[發(fā)明專利]基于模板匹配的孿生網(wǎng)絡長時目標跟蹤方法

在審

• 申請?zhí)枺?/td>: 202210630014.6
• 申請日: 2022-06-06
• 公開（公告）號: CN114998628A
• 公開（公告）日: 2022-09-02
• 發(fā)明（設計）人: 侯穎;李陽;胡鑫;吳琰;李嬌;賀順;張釋如;王書朋;張紅
• 申請（專利權）人: 西安科技大學
• 主分類號: G06V10/75
• 分類號: G06V10/75;G06V20/40
• 代理公司: 西安維賽恩專利代理事務所(普通合伙) 61257
• 代理人: 李明全

1.基于模板匹配的孿生網(wǎng)絡長時目標跟蹤方法，其特征在于，包括以下步驟：

采用SiamFC++目標跟蹤方法確定當前幀的第一目標跟蹤結(jié)果圖像和跟蹤置信度分數(shù)；

根據(jù)所述跟蹤置信度分數(shù)判斷目標是否丟失；

當所述目標丟失時，采用NCC模板匹配搜索法更新所述當前幀中的目標位置；

以所述目標位置為中心，采用動態(tài)匹配模板圖像和所述SiamFC++目標跟蹤方法對所述當前幀進行目標跟蹤，得到第二目標跟蹤結(jié)果圖像；

以所述第二目標跟蹤結(jié)果圖像作為所述當前幀的目標跟蹤結(jié)果圖像。

2.如權利要求1所述的基于模板匹配的孿生網(wǎng)絡長時目標跟蹤方法，其特征在于，采用NCC模板匹配搜索法更新所述當前幀中的目標位置包括：

以所述動態(tài)匹配模板圖像為匹配模板，計算所述匹配模板與所述當前幀中的所有子圖像的第一相似度；

選擇所述第一相似度最大值對應的相似子圖像；

根據(jù)所述相似子圖像確定所述目標位置。

3.如權利要求2所述的基于模板匹配的孿生網(wǎng)絡長時目標跟蹤方法，其特征在于，根據(jù)所述相似子圖像確定所述目標位置之前還包括：

計算所述相似子圖像和動態(tài)匹配模板圖像的第二相似度；

當所述第二相似度≥相似度閾值時，獲取所述相似子圖像對應的位置，并將該位置作為所述目標位置。

4.如權利要求3所述的基于模板匹配的孿生網(wǎng)絡長時目標跟蹤方法，其特征在于，當所述第二相似度值＜相似度閾值時，將上一幀的目標位置作為當前幀的所述目標位置。

5.如權利要求2-4任一所述的基于模板匹配的孿生網(wǎng)絡長時目標跟蹤方法，其特征在于，所述第二相似度的計算方法為：

其中，SSIM(x,y)為圖像x和圖像y的相似度，l(x,y)為亮度相似性函數(shù)，c(x,y)為對比度相似性函數(shù)，s(x,y)為結(jié)構(gòu)相似性函數(shù)，α、β和γ均為常數(shù)，μ_x為圖像x的灰度平均值，μ_y為圖像y的灰度平均值，σ_x為圖像x的方差，σ_y為圖像y的方差，σ_xy為圖像x和圖像y的協(xié)方差，c₁＝(k₁L)²，c₂＝(k₂L)²，k₁、k₂和L均為常數(shù)。

6.如權利要求2-4任一所述的基于模板匹配的孿生網(wǎng)絡長時目標跟蹤方法，其特征在于，確定跟蹤置信度分數(shù)之后還包括：

將所述跟蹤置信度分數(shù)與模板更新閾值進行比較；

當所述跟蹤置信度分數(shù)≥模板更新閾值時，將所述跟蹤置信度分數(shù)對應的第一目標跟蹤結(jié)果圖像作為新的動態(tài)匹配模板圖像。

7.如權利要求6所述的基于模板匹配的孿生網(wǎng)絡長時目標跟蹤方法，其特征在于，所述模板更新閾值根據(jù)目標跟蹤視頻第二幀的跟蹤置信度分數(shù)計算得到。

8.如權利要求6所述的基于模板匹配的孿生網(wǎng)絡長時目標跟蹤方法，其特征在于，當所述跟蹤置信度分數(shù)＜模板更新閾值時，不更新所述動態(tài)匹配模板圖像。

9.如權利要求2或3或4或8所述的基于模板匹配的孿生網(wǎng)絡長時目標跟蹤方法，其特征在于，根據(jù)所述跟蹤置信度分數(shù)判斷目標是否丟失包括：

將所述跟蹤置信度分數(shù)與丟失閾值進行比較；

當所述跟蹤置信度分數(shù)≥所述丟失閾值時，確定所述目標未丟失；

當所述跟蹤置信度分數(shù)小于所述丟失閾值時，確定所述目標丟失。

10.基于模板匹配的孿生網(wǎng)絡長時目標跟蹤裝置，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權利要求1-9任一項所述的基于模板匹配的孿生網(wǎng)絡長時目標跟蹤方法。