【技术实现步骤摘要】
一种基于双分支时空正则化相关滤波器的目标跟踪方法
本专利技术属于计算机视觉领域，具体为一种基于双分支时空正则化相关滤波器的目标跟踪方法。
技术介绍
视觉目标跟踪是计算机视觉中的一个重要研究方向，它有着广泛的应用，比如：视频监控，人机交互，无人驾驶等。视觉目标跟踪是计算机视觉领域中最基础也最具有挑战性的任务。一方面，因为目标跟踪缺乏目标的先验信息，只给定第一帧目标边界框，来定位后面视频序列里所有帧中的位置。当目标由于各种原因移动、变形或出现外观变化时，跟踪时区分目标与背景将是一道难题。另一方面，在动态背景下如光照变化、阴影、相互遮挡等，很难设计出实时和高性能的跟踪器来处理目标跟踪。目前，视觉目标跟踪方法主要有两种：基于判别相关滤波器的目标跟踪方法和基于深度学习的目标跟踪方法。在训练样本的周期性假设下，通过快速傅立叶变换，可以在频域中高效地学习基于判别相关滤波器的目标跟踪方法。例如，最小输出和平方误差滤波器是最早基于判别相关滤波器的跟踪器，其跟踪速度可以达到每秒700帧。随着特征表示、非线性核、尺度估计、最大边缘分类器、空间正则化以及连续卷积的引入，基于判别相关滤波器...
【技术保护点】
1.一种基于双分支时空正则化相关滤波器的目标跟踪方法，用于基于视频中的图像帧进行追踪目标的追踪操作，其特征在于，所述方法包括步骤：S1、在包含外观分支网络和语义分支网络的孪生全卷积网络上添加由相关滤波器构成的相关滤波器层，实现相关滤波器与孪生全卷积网络相互之间的端对端训练学习；S2、所述外观分支网络和语义分支网络通过加权平均相结合，以提升所述孪生全卷积网络在目标追踪过程中对包含追踪目标的图像帧的判别力；S3、采用时空正则化所述相关滤波器，并使用通过时空正则化的所述相关滤波器处理所述图像帧，实现对追踪目标的追踪。
【技术特征摘要】
1.一种基于双分支时空正则化相关滤波器的目标跟踪方法，用于基于视频中的图像帧进行追踪目标的追踪操作，其特征在于，所述方法包括步骤：S1、在包含外观分支网络和语义分支网络的孪生全卷积网络上添加由相关滤波器构成的相关滤波器层，实现相关滤波器与孪生全卷积网络相互之间的端对端训练学习；S2、所述外观分支网络和语义分支网络通过加权平均相结合，以提升所述孪生全卷积网络在目标追踪过程中对包含追踪目标的图像帧的判别力；S3、采用时空正则化所述相关滤波器，并使用通过时空正则化的所述相关滤波器处理所述图像帧，实现对追踪目标的追踪。2.根据权利要求1所述的基于双分支时空正则化相关滤波器的目标跟踪方法，其特征在于，所述步骤S1包括：S11、在每一帧图像中由相关滤波器层构成一线性模板，利用所述线性模板来区分图像帧与图像帧之间的平移，并采用快速傅里叶变换对每一所述图像帧进行再次训练；S12、将所述相关滤波器层中具有闭合解的所述相关滤波器层作为所述孪生全卷积网络中语义分支网络的可微层。3.根据权利要求2所述的基于双分支时空正则化相关滤波器的目标跟踪方法，其特征在于，所述相关滤波器层中具有闭合解的相关滤波器由公式hp,v,b(t,R)＝v×ω(fp(t))*fρ(R)+b表示，其中，t代表追踪目标，R代表搜索区域，v表示尺度变量，b为一常量，表示偏差；ρ表示全卷积网络的学习速率，fρ(t)和fρ(R)分别表示追踪目标t和搜索区域R的特征图。4.根据权利要求3所述的基于双分支时空正则化相关滤波器的目标跟踪方法，其特征在于，所述步骤S11包括：S111、利用所述特征图fρ(t)和fρ(R)求解快速傅里叶变换中的岭回归问题，并在所述追踪目标t和搜索区域R相互之间加入相关滤波器块w＝ω(fρ(t))得到标准的相关滤波器模板。5.根据权利要求1所述的基于双分支时空正则化相关滤波器的目标跟踪方法，其特征在于，所述孪生全卷积网络的输...
【专利技术属性】
技术研发人员：雎学文，朱松豪，朱静怡，郭文波，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32
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。