[發(fā)明專利]一種基于平行特征金字塔神經網絡的目標跟蹤方法

在審

• 申請?zhí)枺?/td>: 201910020363.4
• 申請日: 2019-01-09
• 公開（公告）號: CN109740552A
• 公開（公告）日: 2019-05-10
• 發(fā)明（設計）人: 謝少榮;徐海彬;李小毛;羅均;彭艷;蒲華燕
• 申請（專利權）人: 上海大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06T7/246;G06T7/262;G06T7/70
• 代理公司: 鄭州翊博專利代理事務所(普通合伙) 41155
• 代理人: 付紅莉;周玉青

1.一種基于平行特征金字塔神經網絡的目標跟蹤方法，其特征在于，包括以下步驟：

步驟一：對于當前幀的圖像，讀取目標在當前幀的圖像中的位置坐標(x_t,y_t)和區(qū)域(w_t,h_t)，將目標區(qū)域(w_t,h_t)進行λ倍放大，得到放大后的目標區(qū)域(w_p,t,h_p,t)，即(w_p,t,h_p,t)＝λ(w_t,h_t)，然后根據(x_t,y_t)和(w_p,t,h_p,t)對圖像采樣，得到樣本集M；其中，x_t為目標中心位置的橫坐標，y_t為目標中心位置的縱坐標，w_t為目標區(qū)域的寬，h_t為目標區(qū)域的高，w_p,t為目標區(qū)域放大后的寬，h_p,t為放大后目標區(qū)域的高；

步驟二：將樣本集M輸入到平行特征金字塔神經網絡進行特征融合，得到網絡中第Q層的融合特征圖，記為Q_M，Q_M有n維，表示Q_M中第n維的融合特征圖；

步驟三：將進行快速傅里葉變換、對角化操作求取相關濾波器的參數；

步驟四：對步驟一得到的擴大后目標區(qū)域(w_p,t,h_p,t)進行多尺度縮放操作，得到多重候選區(qū)域(w_p,t+1,h_p,t+1)，即(w_p,t+1,h_p,t+1)＝α(w_p,t,h_p,t)，α為縮放尺度，α的取值為{0.985,0.99,0.995,1,1.005,1.01,1.015}；在多重候選區(qū)域(w_p,t+1,h_p,t+1)的基礎上對下一幀的圖像進行采樣，得到7種不同縮放尺度下生成的樣本集N＝{N1 N2 N3 N4 N5 N6 N7}，其中，N1代表以0.985的縮放尺度得到的候選區(qū)域下進行采樣得到的樣本集，N2代表以0.99的縮放尺度下得到的候選區(qū)域下采樣得到的樣本集，N3、N4、N5、N6、N7依次類推；

步驟五：將樣本集N＝{N1 N2 N3 N4 N5 N6 N7}輸入到平行特征金字塔神經網絡中進行特征融合，得到新的融合特征圖，記為Q_N，Q_N＝(Q_N1 Q_N2 Q_N3 Q_N4 Q_N5 Q_N6 Q_N7)；其中，Q_N1代表樣本集N1輸入到平行特征金字塔神經網絡進行特征融合得到的第Q層的融合特征圖，且Q_N1有n維，表示Q_N1中第n維的融合特征圖；Q_N2代表樣本集N2輸入到平行特征金字塔神經網絡進行特征融合得到的第Q層的融合特征圖，且Q_N2有n維，表示Q_N2中第n維的融合特征圖；Q_N3、Q_N4、Q_N5、Q_N6、Q_N7依次類推；

步驟六：根據步驟三中得到的相關濾波器的參數對下一幀得到的融合特征圖Q_N＝(Q_N1Q_N2 Q_N3 Q_N4 Q_N5 Q_N6 Q_N7)進行響應圖的計算，得到其響應圖，根據響應圖的響應峰值確定目標在下一幀圖像中的位置坐標(x_t+1,y_t+1)和區(qū)域(w_t+1,h_t+1)；其中，x_t+1為目標中心位置的橫坐標，y_t+1為目標中心位置的縱坐標，w_t+1為目標區(qū)域的寬，h_t+1為目標區(qū)域的高；

步驟七：重復上述步驟一到步驟六的操作，不斷對下一幀圖像進行處理，直到最后一幀，完成目標在所有圖像幀中的位置坐標和區(qū)域確定，實現(xiàn)對目標的跟蹤操作。