[發明專利]基于多區域層卷積特征的目標跟蹤方法

有效

• 申請號: 202010135414.0
• 申請日: 2020-03-02
• 公開（公告）號: CN111383249B
• 公開（公告）日: 2023-02-28
• 發明（設計）人: 劉龍;楊尚其;史思琦
• 申請（專利權）人: 西安理工大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/262;G06T7/207
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 曾慶喜

本發明公開一種基于多區域層卷積特征的目標跟蹤方法，步驟包括：步驟1，第一幀時確定目標區域并劃分為多個子區域，提取子區域的卷積特征；初始化每層卷積特征的相關濾波器；步驟2，第二幀使用多層相關濾波器遞推和加權融合的方法確定目標區域的位置，更新相關濾波器并初始化目標運動模型；步驟3，從第三幀開始，使用多層相關濾波器遞推和加權融合的方法確定目標區域的位置，更新相關濾波器并更新運動模型為下一幀做準備；更新運動模型是為了得到下一幀目標位置的加權平均數和協方差矩陣Σ_t+1，其作為在下一幀更新相關濾波器的重要參數。本發明基于多區域層卷積特征的目標跟蹤方法解決了目標的部分遮擋和特征劇烈變化情況下跟蹤精度低的問題。

技術領域

本發明屬于視頻圖像跟蹤技術領域，涉及一種基于多區域層卷積特征的目標跟蹤方法。

背景技術

隨著科技的發展和讓社會的進步，人們對機器視覺技術的要求也不斷的提高，在無人車駕駛、智能機器人、行為分析、無人飛行器、精確制導、空中預警等方面有著巨大的應用前景。

相關濾波目標跟蹤方法具有處理速度快、跟蹤精度高等優點,相關濾波目標跟蹤方法使用在第一幀中人為選取的目標區域訓練一個相關濾波器，在之后幀中使用訓練好的濾波器對搜索區域進行相關操作，相關操作的結果中最大響應值點即為目標位置。當相關濾波目標跟蹤方法使用從目標區域提取的卷積特征時，使用對多層相關濾波響應使用加權融合的方法推斷目標位置。

對于相關濾波目標跟蹤方法來說，針對目標區域提取的特征是其中關鍵，針對目標區域提取的特征分為以下兩種：(1)手工特征，手工特征是人為設定的特征如圖像的直方圖特征、方向梯度直方圖特征(HOG)、局部二值模式特征(LBP)；(2)卷積特征，卷積特征是使用深度卷積網絡(CNNS)提取出的特征，深度卷積網絡所提取的深層特征對目標的語義信息進行編碼，這種特征對目標的外觀變化具有較強的魯棒性，但其空間解析度太低無法進行準確的定位，深度卷積網絡所提取的淺層特征保留了大量空間信息有利于定位但其語義性不夠強所以對目標的外觀變化的魯棒性較弱，且對于目標的部分遮擋和部分特征劇烈變化情況下跟蹤精度低。

發明內容

本發明的目的是提供一種基于多區域層卷積特征的目標跟蹤方法，解決了現有技術中存在的對于目標的部分遮擋和部分特征劇烈變化情況下魯棒性差和跟蹤精度低的問題。

本發明所采用的技術方案是，

基于多區域層卷積特征的目標跟蹤方法，具體步驟為：

步驟1，輸入待進行目標跟蹤的視頻序列并人為選取第一幀的目標區域p₁，將目標區域p₁劃分為N+1個子區域，提取每個子區域的卷積特征；初始化每一層卷積特征所對應的相關濾波器；

步驟2，在第二幀時，計算每個子區域每一卷積層的相關濾波器在第二幀的搜索區域上的響應，用多層相關濾波器遞推和加權融合的方法確定第二幀目標區域的位置，，更新每個子區域的相關濾波器，根據第二幀的目標位置和第一幀的目標位置初始化目標運動模型；

步驟3，從第三幀起，確定當前幀的目標搜索區域，提取目標搜索區域中的卷積特征及上一幀每個子區域的濾波器在卷積特征上的相關濾波響應通過逐層推斷當前幀每個子區域的中心位置對所有子區域的中心位置進行加權融合，得到并輸出目標位置p_t即為目標跟蹤結果之后更新每個區域的相關濾波器和目標運動模型為下一幀的目標跟蹤做準備；

其中更新運動模型的目的在于得到下一幀目標位置的加權平均數和協方差矩陣Σ_t+1，作為在下一幀更新相關濾波器的重要參數。

本發明的特點還在于，

步驟1的具體步驟為：

步驟1.1，設置當前幀為第一幀，即t＝1，人為選取目標跟蹤的視頻序列中第一幀的目標區域p₁；