[发明专利]一种基于深度森林的目标跟踪方法

摘要

本发明公开了一种基于深度森林的目标跟踪方法。该方法为：将目标图像与待匹配图像在水平方向上进行串联以组成样本图像，建立正负样本集；定义多粒度扫描层和级联森林层，将两者串联构建深度森林模型；对多粒度扫描层和级联森林层分别进行训练，在训练过程中，以测试准确性的增加值小于阈值作为训练停止条件来确定级联森林层的层数；以上一帧图像中的目标位置为基础定义局部搜索范围，按照离散尺度间隔提取候选图像并归一化，将第一帧目标图像与候选图像进行串联并输入深度森林模型，对深度森林模型输出的概率进行比较，以最高概率所对应的位置作为目标当前位置，从而实现目标跟踪。本发明提高了复杂环境下目标跟踪的稳定性，并具有较好的实时性。

主权项

1.一种基于深度森林的目标跟踪方法，其特征在于，包括以下步骤：步骤1：建立目标跟踪视频集，将视频集中的目标图像与待匹配图像进行归一化，并在水平方向上合并以组成样本图像，建立正负样本集，然后将该样本集划分为训练集和测试集两部分；步骤2：定义多粒度扫描层和级联森林层并将两者串联，以样本图像作为多粒度扫描层的输入，以多粒度扫描层的输出作为级联森林层的输入，构建深度森林模型；步骤3：在训练集中，首先对多粒度扫描层进行训练，然后以训练之后多粒度扫描层输出的特征向量作为样本，对级联森林层进行训练；在训练过程中，以深度森林模型测试准确性的增加值小于阈值作为训练停止条件，来确定级联森林层的层数；步骤4：读入跟踪视频，确定目标初始位置、尺寸，提取目标模板图像并归一化，在任意时刻以上一帧图像中的目标位置为中心定义局部搜索范围，对该搜索范围中的每一个候选位置，按照离散尺度间隔提取候选图像并归一化，将归一化后的目标模板图像与候选图像在水平方向上合并，并输入深度森林模型，对深度森林模型输出的概率进行比较，以最高概率所对应的位置作为目标当前位置，从而实现目标跟踪。