层包括当前帧中目标的第一尺度的响应值和当前帧中目标的第二尺度的响应值，从而确定目标的最大尺度响应值的寻找方向，若在当前帧中目标的第一尺度响应值大于当前帧中目标的第二尺度响应值，说明在当前帧中待跟踪目标是放大的，若在当前帧中目标的第一尺度响应值小于当前帧中目标的第二尺度响应值，说明在当前帧中待跟踪目标是缩小的；

在所确定的树形结构的分支内，采用尺度池来求解预设数量的尺度滤波器的大小，找到目标的最佳尺度响应值。

5.如权利要求4所述的方法，其特征在于，所述方法还包括：

每隔预定时间对目标检测的结果进行一次记录，若连续预设次数都出现待跟踪目标的尺度发生放大或缩小，就可以确认待跟踪目标的尺度发生了变化，并使用基于树形结构尺度自适应的目标跟踪算法进行尺度放缩。

6.如权利要求1所述的方法，其特征在于，S104之后，所述方法还包括以下步骤：

S105、利用相似性检测方法来更新目标模型，对于满足要求的图像进行模型的更新，对于不满足要求的图像则判定目标丢失；

S106、如果目标丢失，则结合全帧搜索法对丢失的目标进行位置恢复。

7.如权利要求6所述的方法，其特征在于，S106具体包括以下步骤：

通过全帧搜索法获取候选目标中心测试点，以上一帧目标框大小为基准，裁剪提取相应样本，输入到基于相似性匹配的孪生网络中进行匹配跟踪，基于相似性匹配的孪生网络输出最高响应的位置作为恢复目标位置。