【技术实现步骤摘要】
一种基于FPN神经网络的目标跟踪方法
本专利技术属于计算机视觉
,具体涉及一种基于FPN神经网络的目标跟踪方法。
技术介绍
目标跟踪由于其在行为分析、车辆导航、人机交互、医学成像、视频监控等众多领域都有着广阔的应用,从而成为计算机视觉技术最活跃的研究之一。目标跟踪是指在给定视频第一帧中的目标位置,对之后的每一帧进行目标定位。目标跟踪的核心问题紧跟随着时间不断变化的目标。尽管近年来在国内外学者的不断研究下,目标跟踪算法得到了迅速发展,但在光照变化剧烈、目标快速运动、部分遮挡等情况下仍然无法取得很好效果。近年来,国内外学者提出了多种跟踪算法,主要可以分成两类:一类是基于对于目标本身进行描述和刻画的生成式模型;另一类旨在将目标和背景分离开的判别式模型。生成式模型重点在于建立目标外观模型的表征,虽然构建有效的外观模型以处理跟踪中的各种具有挑战性的情况至关重要,但是与此同时,也会增加很大的计算复杂度,并且还会丢弃了可用于更好地将对象与背景分离的目标区域周围的有用信息;判别式模型将跟踪问题转换为目标和背景的二分类问题,即把跟踪的目标作为前景,利用在线学习或离线训练的判断器来区分前景目标和背景,从而得到前景目标的位置。在进行判断前往往会进行特征提取,以作为判断依据提高判断的精确度,但是这也会导致有大量的候选样本需要进行特征提取,使得难以达到实时性。相关滤波是一种传统的信号处理方法,其描述了两个样本之间的相似程度。2010年MOSSE算法将其引入到目标跟踪中,从而使得跟踪算法速度达到高速状态,但是由于其采用的是随机采样,从而导致正负训练数目不足而使得精度较低。201 ...
【技术保护点】
1.一种基于FPN神经网络的目标跟踪方法,其特征在于,具体步骤包括:步骤一、对于第一帧图像t=1,跟踪任务给予的第一帧跟踪目标的中心位置(xt,yt)以及跟踪目标区域大小信息(lt,ht),对跟踪目标区域进行一定比例的扩大(lp,t,hp,t)=α(lt,ht),根据目标中心位置(xt,yt)以及扩大后的跟踪目标区域大小(lp,t,hp,t)在该帧图像中进行采样,得到训练样本;其中xt为跟踪目标中心位置的横坐标,yt为跟踪目标中心位置的纵坐标,lt为原跟踪目标区域的长度,ht为原跟踪目标区域的宽度,α为扩大比率,lp,t为扩大后跟踪目标区域的长度,hp,t为扩大后跟踪目标区域的宽度;步骤二、对于在第一帧图像中采样得到的训练样本T,将其输入到FPN神经网络中,提取出FPN神经网络中的P2层的特征
【技术特征摘要】
1.一种基于FPN神经网络的目标跟踪方法,其特征在于,具体步骤包括:步骤一、对于第一帧图像t=1,跟踪任务给予的第一帧跟踪目标的中心位置(xt,yt)以及跟踪目标区域大小信息(lt,ht),对跟踪目标区域进行一定比例的扩大(lp,t,hp,t)=α(lt,ht),根据目标中心位置(xt,yt)以及扩大后的跟踪目标区域大小(lp,t,hp,t)在该帧图像中进行采样,得到训练样本;其中xt为跟踪目标中心位置的横坐标,yt为跟踪目标中心位置的纵坐标,lt为原跟踪目标区域的长度,ht为原跟踪目标区域的宽度,α为扩大比率,lp,t为扩大后跟踪目标区域的长度,hp,t为扩大后跟踪目标区域的宽度;步骤二、对于在第一帧图像中采样得到的训练样本T,将其输入到FPN神经网络中,提取出FPN神经网络中的P2层的特征其中T表示训练样本,ZT表示FPN神经网络中通道数为n的P2层特征,表示FPN神经网络中的P2层的特征ZT中第n维特征;步骤三、将训练样本T经过FPN神经网络后提取得到的P2层的特征用于相关滤波器参数的计算;步骤四、对于下一帧图像t+1,根据上一帧跟踪目标中心位置(xt,yt)以及扩大后的跟踪目标区域大小(lp,t,hp,t),对上一帧扩大后的跟踪目标区域(lp,t,hp,t)进行多尺度缩放,得到多种候选区域大小{(lp,t+1,hp,t+1)}={β(lp,t,hp,t)},其中β为缩放尺度,β={0.985,0.99,,0.995,1,1.005,1.01,1.015}而后,根据上一帧跟踪目标中心位置(xt,yt)和多种候选区域大小{(lp,t+1,hp,t+1)}={β(lp,t,hp,t)},对该帧图像进行采样得到候选样本集X=(X1X2…X7);步骤五、对于采样得到的候选样本集X,将其输入到FPN神经网络中,提取出FPN神经网络中的P2层的特征其中表示第一个候选样本X1输入到FPN神经网络中提出得到通道数为n的P2层特征,即步骤六、将候选样本集每个候选样本经过FPN神经网络后提取得到的P2层的特征ZX,用于响应图的计算,最终确定该帧跟踪目标的中心位置(xt+1,yt+1)...
【专利技术属性】
技术研发人员:罗均,高建焘,李小毛,谢少荣,彭艳,
申请(专利权)人:上海大学,
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。