【技术实现步骤摘要】
基于深度卷积特征自适应集成的目标跟踪方法
本专利技术属于图像处理
，更进一步涉及计算机视觉图像处理
中的一种基于深度卷积特征和自适应集成的目标跟踪方法。本专利技术采用一种基于深度卷积特征自适应集成相关滤波器的方法，实现视频监控、医疗保健、智能交通、机器人导航、人机交互、虚拟现实等领域的运动目标跟踪。
技术介绍
目标跟踪的主要任务是估计视频中目标的轨迹，即从视频图像序列中检测出待跟踪的运动目标，进而在每一帧图像中确定出运动目标的位置。目标跟踪最流行的方法之一是检测跟踪，检测跟踪通常根据判别式学习模型，在线学习一个二进制分类器将目标和背景分离。这类方法的目标是设计一个鲁棒的分类器，动态捕捉目标和背景的差异性特征，适应跟踪过程中的视角、光照、姿态等变化。西安电子科技大学在其拥有的专利技术“基于深度卷积特征分层响应融合的目标跟踪方法”(专利申请号201910341675.5，授权公告号CN110084836A)中公开了一种基于深度卷积特征分层响应融合的目标跟踪方法。该方法的步骤是，使用卷积神经网络提取多通道的目标...
【技术保护点】
1.一种基于深度卷积特征自适应集成的目标跟踪方法，其特征在于，利用集成矢量对目标区域多通道的深度卷积特征进行自适应集成，对集成矢量在线更新，使特征表达符合当前帧的目标特性，该方法具体步骤包括如下：/n(1)提取深度卷积特征：/n(1a)从含有待跟踪目标视频图像序列中选取一帧未选过的图像作为当前帧；/n(1b)将当前帧中含有目标的区域内所有像素输入到卷积神经网络VGG-19中，将该网络的第10层、第28层、第37层输出的3个通道特征拼接为一个目标区域多通道的深度卷积特征；/n(2)计算核相关滤波器：/n(2a)计算当前帧当前迭代的核相关滤波器；/n(2b)按照下式，计算当前帧...
【技术特征摘要】
1.一种基于深度卷积特征自适应集成的目标跟踪方法，其特征在于，利用集成矢量对目标区域多通道的深度卷积特征进行自适应集成，对集成矢量在线更新，使特征表达符合当前帧的目标特性，该方法具体步骤包括如下：
(1)提取深度卷积特征：
(1a)从含有待跟踪目标视频图像序列中选取一帧未选过的图像作为当前帧；
(1b)将当前帧中含有目标的区域内所有像素输入到卷积神经网络VGG-19中，将该网络的第10层、第28层、第37层输出的3个通道特征拼接为一个目标区域多通道的深度卷积特征；
(2)计算核相关滤波器：
(2a)计算当前帧当前迭代的核相关滤波器；
(2b)按照下式，计算当前帧当前迭代的集成矢量；
其中，dj表示当前帧第j次迭代的集成矢量，表示求平方根操作，p表示当前帧的深度卷积特征，*表示复共轭操作，⊙表示点乘操作，αj表示当前帧第j次迭代的核相关滤波器，T表示转置操作，v表示含有目标区域的标签，λ表示正则系数；
(2c)计算当前帧当前迭代的最小二乘目标损失差值；
(2d)判断当前迭代的最小二乘目标损失差值是否满足终止条件，若是，则执行步骤(2e)，否则，将j+1作为当前帧当前迭代次数后执行步骤(2a)；
(2e)使用核相关滤波器更新公式更新当前帧的核相关滤波器；
(3)使用下述集成矢量更新公式，更新当前帧的集成矢量；
其中，dt'表示当前帧更新后的集成矢量，ε表示取值0.01集成矢量学习率，k表示深度卷积特征点乘复共轭的深度卷积特征操作，αt-1表示前一帧的核相关滤波器，αt表示当前帧的核相关滤波器；
(4)利用自适应集成计算公式预测当前帧图像的目标位置：
(4a)使用自适应集成计算公式，分别计算当前帧以及前一帧的深度卷积特征加权集成后得到的目标集成特征；
(4b)使用响应矩阵计算公式，计算核相关滤波器在当前帧目标集成特征上产生的响应矩阵；
(4c)将响应矩阵中最大元素的位置作为当前帧待跟踪目标的中心位置；
(5)使用深度卷积特征更新公式更新当前帧的深度卷积特征；
(6)判断是否选完含有待跟踪目标视频图像序列中的所有帧图像，若是，则执行步骤(7)，否则，执行步骤(1)；
(7)将迭代终止时当前帧的目标中心位置作为待跟踪目标的中心位置。
2.根据权利要求1所述的基于深度卷积特征自适应集成的目标跟踪方法，其特征在于，步骤(2a)中所述计算当前帧当前迭代的核相关滤波器是由下式得到的；
其中，dj-1表示当前帧第j-1次迭代的集成矢量，d0表示当前帧第j＝1次迭...
【专利技术属性】
技术研发人员：田小林，张艺帆，李娇娇，高文星，王露，杨坤，焦李成，
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
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。