[发明专利]一种融合行人特性的在线更新策略行人单目标跟踪方法

说明书

一种融合行人特性的在线更新策略行人单目标跟踪方法，在只给定初始帧目标状态下，将后续帧的行人目标跟踪问题分解为分类任务和回归任务，分类任务目的是通过分类滤波器将图像区域分类为前景和背景，以在图像中预测目标的粗略位置，回归任务是通过分类任务中得到的粗略定位结合候选边界框估计目标状态，通常由边界框表示；结合行人运动过程中的固有特性修正目标的粗略位置，以及根据当前场景的复杂性，在不同场景定义不同跟踪状态，对分类滤波器采取不同的在线更新策略增加分类器的判别能力，从而提升对行人单目标的跟踪性能，且其跟踪成功率更高，具有一定的实用价值。

【技术领域】

本发明涉及模式识别、图像处理以及计算机视觉等领域，具体涉及一种融合行人特性的在线更新策略行人单目标跟踪方法。

【背景技术】

视觉跟踪技术是计算机视觉领域(人工智能分支)的一个重要课题，有着重要的研究意义，近年来受到广泛的关注。其中行人目标跟踪是实现行人分析等智能分析的关键。

现有技术中，对行人单目标跟踪的方法主要分为两种：

1.使用行人识别算法对视频帧进行逐帧检测，然后将行人目标框连接，成为目标轨迹，此方案能够实现目标的长时间跟踪。但是检测网络的效果和检测时间成反比，检测算法越复杂，系统能够更好地提取图像特征，则系统检测效果更好，但由于网络比较深，系统参数较多，导致系统检测时间增加，无法进行实时行人目标跟踪。反之，网络的表达能力越弱，则其相应的检测精度就随之下降则算法容易导致系统行人跟丢。都不容易将算法运用于实际场景。所以要使此方案运用于实际场景，只能增加提高系统的运算能力，增加系统配置。此方案的优点在于能够提取行人目标的深度语义特征，识别能力比较强。但此方案缺点在于逐帧检测，并未利用视频上下文信息，所以不能提高系统检测帧率，且在实时视频目标检测时，视频存在运动模糊等情况，会导致现局部跟踪失败的情况，降低系统的跟踪效率。

2.使用跟踪算法，在第一帧手动框出行人目标，或者是使用识别算法检测出行人目标，利用跟踪算法对行人进行跟踪，此方案能够实现短时间跟踪目标。利用目标跟踪算法的优点在于跟踪算法结构简单，能够达到实时，但是其缺点为在跟踪过程中，行人目标容易发生形变、被遮挡、或者光照变化等原因，容易导致目标跟丢的情况，并且跟踪失效后无法重新找回目标，从而导致算法失效。

因此，本申请针对行人、单目标、短时跟踪做出分析，为解决当前现有跟踪器在行人单目标跟踪中出现问题，提出了相对应的解决办法。在只给定初始帧目标状态下，以跟踪算法为基础，将跟踪问题分解为分类任务和回归任务，分类任务目的是通过将图像区域分类为前景和背景，以在图像中稳固地提供目标的粗略位置，回归任务是估计目标状态，通常由边界框表示，以此达到跟踪器在一个视频序列的后续帧中进行单目标行人跟踪的目的。

【发明内容】

本发明的目的在于提出一种融合行人特性的在线更新策略行人单目标跟踪方法，它可以克服现有技术的不足，是一种对单目标行人跟踪精度高，跟踪实时速度快的方法，且具有一定的实用价值。

本发明的技术方案：一种融合行人特性的在线更新策略行人单目标跟踪方法，其特征在于它包括以下步骤：

第1步：跟踪过程中的分类任务：

(1.1)通过特征提取网络提取视频序列中参考帧和视频序列中的每一帧的特征，即：选取视频序列第一帧作为参考帧，并通过人工标注目标边界框的方式选中待跟踪目标，并在后续视频序列中的每一帧，即测试帧，对参考帧的所选取的待跟踪目标进行识别检测，从而实现视频序列中对待跟踪目标的进行跟踪，即可实现行人单目标跟踪过程；

特征提取网络是由ResNet50，ResNet50是由4个残差块(ResidualBlock)串联起来组成，4个残差块名字分别是Block1、Block2、Block3、Block4，4个残差块里包含50个卷积操作，此为公知技术；在ResNet50后连接两层卷积层组合成用于特征提取的骨干网络，用于提取当前参考帧或测试帧图像的特征。