【技术实现步骤摘要】
一种结合高低空间频率特征的目标跟踪方法、介质及系统
本专利技术属于计算机视觉
，特别涉及高低空间频率的特征提取的目标跟踪方法。
技术介绍
跟踪是计算机视觉领域的一个基本的任务，在近十年来受到了广泛的关注。它旨在只通过最初帧的目标的位置信息，对后续的目标在一个视频序列中的位置进行定位。跟踪在人机交互，视频标记，自动驾驶等领域具有广泛的应用。目前的跟踪器分为两个分支。其一，是基于相关滤波器的目标跟踪方法。如COT、ECO等方法。相关滤波方法可以进行在线训练和离线的权重更新。结合深度特征后的相关滤波方法能够进一步提升精度。目前，利用深度学习相关滤波方法在OTB数据集上仍然是性能较强的方法之一。另一类跟踪器使用的是较强的深度特征对目标进行定位，并取得了较高的精度。如MDNet、CFNet、SiamFC等方法。一般情况下，这类跟踪器的提取特征的网络部分的权重是不更新的。最近的利用深度特征进行跟踪的方法，都是旨在离线训练一个鲁棒性较强的特征网络参数，再通过在线跟踪的方式获取目标的位置。但是大多数跟踪器均使用AlexNet作为特征网...
【技术保护点】
1.一种结合高低空间频率特征的目标跟踪方法，其特征在于，包括以下步骤：/nS1、首先输入原始视频图像序列，并根据原始图像序列所提供的第一帧的目标真值图剪切出目标图像真值和搜索区域图像序列，采用高低空间频率卷积对图像序列进行特征提取，得到每层的高频特征分量和低频特征分量，提取的特征作为判断后续跟踪目标的特征；/nS2、其次，对每层的高频特征分量和低频特征分量进行信息交换，最终输出特征加强后的跟踪序列特征值；/nS3、再次，根据高低空间频率特征网络提取的目标图像和搜索图像序列特征，利用相关性计算获取目标真值特征和搜索区域特征的相关性图；/nS4、最后通过区域建议网络进行再处理，...
【技术特征摘要】
1.一种结合高低空间频率特征的目标跟踪方法，其特征在于，包括以下步骤：
S1、首先输入原始视频图像序列，并根据原始图像序列所提供的第一帧的目标真值图剪切出目标图像真值和搜索区域图像序列，采用高低空间频率卷积对图像序列进行特征提取，得到每层的高频特征分量和低频特征分量，提取的特征作为判断后续跟踪目标的特征；
S2、其次，对每层的高频特征分量和低频特征分量进行信息交换，最终输出特征加强后的跟踪序列特征值；
S3、再次，根据高低空间频率特征网络提取的目标图像和搜索图像序列特征，利用相关性计算获取目标真值特征和搜索区域特征的相关性图；
S4、最后通过区域建议网络进行再处理，得到分类特征和回归特征，将分类特征定位的目标位置通过回归特征参数进行修正，得到所要跟踪的目标位置。
2.根据权利要求1所述的一种结合高低空间频率特征的目标跟踪方法，其特征在于，所述步骤S1中对输入的原始视频图像序列的剪切，是对视频序列第一帧所提出的目标位置进行剪切，以前一帧预测的目标位置2倍区域做搜索区域图像序列进行剪切，这样就可以通过特征提取网络得到所需跟踪目标的特征图和后续跟踪过程中搜索区域的特征图。
3.根据权利要求1或2所述的一种结合高低空间频率特征的目标跟踪方法，其特征在于，所述步骤S1中的高低空间频率提取特征，是对剪切后的图像的通道特征进行处理的方法，具体包括：首先经过层普通卷积计算，将输入的图像通道扩张为c，c为一般的特征提取网络的卷积操作后产生的特征通道数目，c1为高频卷积处理的通道数，c2为低频卷积处理的通道数，其中，满足c＝c1+c2。即通过对一般卷积网络产生的多通道特征进行分区处理，高频卷积处理方式同一般特征提取相同，低频卷积是对第一层卷积输出进行下采样后，再进行正常卷积操作的方式。
4.根据权利要求3所述的一种结合高低空间频率特征的目标跟踪方法，其特征在于，所述步骤S2中将高低特征进行信息交换，是通过特征提取网络的第一块卷积所得到的特征张量X，将通道总数量c分为c1个通道特征和c2个通道特征，c1个通道特征作为高频卷积的特征分量XH输入，c2个通道特征作为低频卷积的特征分量XL输入，通过卷积计算后，将高频和低频分量的特征输出分解为Y＝{YH，YL}，通过上下采样，统一高低频采样卷积计算输出后的空间分辨率，输出的特征可以表示为：
式(1)中，YH→H和YL→L表示高低频卷积计算后，相同空间分辨率的特征信息传递，YH→L和YL→H表示高低频信息交换。
5.根据权利要求4所述的一种结合高低空间频率特征的目标跟踪方法，其特征在于，为了运算新卷积的输出特征张量，设有卷积核W＝{WH→H，WL→H，WL→L，WH→L}，用来负责对输入特征XL和XH进行卷积，因此，用特征计算可以细化为：
式(2)中，f(X；W)表示与参数W的卷...
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。