[發明專利]基于相似度度量的模型漂移抑制方法及其裝置

有效

• 申請號: 201811229008.X
• 申請日: 2018-10-22
• 公開（公告）號: CN109389624B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 何雪東;周盛宗
• 申請（專利權）人: 中國科學院福建物質結構研究所
• 主分類號: G06T7/277
• 分類號: G06T7/277
• 代理公司: 北京元周律知識產權代理有限公司 11540
• 代理人: 胡璇

1.一種基于相似度度量的模型漂移抑制方法，其特征在于，包括以下步驟：

步驟S100：設定目標集中所含目標數量，并將初始化幀中目標放入目標集中并填滿所述目標集；

步驟S200：提取跟蹤t時間后第i幀圖像中框選目標的特征，計算框選目標與目標集中目標塊的相似度，根據所述相似度判斷第i幀圖像中框選目標樣本是否放入目標集中，如果放入則輸出更新閾值進行目標集更新；

步驟S300：如果更新目標集，則根據更新閾值對訓練模型進行更新，否則不更新所述訓練模型；

所述步驟S200包括以下步驟：

步驟S210：判斷第i幀跟蹤圖像框選目標樣本和與目標集中各目標塊的相似度是否大于等于0.9，如果大于等于0.9則不更新目標集中，并設置更新閾值β＝1；

步驟S220：如果小于0.9，則判斷第i幀跟蹤圖像框選目標樣本與目標集中各目標塊的相似度大于等于0.7的數量是否占目標集總數的一半，如果是，則用第i幀跟蹤圖像框選目標樣本更新所述目標集，并設置更新閾值β＝0.5；

步驟S230：如果不是判斷第i幀跟蹤圖像框選目標樣本與目標集中各目標塊的相似度大于0.5的數量是否占目標集數的一半，如果是，則設置更新閾值β＝0。

2.根據權利要求1所述的基于相似度度量的模型漂移抑制方法，其特征在于，所述基于相似度度量的模型漂移抑制方法中，還可以包括尺度估計步驟，當包含尺度估計步驟時，所述步驟S200中還包括將第i幀圖像中框選目標縮放到初始化目標尺度后，對第i幀圖像中框選目標進行特征提取的步驟。

3.根據權利要求1所述的基于相似度度量的模型漂移抑制方法，其特征在于，步驟S200中，所述目標集更新的策略為先進先出更新策略。

4.根據權利要求1所述的基于相似度度量的模型漂移抑制方法，其特征在于，所述步驟S300中按對訓練模型參數進行更新，

其中，為初始化幀濾波器模型參數，為跟蹤t-1時刻下濾波器模型參數，為跟蹤t時刻下濾波器模型參數，為跟蹤t-1時刻下目標外觀模型參數，為初始化幀目標外觀模型參數，為跟蹤t時刻下目標外觀模型參數，β為更新閾值，μ為訓練模型學習率。

5.根據權利要求1所述的基于相似度度量的模型漂移抑制方法，其特征在于，所述步驟S100中包括：根據初始化幀中目標位置和尺度提取目標塊，并提取初始化幀HOG特征并向量化，存入目標集。

6.一種基于相似度度量的模型漂移抑制裝置，其特征在于，包括：

初始幀提取模塊，用于設定目標集中所含目標數量，并將初始化幀中目標放入目標集中并填滿所述目標集；

相似性模塊，用于提取跟蹤t時間后第i幀圖像中框選目標的特征，計算框選目標與目標集中目標塊的相似度，根據所述相似度判斷第i幀圖像中框選目標樣本是否放入目標集中，如果放入則輸出更新閾值進行目標集更新；

更新模塊，用于如果更新目標集，則根據更新閾值對訓練模型進行更新，否則不更新所述訓練模型；

所述相似性模塊中包括：

第一判斷模塊，用于判斷第i幀跟蹤圖像框選目標樣本和與目標集中各目標塊的相似度是否大于等于0.9，如果大于等于0.9則不更新目標集中，并設置更新閾值β＝1；

第二判斷模塊，用于如果小于0.9，則判斷第i幀跟蹤圖像框選目標樣本與目標集中各目標塊的相似度大于等于0.7的數量是否占目標集總數的一半，如果是，則用第i幀跟蹤圖像框選目標樣本更新所述目標集，并設置更新閾值β＝0.5；

第三判斷模塊，用于如果不是判斷第i幀跟蹤圖像框選目標樣本與目標集中各目標塊的相似度大于0.5的數量是否占目標集數的一半，如果是，則設置更新閾值β＝0。

7.根據權利要求6所述的基于相似度度量的模型漂移抑制裝置，其特征在于，所述更新模塊中按對訓練模型參數進行更新，

其中，為初始化幀濾波器模型參數，為跟蹤t-1時刻下濾波器模型參數，為跟蹤t時刻下濾波器模型參數，為跟蹤t-1時刻下目標外觀模型參數，為初始化幀目標外觀模型參數，為跟蹤t時刻下目標外觀模型參數，β為更新閾值，μ為訓練模型學習率。

8.根據權利要求6所述的基于相似度度量的模型漂移抑制裝置，其特征在于，所述目標集更新策略為先進先出更新策略。