[發明專利]基于邊界框回歸模型的目標跟蹤方法

有效

• 申請號: 202010883760.7
• 申請日: 2020-08-28
• 公開（公告）號: CN112053384B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 田小林;高文星;李芳;張藝帆;王露;楊坤;焦李成
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/73;G06T5/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;田文英

本發明公開了一種基于邊界框回歸的目標跟蹤方法，主要解決因傳統的相關濾波器預測的目標區域不準確的問題，本發明實現的步驟如下：計算連續分辨率的空間特征圖；計算相關濾波器；構建邊界框回歸模型；回歸預測的目標位置；將調整后的目標區域位置作為對于目標跟蹤的結果；判斷當前幀視頻圖像是否為待跟蹤視頻圖像序列的最后一幀圖像，若是，則執行下一步，否則，用下一幀從頭開始執行；結束對待跟蹤目標的跟蹤。本發明通過構造邊界框回歸行，更準確地預測了目標區域的位置信息，也通過三次線性插值的方式豐富了神經網絡對目標區域提取到的特征，最終實現了準確的目標跟蹤。

技術領域

本發明屬于圖像處理技術領域，更進一步涉及計算機視覺圖像處理技術領域中的一種基于邊界框回歸模型的目標跟蹤方法。本發明采用一種基于邊界框回歸與自適應模型相結合的方法，實現了視頻監控、醫療保健、智能交通、機器人導航、人機交互、虛擬現實等領域的運動目標跟蹤。

背景技術

目標跟蹤的主要任務是估計視頻中目標的軌跡，即從視頻圖像序列中檢測出待跟蹤的運動目標，進而在每一幀圖像中確定出運動目標的位置。目標跟蹤最流行的方法之一是檢測跟蹤，檢測跟蹤通常根據判別式學習模型，在線學習一個二進制分類器將目標和背景分離。這類方法的目標是設計一個魯棒的分類器，動態捕捉目標和背景的差異性特征，適應跟蹤過程中的視角、光照、姿態等變化。

西安電子科技大學在其擁有的專利技術“基于相關濾波器的目標跟蹤檢測方法”(專利申請號201810292983.9，授權公告號CN 108596048 B)中公開了一種基于相關濾波器的改進目標跟蹤檢測方法。該方法的步驟是，通過濾波器得到目標響應圖的最大值后用閾值進行判斷，對效果不好的輸出結果進行再檢測處理，得到效果更好的輸出結果，防止目標丟失的發生，做到了目標跟蹤再檢測，解決了相關濾波目標跟蹤算法的一個不足之處。但是，該方法仍然存在的不足之處在于，跟蹤器在跟蹤失敗之后進行再檢測的過程是比較耗時的，而且得到的目標區域不夠準確，從而在視角、光照、姿態等變化的時候很難做到目標的實時跟蹤。

西安電子科技大學在其擁有的專利技術“基于結構化輸出相關濾波器的目標跟蹤方法”(專利申請號201711345205.3，授權公告號CN 108280808 B)中公開了一種基于結構化輸出相關濾波器的目標跟蹤方法。該方法在利用相關濾波密集取樣優勢的同時，顯著減少邊界效應帶來的性能損失，同時保留了傳統頻域相關濾波器的許多計算優點，可以通過利用大量負示例以較低的內存成本來學習一個有效的結構化輸出相關濾波器，能夠適應目標和背景的變化。同時在每一幀都會對目標位置產生的互相關譜能量和自相關譜能量對模型進行更新，從而更加穩定地實現對目標的跟蹤，跟蹤實時性好。但是，該方法仍然存在的不足在于，深度特征語義信息豐富而細節信息缺少的問題，使得構建的相關濾波器在預測目標位置的時候會產生一定的偏差。

發明內容

本發明的目的是針對上述現有技術的不足，提出一種基于邊界框回歸的目標跟蹤方法，用于解決跟蹤器在跟蹤失敗之后進行再檢測的過程是比較耗時的，而且得到的目標區域不夠準確的問題。

實現本發明目的的具體思路是，通過神經網絡提取第一幀目標區域的深度特征得到目標的特征，利用三次線性插值公式豐富特征信息，再通過最小化相關濾波器預測得到的目標區域位置與真實目標區域位置之間的移動誤差來得到邊界框回歸模型的用于調節預測目標區域位置橫坐標、縱坐標、寬和高對應的四個參數，再利用這四個參數調節由濾波器預測的目標位置。

為實現上述目的，本發明的具體步驟如下：

(1)計算第一幀連續分辨率的空間特征圖：

(1a)將待跟蹤目標視頻中隨機選取含有目標一幀的作為第一幀；

(1b)使用深度卷積神經網絡VGG-19提取第一幀中目標區域離散空間域的特征；

(1c)利用三次線性插值公式，將每個維度離散空間域特征轉換到連續分辨率的空間特征，得到空間特征圖；