[发明专利]一种多层卷积特征自适应融合的运动目标跟踪方法

摘要

本发明涉及一种多层卷积特征自适应融合的运动目标跟踪方法，属于计算机视觉领域。本发明首先在第一帧图像中，初始化目标区域，利用已训练好的深度网络框架VGG‑19提取目标图像块的第一和第五层卷积特征，通过相关滤波器学习训练得到两个模板；其次在下一帧，以上一帧目标的预测位置和尺度大小提取检测样本特征，并和上一帧的两个模板进行卷积，即得到两层特征的响应图；然后对所得到的响应图依据APCE测量方法计算权重，自适应加权融合响应图来确定目标的最终位置；确定位置后通过提取目标多个尺度的方向梯度直方图特征估计目标最佳尺度。本发明更准确的定位目标，提高了跟踪精度。

主权项

1.一种多层卷积特征自适应融合的运动目标跟踪方法，其特征在于：包括如下步骤：Step1、初始化目标并在其所在的图像中选取目标区域；Step2、利用已训练好的VGG‑19网络提取目标区域的第1层和第5层卷积特征作为训练样本，用训练样本训练得到对应的位置滤波器模板；Step3、在新一帧图像的目标区域中提取两层卷积特征得到两个检测样本，分别计算两个检测样本与前一帧图像的目标区域中训练得到的位置滤波器的相关得分，即得到两层特征的响应图；Step4、依据APCE测量方法计算两层特征响应图的权重值，加权融合两层特征的响应图，选取最大值作为目标当前位置；Step5、确定位置后，以当前位置为中心，截取图像不同尺度的样本特征，通过HOG特征构建尺度金字塔训练尺度滤波器，获取尺度响应最大值为目标当前尺度；Step6、更新尺度滤波器；Step7、更新位置滤波器；Step8、重复步骤3至7直到目标跟踪结束。