[發明專利]一種基于YOLOv3和改進KCF的目標跟蹤方法

在審

• 申請號: 202011038129.3
• 申請日: 2020-09-28
• 公開（公告）號: CN112184770A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 高峰;王雅涵;柴興華;陳彥橋;關俊志;張澤勇;蔡迎哲;耿虎軍;張軍良
• 申請（專利權）人: 中國電子科技集團公司第五十四研究所
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/277;G06K9/32
• 代理公司: 河北東尚律師事務所 13124
• 代理人: 王文慶

1.一種基于YOLOv3和改進KCF的目標跟蹤方法，其特征在于，包括以下步驟：

步驟1：在線下收集圖片并進行特定目標人工標注，形成訓練數據集，使用訓練數據集對YOLOv3深度學習模型進行訓練，獲得目標檢測模型；

步驟2：使用訓練好的目標檢測模型檢測特定目標，獲取目標位置及尺度信息，初始化KCF目標跟蹤器，并對其進行訓練；

步驟3：采用改進KCF算法對特定目標進行跟蹤，獲取預測位置；

步驟4：在完成位置預測后，以當前幀目標位置為中心，獲取2.5倍目標尺度的區域作為樣本區域；在當前幀提取樣本區域圖像，將該區域圖像作為YOLOv3目標檢測模型的輸入圖像，進行特定目標檢索，并經過圖像拼接得出精確的目標檢測位置及尺度信息；

步驟5：計算當前幀圖像中特定目標的檢測位置與預測位置的交并比，如果交并比小于預設閾值，則用目標檢測位置作為當前幀目標位置，否則用預測位置作為當前幀目標位置；使用當前幀目標位置及尺度信息更新KCF目標跟蹤器；

步驟6：對下一幀圖像重復步驟3～步驟5，實現對視頻目標的跟蹤。

2.根據權利要求1所述的一種基于YOLOv3和改進KCF的目標跟蹤方法，其特征在于，所述YOLOv3深度學習模型中，取消YOLOv3在原3個尺度上的輸出檢測，利用輸出的4倍降采樣特征融合目標檢測層對目標進行檢測。

3.根據權利要求1所述的一種基于YOLOv3和改進KCF的目標跟蹤方法，其特征在于，所述步驟2中，使用當前幀圖像、特定目標的位置及尺度信息初始化KCF目標跟蹤器，然后采用循環矩陣的方法獲取大量的正負樣本，從而對KCF目標跟蹤器進行訓練。

4.根據權利要求1所述的一種基于YOLOv3和改進KCF的目標跟蹤方法，其特征在于，所述步驟3的具體方式為：

步驟3.1：讀取下一幀圖像，在檢測區域提取Hog特征，通過KCF目標跟蹤器獲取響應圖及響應峰值F_max；

步驟3.2：設定閾值a₁，當響應峰值F_max大于歷史響應峰值平均值的a₁倍時，則判定跟蹤目標未發生嚴重遮擋，獲取跟蹤目標的預測位置及尺度信息，轉到步驟4；否則，判定跟蹤目標發生嚴重遮擋，轉到步驟3.3；

步驟3.3：記錄跟蹤目標被遮擋的幀數count1，設定閾值b₁；若count1b₁，則尋找被遮擋目標失敗，轉到步驟2，否則轉到步驟3.4；

步驟3.4：計算跟蹤目標的歷史位置坐標差(Δx,Δy)的均值根據跟蹤目標上一幀圖像的位置坐標(x_n-1,y_n-1)，預測跟蹤目標的當前位置(x_n,y_n)：

默認跟蹤目標的尺度信息不變，對預測位置進行標記，轉到步驟4。

5.根據權利要求1所述的一種基于YOLOv3和改進KCF的目標跟蹤方法，其特征在于，所述步驟4中，若特定目標檢索未檢測到目標，則使用預測位置代替檢測位置。