[发明专利]基于深度特征自适应相关滤波的目标跟踪方法

摘要

本发明公开了一种基于深度特征自适应相关滤波的目标跟踪方法，主要解决当目标模糊、目标发生遮挡导致跟踪失败的跟踪问题。本发明实现的步骤如下：(1)确定待跟踪目标的初始位置；(2)提取深度特征；(3)构建第一帧自适应相关滤波器模型；(4)预测下一帧帧图像的目标位置；(5)更新自适应相关滤波器参数；(6)更新自适应相关滤波器的权值；(7)判断当前帧视频图像是否为待跟踪视频图像序列的最后一帧视频图像，若是，则执行步骤(8)，否则，执行步骤(4)；(8)结束对待跟踪目标的跟踪。本发明通过基于深度特征自适应相关滤波的目标跟踪方法，预测待跟踪目标位置。

主权项

1.一种基于深度特征自适应相关滤波的目标跟踪方法，其特征在于，提取待跟踪目标的深度特征，构建自适应相关滤波器模型；该方法的具体步骤包括如下：(1)确定待跟踪目标的初始位置：(1a)输入含有待跟踪目标的彩色视频图像序列中的第一帧视频图像；(1b)用第一帧视频图像中待跟踪目标的初始位置和初始位置对应目标的长度和宽度确定一个跟踪目标矩形框，用该矩形框标出第一帧视频图像中的待跟踪目标；(2)提取第一帧图像的特征：(2a)在第一帧视频图像中，以待跟踪目标的初始位置为中心，待跟踪目标矩形框长度和宽度均为2.5倍确定一个候选区域矩形框，用该矩形框标出第一帧视频图像中的候选区域图像；(2b)将候选区域图像输入到训练好的卷积神经网络VGG‑Net中，分别从卷积神经网络VGG‑Net的第10、11、12、14、15、16层输出与每层对应的6个图像特征；(3)利用自适应相关滤波公式，计算自适应相关滤波器参数，生成每个图像特征的第一帧自适应相关滤波器模型；(4)预测下一帧帧图像的目标位置：(4a)输入待跟踪视频序列中下一帧彩色视频图像，作为当前帧图像，在当前帧图像中，以上一帧图像待跟踪目标的位置为中心，取出与待跟踪目标中心位置相同的矩形框，其长度和宽度分别是待跟踪目标矩形框长度和宽度的2.5倍，将该矩形框作为当前帧图像的候选区域；(4b)采用与步骤(2b)相同的方法，得到当前帧图像的候选区域图像对应的6个图像特征；(4c)按照下式，计算每个图像特征的特征响应矩阵：其中，R_n表示第n个图像特征对应的特征响应矩阵，F^‑1(·)表示快速傅里叶逆变换操作，F(·)表示快速傅里叶变换操作，表示当前帧图像的前一帧图像中第n个图像特征对应的自适应相关滤波器的候选区域目标特征，表示当前帧图像的前一帧图像中第n个图像特征对应的自适应相关滤波器的候选区域循环特征矩阵，λ表示值为0.0001的系数，Z_n表示第n个图像特征；(4d)按照下式，计算当前帧图像的特征响应矩阵：R＝R₁+0.2R₂+0.2R₃+0.02R₄+0.03R₅+0.01R₆其中，R表示当前帧图像的特征响应矩阵；(4e)选取当前帧图像的特征响应矩阵中元素的最大值，将该最大值元素的位置作为当前帧图像的待跟踪目标的目标框中心点的位置；(5)按照下式，更新每个图像特征对应的自适应相关滤波器参数：其中，w_i表示第i个图像特征对应的自适应相关滤波器参数，argmin表示求函数参数的最小值操作，||·||表示求2范数操作，Z_i表示第i个图像特征，i＝1,2,3,4,5,6，y_n表示在训练卷积神经网络VGG‑Net时所使用的训练集中第n个训练样本对应的特征响应，λ₁表示取值为1的正则化参数，λ₂表示取值为0.5的自适应参数，y₀表示假想先验矩阵；(6)利用标准无参数对冲算法，更新当前帧每个图像特征对应的自适应相关滤波器的权值；(7)判断当前帧视频图像是否为待跟踪视频图像序列的最后一帧视频图像，若是，则执行步骤(8)，否则，执行步骤(4)；(8)结束对待跟踪目标的跟踪。