The present invention relates to a human object tracking method based on depth learning and correlation filtering. The method comprises the following steps: 1) reading the current frame of the video to be tracked and detecting the position of the human body using a human body detector; 2) reading the next frame of the video to be tracked to determine whether the video has reached the end, if so, if not, then the end of the video. Execute step 3); 3) Initialize the correlation filter tracker by using the human position obtained from the previous step to track the human body and set the time continuously; 4) Determine whether the current tracking target is human by using the lightweight human discriminator; if so, record the human body position and return to step 2; if not, return to step 1. Compared with the prior art, the invention has the advantages of high accuracy and good real-time performance.
【技术实现步骤摘要】
一种基于深度学习和相关滤波的人体目标跟踪方法
本专利技术涉及一种目标跟踪技术,尤其是涉及一种基于深度学习和相关滤波的人体目标跟踪方法。
技术介绍
视频中的人体目标跟踪是一项涉及模式识别、计算机视觉及人工智能等多领域的研究课题,因其在智能视频监控、安防、教育等领域中广泛的应用价值,一直以来是人们研究的热点。然而,在现实场景中,由于人体姿态变化、视频抖动、遮挡等因素,跟踪算法难以同时兼顾运算实时性与结果准确性,这一问题在长时段跟踪任务中尤为明显。因此,如何实现准确而又具有实时性的人体目标跟踪方法仍然是研究的难点。文献“High-speedtrackingwithkernelizedcorrelationfilters”(HenriquesJF,CaseiroR,MartinsP,etal.IEEETransactionsonPatternAnalysisandMachineIntelligence,2015,37(3):583-596)介绍了一种基于相关滤波的目标跟踪技术。该方法首先根据当前帧以及之前帧的信息训练出一个能够分辨跟踪目标与普通背景的相关滤波器。之后对于新输入的帧,在上一帧目标周围区域进行相关性计算,相关性得分最高的点就作为这一帧的跟踪结果。该方法的具体流程可概括为训练和检测两个阶段。训练阶段具体包括:(1)特征提取,包括原始像素、梯度直方图特征或颜色特征;(2)采样并生成循环矩阵,在第一帧目标周围取一块略大于目标的图像区域作为训练样本采样,大于目标的部分用于提供上下文信息,之后将采样图像扩展为循环矩阵,以扩充训练样本数;(3)利用快速傅里叶变换( ...
【技术保护点】
1.一种基于深度学习和相关滤波的人体目标跟踪方法,其特征在于,该方法包括以下步骤:1)读取待跟踪视频的当前帧,利用人体检测器检测人体位置;2)读取待跟踪视频的下一帧,判断是否到达视频结尾,若是,则结束,若否,则执行步骤3);3)利用上一步检测获得的人体位置初始化相关滤波跟踪器,进行人体跟踪,持续设定时间;4)利用轻量级人体判别器判定当前跟踪目标是否为人体,若是,则记录人体位置,返回步骤2),若否,则返回步骤1);其中,所述人体检测器基于一人体样本数据库、利用深度卷积神经网络训练获得,所述轻量级人体判别器基于所述人体样本数据库、利用轻量级的深度卷积神经网络训练获得,所述相关滤波跟踪器根据当前帧以及之前帧的信息训练获得。
【技术特征摘要】
1.一种基于深度学习和相关滤波的人体目标跟踪方法,其特征在于,该方法包括以下步骤:1)读取待跟踪视频的当前帧,利用人体检测器检测人体位置;2)读取待跟踪视频的下一帧,判断是否到达视频结尾,若是,则结束,若否,则执行步骤3);3)利用上一步检测获得的人体位置初始化相关滤波跟踪器,进行人体跟踪,持续设定时间;4)利用轻量级人体判别器判定当前跟踪目标是否为人体,若是,则记录人体位置,返回步骤2),若否,则返回步骤1);其中,所述人体检测器基于一人体样本数据库、利用深度卷积神经网络训练获得,所述轻量级人体判别器基于所述人体样本数据库、利用轻量级的深度卷积神经网络训练获得,所述相关滤波跟踪器根据当前帧以及之前帧的信息训练获得。2.根据权利要求1所述的基于深度学习和相关滤波的人体目标...
【专利技术属性】
技术研发人员:张君鹏,申瑞民,姜飞,
申请(专利权)人:上海交通大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。