[發明專利]基于神經網絡的圖像目標跟蹤算法

在審

• 申請號: 201611271054.7
• 申請日: 2016-12-30
• 公開（公告）號: CN106651917A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 于瑞國;劉凱;于健;王建榮;喻梅;徐天一
• 申請（專利權）人: 天津大學
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 天津市北洋有限責任專利代理事務所12201
• 代理人: 程小艷

1.基于神經網絡的圖像目標跟蹤算法，其特征在于，包括如下：

步驟一：使用收集的圖像訓練自編碼器，得到神經網絡；

訓練的目標最小化下式(1)：

$W=\arg \underset{W}{min}\mathrm{\Σ}\left|\right|x-W^{T}Wx|{|}_2^2+\mathrm{\λ}\mathrm{\Σ}|\left|h\right|{|}_1---\left(1\right)$

其中：x表示神經網絡的輸入，W表示網絡權值，h表示隱藏層的向量；

步驟二：預處理需要跟蹤的圖像序列，使用自編碼器進行特征提取；

步驟三：使用濾波的方法對目標進行跟蹤；

步驟四：根據每一幀的跟蹤結果對跟蹤器進行更新；

步驟五：根據跟蹤效果動態調整更新參數。

2.根據權利要求1所述的算法，其特征在于，所述步驟一具體如下：

(1)、收集一系列具有明顯特征的圖像；

(2)、切割每個圖像成多個小的圖像塊；

(3)、使用切割后的圖像塊訓練自編碼器；

(4)、訓練出來的神經網絡用于提取圖像的特征向量。

3.根據權利要求1所述的算法，其特征在于，所述步驟二具體如下：將輸入圖像分割成M×N個圖像塊，使用訓練得到的神經網絡對每個圖像塊進行編碼，得到一組特征向量。

4.根據權利要求1所述的算法，其特征在于，所述步驟三具體如下：使用窗函數過濾提取出特征向量，將特征向量映射到傅立葉域，使用第一幀圖像的特征向量建立一個線性相關模型；對隨后的每一幀圖像，使用該模型預測目標對象在當前圖像的位置。

5.根據權利要求1所述的算法，其特征在于，所述步驟四具體如下：根據目標對象新的位置對跟蹤模型的參數進行調整，以適應目標對象的外形變化。

6.根據權利要求1所述的算法，其特征在于，所述步驟五具體如下：在跟蹤過程中，如檢測到目標對象外形變化速率較快，則提高上述步驟四中模型更新的速率，反之則降低該速率。