一种基于密集卷积网络特征的视觉目标跟踪方法技术

本发明专利技术属于目标跟踪技术领域，具体涉及一种基于密集卷积网络特征的视觉目标跟踪方法。本发明专利技术提供的技术方案，包括以下五个步骤：步骤一、构建初始位置滤波器；步骤二、构建初始尺度滤波器；步骤三、目标定位；步骤四、尺度估计；步骤五、模型更新。通过深度密集卷积网络的不同层提取目标特征，基于APCE(Average Peak‑to‑Correlation Energy)值自适应地选择最佳响应图，然后确定目标中心位置。在此基础上，进一步对目标尺度进行估计，能够适应目标尺度变化，准确确定目标的大小，选择性地对模型进行在线更新。算法精确度和成功率较高，实现了目标的鲁棒跟踪，易于在实际场景中推广应用。

【技术实现步骤摘要】
一种基于密集卷积网络特征的视觉目标跟踪方法
本专利技术属于目标跟踪
，具体涉及一种基于密集卷积网络特征的视觉目标跟踪方法。
技术介绍
计算机视觉作为人工智能的一个重要研究领域，其目的是让机器拥有与人类类似的视觉。计算机视觉是以图像(视频)为输入，研究图像信息组织、物体和场景识别等内容，进而对事件给予解释，从而实现对环境的表达和理解。计算机视觉领域包括诸多不同的研究方向，如物体检测、语义分割、目标跟踪、三维重建、行为识别等。目标跟踪作为计算机视觉领域的基础问题之一，一直是该领域的研究热点。目标跟踪是指对图像序列中运动目标进行检测、提取和识别，获得运动目标的运动参数，如位置、速度、加速度和运动轨迹等，从而对运动目标的行为进行理解，以完成更高一级的任务。近年来，目标跟踪算法得到了飞速发展，在国际计算机视觉会议(ICCV)、国际计算机视觉和模式识别会议(CVPR)、欧洲计算机视觉会议(ECCV)等国际顶级会议上提出了大量先进的目标跟踪算法。但是，现实应用环境中，出现了尺度变化、目标遮挡等复杂场景，而且当跟踪算法投入实际应用时，实时性问题也本文档来自技高网...

【技术保护点】
1.一种基于密集卷积网络特征的视觉目标跟踪方法，其特在于，包括以下步骤：步骤一、构建初始位置滤波器/n1、在经过手工标注的首帧图像中，明确目标区域的位置和尺寸；/n2、在密集卷积网络中，选取多层，对首帧图像的目标区域进行特征提取，得到多个不同的特征；/n3、利用得到的多个特征，分别构建多个核相关滤波器，根据公式

【技术特征摘要】
1.一种基于密集卷积网络特征的视觉目标跟踪方法，其特在于，包括以下步骤：步骤一、构建初始位置滤波器
1、在经过手工标注的首帧图像中，明确目标区域的位置和尺寸；
2、在密集卷积网络中，选取多层，对首帧图像的目标区域进行特征提取，得到多个不同的特征；
3、利用得到的多个特征，分别构建多个核相关滤波器，根据公式构建初始位置滤波器α，其中，为y的傅里叶变换，||·||表示2-范数，F-1为傅里叶逆变换，x*为x的共轭，⊙为点乘运算，σ和λp为常数；
步骤二、构建初始尺度滤波器
1、在经过手工标注的首帧图像中，在已经明确的目标区域的基础上，通过尺度金字塔方法对目标进行采样，获得S种不同大小的候选目标样本；
2、在密集卷积网络中，选取用于对S种不同目标样本进行特征提取的层，进行特征提取后得到S个不同特征；
3、根据公式构建初始尺度滤波器Hl，其中，l表示特征向量的维数，且l＝1,2,...,L，G为通过高斯函数构建的特征响应值g的傅里叶变换，G*为G的共轭，Fk为第k维特征的傅里叶变换，λs为常数；
步骤三、目标定位
1、利用密集卷积网络的多层对输入图像进行特征提取，得到多个不同的特征；
2、利用位置滤波器对多个不同特征分别进行位置滤波，获得多个不同的响应图；
3、分别计算多个响应图的APCE值，计算方法为：其中Fmax表示响应图中最大值，Fmin表示响应图中最小值，...

【专利技术属性】
技术研发人员：马素刚，侯志强，惠飞，赵祥模，孙韩林，王忠民，
申请(专利权)人：长安大学，西安邮电大学，
类型：发明
国别省市：陕西;61