一种针对深度相关滤波目标跟踪算法的评测方法技术

一种针对深度相关滤波目标跟踪算法的评测方法，涉及计算机视觉技术。将基于深度相关滤波的目标跟踪算法分为五个独立的部分，即移动模型、特征提取器、相关滤波模型、相关滤波模板更新器、定位模型；并对这五个独立的部分单独进行评测，从而评测出各个部分对算法的影响大小；最后通过综合这五个部分的单独评测结果，实现对基于深度相关滤波的目标跟踪方法进行改进。所获得的评测结果能够直观的评测基于深度相关滤波的目标跟踪算法，可以进一步用于基于深度相关滤波的运动分割、特征匹配等计算机视觉领域的重要任务。在多个经典的深度相关滤波目标跟踪算法上进行实验验证，能够有效对算法进行评价，从而实现对算法性能评测与针对性提升。

【技术实现步骤摘要】
一种针对深度相关滤波目标跟踪算法的评测方法
本专利技术涉及计算机视觉技术，具体是涉及一种针对深度相关滤波目标跟踪算法的评测方法。
技术介绍
人类感知世界一个重要来源就通过图像信息，研究表明人类获取外界信息中大约有80％～90％的信息来自于人类眼睛获取的图像信息。目标跟踪是图像信息理解中的一个常见视觉任务。目标跟踪在实际生活中有着丰富的应用，比如可以在用户提供的视频序列中对感兴趣的目标进行实时的跟踪；会议或会场管理人员可以利用来自动化的目标跟踪系统分析会场人员的行动模式从而做出更好的决策。因此，运用计算机视觉实现自动目标跟踪具有重要的现实意义。目标跟踪是计算机视觉研究领域的热点之一，过去几十年以来，目标跟踪的研究取得了长足的发展。从经典的均值漂移(Meanshift)、粒子滤波(ParticleFilter)跟踪算法，到基于检测(TrackingByDetection)的跟踪算法及相关滤波(CorrelationFilter)的跟踪算法，再到最近基于深度学习(DeepLearning)的跟踪算法。最近取得的研究进展主要是基于深度相关滤波的本文档来自技高网...

【技术保护点】
1.一种针对深度相关滤波目标跟踪算法的评测方法，其特征在于包括以下步骤：/nA.将基于深度相关滤波的目标跟踪算法定义为五个独立部分，即深度特征提取器、提取运动模型、相关滤波模型、相关滤波更新器和定位模型；/nB.分别定义五个独立部分的基准，用于作为评判其余算法的标准之一，其中，深度特征提取器以VGG神经网络为基准，该VGG神经网络使用大型视觉识别数据集ILSVRC_DET进行预训练；ILSVRC_DET数据集包含45万张图片，总共拥有1000个类别，这些图像被标记有类别信息与目标位置；提取运动模型以6倍目标大小为基准；相关滤波模型以核相关滤波为基准；相关滤波更新器以每帧更新为基准；定位模型以两...

【技术特征摘要】
1.一种针对深度相关滤波目标跟踪算法的评测方法，其特征在于包括以下步骤：
A.将基于深度相关滤波的目标跟踪算法定义为五个独立部分，即深度特征提取器、提取运动模型、相关滤波模型、相关滤波更新器和定位模型；
B.分别定义五个独立部分的基准，用于作为评判其余算法的标准之一，其中，深度特征提取器以VGG神经网络为基准，该VGG神经网络使用大型视觉识别数据集ILSVRC_DET进行预训练；ILSVRC_DET数据集包含45万张图片，总共拥有1000个类别，这些图像被标记有类别信息与目标位置；提取运动模型以6倍目标大小为基准；相关滤波模型以核相关滤波为基准；相关滤波更新器以每帧更新为基准；定位模型以两个跟踪器协同定位的方式为基准；
C.将原始基于深度相关滤波的目标跟踪算法用于目标跟踪，使用长程跟踪视频数据集进行测试，同时，将五个独立部分分别替换为基准部分并使用该长程跟踪视频数据集分别进行测试；
D.对步骤C中得到的6次测试的结果进行记录，同时将结果进行比较，按照性能变化进行排序，从而对各个独立部分进行性能测试，实现对各个部分性能的评测，综合评测结果，实现对步骤A中定义的原始基于深度相关滤波的目标跟踪算法的评测。


2.如权利要求1所述一种针对深度相关滤波目标跟踪算法的评测方法，其特征在于在步骤A中，所述基于深度相关滤波的目标跟踪算法用于对给定视频中的目标进行跟踪，其中第一帧包含已标记的目标。


3.如权利要求1所述一种针对深度相关滤波目标跟踪算法的评测方法，其特征在于在步骤A中，所述深度特征提取器用于使用深度神经网络提取深度特征，运动模型用于定义跟踪目标可能出现的区域，相关滤波模型用于定义基于深度相关滤波的目标跟踪算法所使用相关滤波模型，相关滤波更新器用于定义相关滤波模型的更新方法，定位模型用于定位视频中最终跟踪目标的位置。


4.如权利要求1所述一...

【专利技术属性】
技术研发人员：王菡子，刘祎，梁艳杰，吴强强，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建;35