[发明专利]基于卷积神经网络字典对学习的目标跟踪方法与系统

说明书

本发明提出一种基于卷积神经网络字典对学习的目标跟踪方法及系统，该方法包括：在第一帧目标图像进行采样处理以生成正候选样本，根据正候选样本训练得到边界框回归模型；在后续帧目标框内的目标图像的邻域内重新进行采样以生成正负候选样本，对卷积神经网络模型的全连接参数进行微调；基于空间距离机制以及卷积神经网络模型获得训练样本的深度特征，基于训练样本的深度特征进行字典对模型学习以获得初始字典对；基于训练样本的特征并进行联合字典对模型学习；通过联合字典对中的原子的线性组合表示候选目标图像样本，以实现目标图像定位跟踪。本发明提出的目标跟踪方法，具有很好的鲁棒性与精确度，可以更好地处理目标外观变化，实现目标跟踪。

技术领域

本发明涉及计算机视觉与图像处理技术领域，特别涉及一种基于卷积神经网络字典对学习的目标跟踪方法与系统。

背景技术

视觉跟踪是计算机视觉中的一个重要研究课题，在现实世界中有着诸多的应用。具体的，视觉跟踪技术已广泛应用于智能视频监控、交通车辆监控、自动驾驶、人机交互、医疗以及军事等领域。因此，提高视频跟踪算法的准确度、时效性以及鲁棒性有利于促进在相关领域的推广与深入应用，有利于推动智能机器帮助人类完成单调繁琐且危险的工作。

实际上，视频跟踪应用场景广泛且复杂，在具有复杂背景的视频跟踪上经常会发生变形，并且由于受到运动模糊以及遮挡等因素的影响，使得其仍然面临着很大的挑战。一般来说，视觉跟踪算法可以分为两类：包括判别式算法以及生成式算法。（1）、基于判别模型的算法可看作是一种二分类问题，它可以有效地将被跟踪的目标与周围的背景区分开；（2）、基于生成模型的算法使用学习的相似性函数来比较给定搜索区域中的目标候选块和目标模板。与此同时，判别跟踪器也通常分为回归模型和分类模型。特别是，判别相关滤波器由于运算速度快，已经成功地应用于视觉跟踪。

目前，基于深度学习的跟踪算法主要是利用卷积神经网络具有强大的特征提取与表达能力，可用于提取目标特征并对前景背景进行区分以识别跟踪目标。此外，基于深度学习的视频跟踪算法可以与传统算法相结合，代替传统低级手工提取特征的方式，并能够实现权重共享以及减少训练参数。

然而，现有技术中的部分视觉跟踪算法的表观模型，鲁棒性与精确度均不是很理想，且无法很好地处理运动模糊、光照变化以及尺度变化等外观变化所带来的影响。

发明内容

鉴于上述状况，有必要解决现有技术中的部分视觉跟踪算法的表观模型，鲁棒性与精确度均不是很理想，且无法很好地处理运动模糊、光照变化以及尺度变化等外观变化所带来的影响的问题。

本发明实施例提供了一种基于卷积神经网络字典对学习的目标跟踪方法，其中，所述方法包括如下步骤：

步骤一：在第一帧目标框内的初始目标图像进行采样处理以生成正候选样本，并根据所述正候选样本训练得到边界框回归模型；

步骤二：在后续帧目标框内的目标图像的邻域内重新进行采样以生成正负候选样本，根据所述正负候选样本对卷积神经网络模型的全连接参数进行微调，以确定所述给第一帧目标框内的目标图像的最佳位置；

步骤三：基于空间距离机制以及所述卷积神经网络模型获得训练样本的深度特征，并基于所述训练样本的深度特征进行字典对模型学习以获得初始字典对，其中，所述训练样本为基于空间距离机制在目标图像邻域内采样得到的候选目标图像样本，所述候选目标图像样本即为所述正负候选样本；

步骤四：根据所述初始字典对，并基于卷积神经网络模型提取得到训练样本的特征，然后根据所述训练样本的特征进行联合字典对模型学习；

步骤五：利用进行过联合字典对模型学习的字典对，对所述训练样本进行编码，通过联合字典对中的原子的线性组合表示所述候选目标图像样本，以实现目标图像定位跟踪，其中字典对包括合成字典D以及分析字典P。