一种基于在线模板预测的红外行人跟踪方法技术

本发明专利技术属于红外目标跟踪领域，具体涉及跟踪精度高的一种基于在线模板预测的红外行人跟踪方法。本方法包括如下步骤：步骤1：使用彩色图像构造红外训练数据集；步骤2：对训练数据集中的各个红外行人图像序列，根据数据集标注的目标位置信息，裁剪出目标图像，并将其大小归一化为127×127×1像素的单通道图像，获得相应的模板序列集合，生成模板训练数据集；步骤3：获得组合模板训练数据集，基于残差卷积结构，设计模板预测网络并训练；步骤4：利用训练好的模板预测网络和SiameseRPN实现红外行人跟踪。本发明专利技术的有益效果在于：1.生成更接近真实目标的预测模板；2.跟踪精度高。

An infrared pedestrian tracking method based on online template prediction

【技术实现步骤摘要】
一种基于在线模板预测的红外行人跟踪方法
本专利技术属于红外目标跟踪领域，具体涉及跟踪精度高的一种基于在线模板预测的红外行人跟踪方法。
技术介绍
红外目标跟踪是一种从红外图像序列或视频流中确定感兴趣的目标区域，并在连续视频帧中定位该目标的技术。红外目标跟踪技术可在低光照条件等恶劣环境下工作，因此广泛应用于夜间救援、战场环境侦察和视频监控等领域。但是，由于成像分辨率低、成像背景环境的复杂性以及行人运动的随意性带来的目标的尺度变化等不利因素，使得红外目标跟踪仍然面临许多挑战。近年来，基于孪生网络(SiameseNet)的跟踪技术以跟踪速度快、跟踪精度高而迅速成为本领域的主流跟踪方法。目前，基于孪生网络的跟踪算法主要包括两大类：基于全卷积孪生网络的目标跟踪算法(Fully-ConvolutionalSiameseNetworksforObjectTracking，Siam_FC)和基于孪生候选区域网络的高性能视觉跟踪算法(HighPerformanceVisualTrackingwithSiameseRegionProposalNetwork，本文档来自技高网...

【技术保护点】
1.一种基于在线模板预测的红外行人跟踪方法，其特征在于，包括如下步骤：/n步骤1：使用彩色图像构造红外训练数据集；/n步骤2：对训练数据集中的各个红外行人图像序列，根据数据集标注的目标位置信息，裁剪出目标图像，并将其大小归一化为127×127×1像素的单通道图像，获得相应的模板序列集合，生成模板训练数据集；/n步骤3：获得组合模板训练数据集，基于残差卷积结构，设计模板预测网络并训练；/n步骤4：利用训练好的模板预测网络和SiameseRPN实现红外行人跟踪。/n

【技术特征摘要】
1.一种基于在线模板预测的红外行人跟踪方法，其特征在于，包括如下步骤：
步骤1：使用彩色图像构造红外训练数据集；
步骤2：对训练数据集中的各个红外行人图像序列，根据数据集标注的目标位置信息，裁剪出目标图像，并将其大小归一化为127×127×1像素的单通道图像，获得相应的模板序列集合，生成模板训练数据集；
步骤3：获得组合模板训练数据集，基于残差卷积结构，设计模板预测网络并训练；
步骤4：利用训练好的模板预测网络和SiameseRPN实现红外行人跟踪。


2.根据权利要求1所述的一种基于在线模板预测的红外行人跟踪方法，其特征在于，对于步骤2得到的各个模板序列，根据下式构造一个具有时间和空间信息的组合模板序列；



其中，表示组合模板序列的第n帧，它是一幅三通道图像帧，其三个通道分别对应两个第一帧模板(I1)和一个第n帧模板(In)；表示第n帧组合模板的第c个通道...

【专利技术属性】
技术研发人员：郑丽颖，张晏博，赵硕，邴鑫阳，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙;23