[发明专利]一种咽拭子头部的跟踪与轨迹预测方法

权利要求书

1.一种咽拭子头部的跟踪与轨迹预测方法，其特征在于：包括以下步骤：

步骤1：实时采集被采样人员进行咽拭子采样过程中口腔内的视频数据，并将该视频数据在显示器上实时显示；

步骤2：截取所述视频数据存在有咽拭子棉签头部的第t-1视频帧和第t视频帧，通过目标识别算法对所述第t-1视频帧和第t视频帧中咽拭子棉签头部进行目标检测并得到咽拭子棉签头部的位置框，将所述位置框的中心点作为咽拭子棉签头部的识别锚点；获取第t-1视频帧中的识别锚点并作为第t-1识别锚点，获取第t视频帧中的识别锚点并作为第t识别锚点，所述t的初始值为2；

步骤3：根据所述第t-1识别锚点的均值通过状态转移矩阵估计第t预测锚点的均值，并计算出所述第t识别锚点和第t预测锚点的均值误差，并通过所述均值误差更新所述第t预测锚点的协方差；

步骤4：当所述协方差小于设定阈值时，则计算所述第t预测锚点的均值向量并将该均值向量的坐标数据作为第t跟踪锚点的位置坐标，并在显示屏上通过标识点显示该位置坐标且执行步骤5；否则执行步骤3；

步骤5：令t＝t+1，并同时执行步骤2和步骤6；

步骤6：将t-1跟踪锚点至t+1跟踪锚点的位置坐标进行归一化处理并输入以长短期记忆网络LSTM为主干构建的轨迹预测模型中并输出轨迹点；

步骤7：将所述轨迹点进行并联拟合成一个完整的轨迹线，并在显示器上的所述视频数据中实时显示和更新所述轨迹线；

其中，所述轨迹预测模型包括两层LSTM网络、输入层、输出层、全连接层和卷积层，输入层经所述两层LSTM网络后再经全连接层与输出层连接，在所述卷积层的输入端与所述输入层和LSTM网络的公共端相连接，所述卷积层的输出端与所述全连接层的输入端连接；所述轨迹预测模型的输入为轨迹点向量x_t，所述轨迹预测模型的输出为预测轨迹点向量H_t，所述轨迹预测模型的计算公式为：

为LSTM模块的计算函数，λ为卷积层的权重，W_C为Conv卷积层的网络参数，C为误差值并通过网络训练获得；

每层所述LSTM网络均包括若干个LSTM模块，所述LSTM模块包括三个输入和两个输出，所述三个输入分别为前一时刻输出H_t-1、前一时刻状态信息B_t-1和当前时刻轨迹点向量X_t，所述两个输出分别为当前时刻输出H_t和当前时刻状态信息B_t，H_t则作为H_t-1输入同层中LSTM模块和作为下一层中LSTM模块的输入X_t，函数计算公式如下：

其中，为Hadamard乘积，tanh为激活函数，*表示卷积计算，为t时刻经过衰减及记忆增强保留的特征；

f_t、i_t和o_t分别LSTM模块t时刻遗忘门的输出、输入门的输出和输出门的输出，计算公式如下：

W_xc和U_hc分别为记忆增强保留特征的网络参数，σ为Sigmoid激活函数，W_xf、U_hf、W_xi、U_hi、分别为遗忘门的模型参数、输入门的模型参数和输出门的模型参数，W_cf、W_ci和分别为记忆增强保留特征的融合权重参数，tanh为激活函数。

2.根据权利要求1所述的一种咽拭子头部的跟踪与轨迹预测方法，其特征在于：所述预测锚点的均值通过四维向量来表征，cx，cy为锚点的坐标；vx，vy为速度变化值，初始化为零，所述预测锚点的均值为前一帧预测锚点的均值，为一个4×4的状态转移矩阵：

矩阵元素τ为当前帧识别锚点与前一帧识别锚点位置数据的差值；识别锚点和预测锚点的均值误差为当前时刻视频帧中识别锚点的均值向量，为测量矩阵通过均值误差y_t对预测锚点进行更新，进而得到更新后预测锚点的均值向量R为咽拭子目标检测的噪声矩阵更新后预测锚点的协方差P_t-1为前一时刻视频帧中预测锚点的协方差，H^T为测量矩阵的转置矩阵。