一种基于柔性卷积的单目标跟踪方法技术

本发明专利技术实施例提供了一种基于柔性卷积的单目标跟踪方法，构建柔性卷积网络模型，所述柔性卷积网络模型包括共享层和特定域层，利用数据集对所述柔性卷积网络模型进行训练，所述方法包括：S1、获取原始视频序列，进行预处理；S2、将预处理后的视频序列输入柔性卷积网络模型，所述共享层通过卷积操作获取目标的共享特征，将共享特征输入特定域层进行目标与背景的二分类，然后再进行柔性RoI池化选择候选目标区域，并利用损失函数提高候选目标区域的精度，从而实现单目标跟踪。本发明专利技术实施例利用了基于柔性卷积的单目标跟踪方法，有效的改善了单目标跟踪中物体容易发生形变的问题，同时RoI池化提高候选目标区域的精度。

【技术实现步骤摘要】
一种基于柔性卷积的单目标跟踪方法
本专利技术涉及计算机视觉
，尤其涉及一种基于柔性卷积的单目标跟踪方法。
技术介绍
单目标跟踪技术是指在初始状态，给定任意待跟踪目标，在视频序列中识别和定位给定目标的技术。单目标跟踪技术一直是计算机视觉领域的研究热点，其能广泛应用在视频监控，无人驾驶和人机交互等多个领域。由于物体在运动过程中容易发生形变(比如：尺度变化，旋转、姿态变化等)，现有技术采用的单目标跟踪方法很难解决这一问题使得跟踪效果不佳。如：传统深度学习使用的是传统的卷积方式进行特征提取，传统卷积是规则的固定几何大小的，如3*3大小，5*5大小等，其采样出来的区域也是固定几何大小的区域，基于传统的单目标跟踪算法使用传统卷积操作进行特征提取，然后通过相应的跟踪模型进行目标跟踪，如MDNet单目标跟踪算法使用的就是传统的卷积方法实现跟踪的。传统的卷积神经网络对不同的特征图都采用相同的卷积操作，采样的像素点位置固定，使得采样出来的信息包括很多背景特征，不能自适应物体的特征。
技术实现思路
本专利技术的实施例提供了一种基于柔本文档来自技高网...

【技术保护点】
1.一种基于柔性卷积的单目标跟踪方法，其特征在于，构建柔性卷积网络模型，所述柔性卷积网络模型包括共享层和特定域层，利用数据集对所述柔性卷积网络模型进行训练，所述方法包括：/nS1、获取原始视频序列，进行预处理；/nS2、将预处理后的视频序列输入柔性卷积网络模型，所述共享层通过卷积操作获取目标的共享特征，将共享特征输入特定域层进行目标与背景的二分类，然后再进行柔性RoI池化选择候选目标区域，并利用损失函数提高候选目标区域的精度，从而实现单目标跟踪。/n

【技术特征摘要】
1.一种基于柔性卷积的单目标跟踪方法，其特征在于，构建柔性卷积网络模型，所述柔性卷积网络模型包括共享层和特定域层，利用数据集对所述柔性卷积网络模型进行训练，所述方法包括：
S1、获取原始视频序列，进行预处理；
S2、将预处理后的视频序列输入柔性卷积网络模型，所述共享层通过卷积操作获取目标的共享特征，将共享特征输入特定域层进行目标与背景的二分类，然后再进行柔性RoI池化选择候选目标区域，并利用损失函数提高候选目标区域的精度，从而实现单目标跟踪。


2.根据权利要求1所述的方法，其特征在于，所述柔性卷积网络模型包括共享层和域特定层，其中，所述共享层包括3个卷积层conv1-3和2个全连接层fc4-5，每个全连接层有512个输出单元，每两个相邻卷积层之间和两个全连接层之间分别有relu和pooling层；
所述特定域层为柔性卷积网络模型中全连接层fc61-fc6K，所述全连接层fc61-fc6K对应有K个域，每个域都包含一个具有softmax交叉熵函数的二值分类层，负责区分每个域中的目标和背景。


3.根据权利要求2所述的方法，其特征在于，所述softmax交叉熵函数公式如下：



其中，i1为输入，j1为输入的个数，e取2.7。


4.根据权利要求1所述的方法，其特征在于，所述共享层通过卷积操作获取目标的共享特征，包括：
采用柔性卷积操作，在输入特征映射x上使用规则网格...

【专利技术属性】
技术研发人员：王涛，李浥东，李孟华，郎丛妍，冯松鹤，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11