[發明專利]一種抗陰影干擾的單色視頻目標跟蹤方法

在審

• 申請號: 202011240840.7
• 申請日: 2020-11-09
• 公開（公告）號: CN112270286A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 齊航;任君;李磊;薛茜;張強;張鼎文;梁杰
• 申請（專利權）人: 北京機電工程研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種抗陰影干擾的單色視頻目標跟蹤方法，其特征在于，所述單色視頻目標跟蹤方法包括：

步驟一，將模板圖像、模板圖像陰影檢測結果、待檢測圖像和待檢測圖像陰影檢測結果輸入到主干網絡中以分別提取原始模板圖像特征、模板圖像陰影檢測結果特征、原始待檢測圖像特征和待檢測圖像陰影檢測結果特征；

步驟二，構建陰影指導模塊，通過所述陰影指導模塊輸出基于所述模板圖像陰影檢測結果特征指導的模板圖像特征和基于所述待檢測圖像陰影檢測結果特征指導的待檢測圖像特征；

步驟三，構建特征融合模塊，將所述原始模板圖像特征與所述模板圖像特征融合以獲取模板圖像融合特征，將所述原始待檢測圖像特征與所述待檢測圖像特征融合以獲取待檢測圖像融合特征；

步驟四，構建區域候選網絡模塊，將所述模板圖像融合特征和所述待檢測圖像融合特征輸入到所述區域候選網絡模塊以獲取模板分支輸出特征和待檢測分支輸出特征；將所述模板分支輸出分為模板分類分支特征和模板回歸分支特征，將所述待檢測分支輸出特征分為待檢測分類分支特征和待檢測回歸分支特征；

步驟五，在分類分支中根據所述模板分類分支特征和所述待檢測分類分支特征采用深度可分離互相關操作獲取分類分支結果；在回歸分支中根據所述模板回歸分支特征和所述待檢測回歸分支特征采用深度可分離互相關操作獲取回歸分支結果；

步驟六，根據所述分類分支結果和分類得分標簽獲取分類損失；根據所述回歸分支結果和目標坐標偏移標簽獲取回歸損失；并根據所述分類損失和所述回歸損失獲取最終優化的損失以完成算法網絡訓練，獲取網絡模型參數；

步驟七，根據所述網絡模型參數進行算法網絡的測試預測單色視頻目標跟蹤結果以完成抗陰影干擾的單色視頻目標跟蹤。

2.根據權利要求1所述的抗陰影干擾的單色視頻目標跟蹤方法，其特征在于，在所述步驟一中，所述模板圖像和所述待檢測圖像均經過單色化處理；將單色化處理后的所述模板圖像通過陰影檢測網絡后再圖像取反以獲取所述模板圖像陰影檢測結果，將所述待檢測圖像通過陰影檢測網絡后再圖像取反以獲取所述待檢測圖像陰影檢測結果。

3.根據權利要求1或2所述的抗陰影干擾的單色視頻目標跟蹤方法，其特征在于，在所述步驟一中，所述主干網絡為AlexNet網絡。

4.根據權利要求1所述的抗陰影干擾的單色視頻目標跟蹤方法，其特征在于，在所述步驟二中，所述單色視頻目標跟蹤方法根據構建陰影指導模塊，其中，σ(·)表示sigmoid函數，表示元素級乘操作，i＝1或2，表示所述原始模板圖像特征，表示所述模板圖像陰影檢測結果特征，表示所述原始待檢測圖像特征，表示所述待檢測圖像陰影檢測結果特征，S₁表示所述模板圖像特征，S₂表示所述待檢測圖像特征。

5.根據權利要求1至4中任一項所述的抗陰影干擾的單色視頻目標跟蹤方法，其特征在于，在所述步驟三中，所述單色視頻目標跟蹤方法根據構建特征融合模塊，其中，Cat(·)表示跨通道級聯操作，C(·)表示卷積，BN(·)表示批歸一化層，φ(·)表示ReLu激活函數，和分別表示模板圖像分支中的特征融合模塊中兩個融合層的融合參數，和分別表示待檢測圖像分支中的特征融合模塊中兩個融合層的融合參數，H₁表示所述模板圖像融合特征，H₂表示所述待檢測圖像融合特征。

6.根據權利要求1所述的抗陰影干擾的單色視頻目標跟蹤方法，其特征在于，在所述步驟五中，所述單色視頻目標跟蹤方法根據獲取分類分支結果，根據獲取回歸分支結果，其中，＊表示卷積操作，表示所述模板分類分支特征，表示所述待檢測分類分支特征，δ₁和δ₂分別表示分類分支中兩個卷積層對應的權值參數，表示所述分類分支結果，表示所述模板回歸分支特征，表示所述待檢測回歸分支特征，和分別表示回歸分支中兩個卷積層對應的權值參數，表示所述回歸分支結果。