基于形变样本生成网络的目标跟踪算法制造技术

基于形变样本生成网络的目标跟踪算法，利用卷积神经需要大数据集训练的特性，提出一种形变生成对抗网络，来增加训练的形变样本，从而使得跟踪器更好地分辨形变目标，达到较高的准确度和鲁棒性，该跟踪器能适应多种场景，有着广泛的应用前景。

Target tracking algorithm based on deformation sample generation network

【技术实现步骤摘要】
基于形变样本生成网络的目标跟踪算法
本专利技术属于计算机视觉的目标跟踪领域，更具体地，涉及一种深度学习方法来对形变目标自适应的目标跟踪算法即基于形变样本生成网络的目标跟踪算法。
技术介绍
随着计算机网络、信息存储技术、成像技术、计算机处理能力和数字通信等相关科学的迅速发展，使得现实世界的信息可以通过计算机视觉系统将其转变为计算机可以处理的数字信息。一个典型的计算机视觉系统一般分为目标检测、目标跟踪、目标行为识别和目标行为分析这四个步骤。其中目标跟踪是其中一个十分重要的研究方向，并且被应用于多个领域中，如：无人驾驶，人机交互和视频监控等方面。目前常用的目标跟踪算法主要分为两类：生成式和判别式目标跟踪算法。生成式目标跟踪算法是指利用上一帧得到的信息，在视频的下一帧，通过匹配的方法，来选择与目标最相似的候选样本，相似度最高的最为本帧跟踪的目标。判别式方法可以看做是一个二分类问题，即将目标与背景信息分开，从而获得我们要跟踪的目标物体。Henriques等人利用了核相关滤波器（KCF）实现了一个很好的跟踪性能；Bolme等人利用最小输出误差平方和本文档来自技高网...

【技术保护点】
1.基于形变样本生成网络的目标跟踪算法，其特征在于：具体方案如下：/n训练过程如下：/n（1）特征提取/n在特征提取部分，采用VGG-M网络，采用三层卷积层对输入的视频帧提取特征图，输入图片的大小为107×107（单位为像素）；/n（2）形变样本生成/n利用前三层卷积层生成目标的特征图，输入到形变样本生成网络(DSGN)；/n形变样本生成网络的主体是由三部分组成，第一部分是三层全连接层，用于生成形变样本参数；第二部分是网格生成器，主要用于将生成的形变样本参数生成网格；第三部分是采样器，用于将生成的网格与输入的特征图结合，从而生成形变样本；/n利用与最后分类器相反的损失函数（loss），对网络进...

【技术特征摘要】
1.基于形变样本生成网络的目标跟踪算法，其特征在于：具体方案如下：
训练过程如下：
（1）特征提取
在特征提取部分，采用VGG-M网络，采用三层卷积层对输入的视频帧提取特征图，输入图片的大小为107×107（单位为像素）；
（2）形变样本生成
利用前三层卷积层生成目标的特征图，输入到形变样本生成网络(DSGN)；
形变样本生成网络的主体是由三部分组成，第一部分是三层全连接层，用于生成形变样本参数；第二部分是网格生成器，主要用于将生成的形变样本参数生成网格；第三部分是采样器，用于将生成的网格与输入的特征图结合，从而生成形变样本；
利用与最后分类器相反的损失函数（loss），对网络进行训练；
分类器损失函数为：



其中，y为真值，X为输入图片的特征图，f(x)为分类器的输入；
形变样本生成网络这一部分的训练loss为：



具体做法为：交替训练形变样本生成网络和分类器，将最后训练分类器的loss的负数作为训练形变样本生成网络的loss，这样的目的是当形变样本生成网络生成的形变样本容易被分类器分类时，分类器会产生一个较小的loss，传给形变生成网络时为-loss,此时会对形变样本生成网络产生一个较大的loss，从而令形变样本生成网络生成更难分辨的形变样本，当更难分辨的形变样...

【专利技术属性】
技术研发人员：周圆，李孜孜，咸良，杜晓婷，李鸿儒，
申请(专利权)人：天津大学青岛海洋技术研究院，
类型：发明
国别省市：山东;37