[發(fā)明專利]一種基于FPN神經(jīng)網(wǎng)絡(luò)的目標跟蹤方法

有效

• 申請?zhí)枺?/td>: 201810329415.1
• 申請日: 2018-04-13
• 公開（公告）號: CN108830878B
• 公開（公告）日: 2021-02-23
• 發(fā)明（設(shè)計）人: 羅均;高建燾;李小毛;謝少榮;彭艷
• 申請（專利權(quán)）人: 上海大學
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06N3/08
• 代理公司: 上海上大專利事務(wù)所(普通合伙) 31205
• 代理人: 陸聰明

1.一種基于FPN神經(jīng)網(wǎng)絡(luò)的目標跟蹤方法，其特征在于，具體步驟包括：

步驟一、對于第一幀圖像t＝1，跟蹤任務(wù)給予的第一幀跟蹤目標的中心位置(x_t,y_t)以及跟蹤目標區(qū)域大小信息(l_t,h_t)，對跟蹤目標區(qū)域進行一定比例的擴大(l_p,t,h_p,t)＝α(l_t,h_t)，根據(jù)目標中心位置(x_t,y_t)以及擴大后的跟蹤目標區(qū)域大小(l_p,t,h_p,t)在該幀圖像中進行采樣，得到訓練樣本；其中x_t為跟蹤目標中心位置的橫坐標，y_t為跟蹤目標中心位置的縱坐標，l_t為原跟蹤目標區(qū)域的長度，h_t為原跟蹤目標區(qū)域的寬度，α為擴大比率，l_p,t為擴大后跟蹤目標區(qū)域的長度，h_p,t為擴大后跟蹤目標區(qū)域的寬度；

步驟二、對于在第一幀圖像中采樣得到的訓練樣本T，將其輸入到FPN神經(jīng)網(wǎng)絡(luò)中，提取出FPN神經(jīng)網(wǎng)絡(luò)中的P₂層的特征其中T表示訓練樣本，Z_T表示FPN神經(jīng)網(wǎng)絡(luò)中通道數(shù)為n的P₂層特征，表示FPN神經(jīng)網(wǎng)絡(luò)中的P₂層的特征Z_T中第n維特征；

步驟三、將訓練樣本T經(jīng)過FPN神經(jīng)網(wǎng)絡(luò)后提取得到的P₂層的特征用于相關(guān)濾波器參數(shù)的計算；

步驟四、對于下一幀圖像t+1，根據(jù)上一幀跟蹤目標中心位置(x_t,y_t)以及擴大后的跟蹤目標區(qū)域大小(l_p,t,h_p,t)，對上一幀擴大后的跟蹤目標區(qū)域(l_p,t,h_p,t)進行多尺度縮放，得到多種候選區(qū)域大小{(l_p,t+1,h_p,t+1)}＝{β(l_p,t,h_p,t)}，其中β為縮放尺度，β＝{0.985,0.99,0.995,1,1.005,1.01,1.015}，而后，根據(jù)上一幀跟蹤目標中心位置(x_t,y_t)和多種候選區(qū)域大小{(l_p,t+1,h_p,t+1)}＝{β(l_p,t,h_p,t)}，對該幀圖像進行采樣得到候選樣本集X＝(X₁X₂…X₇)；

步驟五、對于采樣得到的候選樣本集X，將其輸入到FPN神經(jīng)網(wǎng)絡(luò)中，提取出FPN神經(jīng)網(wǎng)絡(luò)中的P₂層的特征其中表示第一個候選樣本X₁輸入到FPN神經(jīng)網(wǎng)絡(luò)中提出得到通道數(shù)為n的P₂層特征，即

步驟六、將候選樣本集每個候選樣本經(jīng)過FPN神經(jīng)網(wǎng)絡(luò)后提取得到的P₂層的特征Z_X，用于響應(yīng)圖的計算，最終確定該幀跟蹤目標的中心位置(x_t+1,y_t+1)和跟蹤目標區(qū)域大小(l_t+1,h_t+1)；

步驟七、在得到跟蹤目標的中心位置和區(qū)域大小后，不斷重復步驟一至步驟六、直到視頻結(jié)束，完成對跟蹤目標的中心位置以及區(qū)域大小的跟蹤。