一种单目标跟踪方法技术

本发明专利技术公开了一种单目标跟踪方法。所公开的方法包括：数据预处理；训练并获取深度神经网络模型得到初始跟踪网络模型；利用初始跟踪网络模型对目标进行跟踪并根据目标变化对模型进行在线实时更新确保跟踪路线的准确性。本发明专利技术可以实现对任意目标的跟踪，大大降低人工干预带来的效率低、误差大的问题，有效提高目标的跟踪效率。

A single target tracking method

【技术实现步骤摘要】
一种单目标跟踪方法
本专利技术属于计算机视觉领域，涉及图像处理和深度卷积神经网络算法，可应用于红外场景下的单目标跟踪。
技术介绍
单目标跟踪是计算机视觉领域重要的研究方向，利用单目标跟踪技术可以获取一个视频序列内不同时间不同位置物体的轨迹信息，得到感兴趣目标时间和空间上的轨迹信息。随着计算机技术的不断进步，GPU等专门针对视频数据计算设备的快速发展，以及深度学习技术的不断深入，单目标跟踪等视频分析技术已经不断成熟，除了在智慧城市建设中针对视频数据进行分析与处理，同时在其他方面也有广泛的使用。除此之外，很多其它领域也用到了单目标跟踪技术，例如在军事行动中使用相关设备跟踪目标嫌疑人的动向等。但是在目标跟踪方面依然存在很多尚未解决的难点，例如目标出现形变，尺度变化，局部和全部遮挡，光照改变等异常情况时跟踪的效果不理想，这些问题到目前为止还没有得到很好的解决。所以，对单目标跟踪进行研究具有很大的意义和广泛的前景。首次将深度学习思想与目标跟踪进行结合的算法是DLT算法，该算法由香港科技大学王乃岩博士提出，并且后面还提出了改进后的SO-DL本文档来自技高网...

【技术保护点】
1.一种单目标跟踪方法，其特征在于，对待跟踪视频中的各帧图像按照时间顺序依次进行跟踪，所述各帧图像处于同一坐标系，方法包括：/n步骤一，对第一帧图像中的目标坐标进行标注，并在目标周围区域进行随机裁剪得到若干图像单元；以第一帧图像的所有图像单元为样本对神经网络进行训练，得到初始单目标跟踪模型；/n步骤二，采用Step2.1至Ste2.3依次对第二帧至第N帧图像中的目标进行跟踪，N为大于3小于等于6的自然数；/nStep2.1，以上一帧图像中的目标坐标作为当前帧图像中的目标，并在当前帧目标周围区域进行随机裁剪得到当前帧图像的若干图像单元；/nStep2.2，将当前帧图像的所有图像单元输入初始单目标...

【技术特征摘要】
1.一种单目标跟踪方法，其特征在于，对待跟踪视频中的各帧图像按照时间顺序依次进行跟踪，所述各帧图像处于同一坐标系，方法包括：
步骤一，对第一帧图像中的目标坐标进行标注，并在目标周围区域进行随机裁剪得到若干图像单元；以第一帧图像的所有图像单元为样本对神经网络进行训练，得到初始单目标跟踪模型；
步骤二，采用Step2.1至Ste2.3依次对第二帧至第N帧图像中的目标进行跟踪，N为大于3小于等于6的自然数；
Step2.1，以上一帧图像中的目标坐标作为当前帧图像中的目标，并在当前帧目标周围区域进行随机裁剪得到当前帧图像的若干图像单元；
Step2.2，将当前帧图像的所有图像单元输入初始单目标跟踪模型，采用初始单目标跟踪模型对当前帧图像中的目标进行跟踪，输出各图像单元的置信度和图像特征，将各图像单元的图像特征放入当前样本库中，样本库的初始为空；
Step2.3，采用RPN网络对置信度可靠的图像单元进行目标尺度估计，得到当前帧图像的目标坐标；
步骤三，采用Step3.1至Step3.4依次对第N+1帧至N+n帧图像中的目标进行跟踪，n为大于2小于等于6的自然数；
Step3.1，以上一帧图像中的目标坐标作为当前帧图像中的目标，并在目标周围区域进行随机裁剪得到当前帧图像的若干图像单元；
Step3.2，将当前帧图像的所有图像单元输入当前单目标跟踪模型，采用当前单目标跟踪模型对当前帧图像中的目标进行跟踪，输出各图像单元的置信度和图像特征，将各图像单元的图像特征放入当前样本库，
Step3.3，以当前帧以前的图像的所有置信度作为参照，采用LOF算法对Step3.2得到的图像单元置信度的均值进行检测，得到异常样本的概率值，概率值大于等于第一阈值时Step3.2得到的置信度可靠的的图像单元为正常样本，小于第一阈值时Step3.2得到的置信度可靠的图像单元为异常样本；第一阈值取值范围为大于0小于1；
Step3.4，采用RPN网络对Step3.2得到的置信度可靠的图像单元进行目标的尺度估计，得到当前帧图像的目标坐标，Step3.2得到的置信度可靠的图像单元为异常样本时所采用的RPN网络候选框个数大于Step3.2得到的置信度可靠的图像单元为正常样本时所采用的RPN网络候选框个数；
步骤四，采用K-Means算法对当前样本库的样本进行更新，然后利用更新后的样本库对当前单目标跟踪模型进行训练更新；
步骤五，循环执行步骤三和步骤四对第N+n+1帧及其以后的视频帧中的目标进行跟踪直至完成对待跟踪视频的跟踪，每次循环所用单目标跟踪模型为上一次更新所得到的新的单目标跟踪模型。


2.如权利要求1所述的单目标跟踪方法，其特征在于，在对目标视频进行跟踪前对待跟踪视频中的各帧图像进行强化目标信息的预处理。


3.如权利要求1所述的单目标跟踪方法，其特征在于，步骤一包括：
Step1.1，对第一帧图像中的目标坐标进行标注，并在目标周围区域进行随机裁剪得到若干图像单元；
Step1.2，获取第一帧图像的各图像单元与目标重叠面积大小，根据重叠面积占目标区域面积的比值大小将多个图像单元划分为正样本与负样本，比值大于第二阈值的为正样本，比值小于第二阈值的为负样本，第二阈值取值范围为大于0小于1；
Step1.3，采用步骤三得到的正、负样本对神经网络进行训练，得到初始单目标跟踪模型。


4.如权利要求1所述的单目标跟踪方法，其特征在于，所述神经网络由三个卷积...

【专利技术属性】
技术研发人员：宋建锋，苗启广，王伟伟，王崇晓，刘向增，权义宁，盛立杰，刘如意，戚玉涛，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61