基于多层深度特征的分块跟踪算法制造技术

本发明专利技术提供了一种基于多层深度特征的分块跟踪算法，采用深度卷积网络VGG‑19提取目标的卷积特征，在核相关滤波跟踪框架进行跟踪；采用DPM进行目标状态的估计，对高层表观模型和低层表观模型进行加权组合，根据分块方案对两类表观模型采用不同的更新策略。本发明专利技术采用可变形分块模型实现抗遮挡的分块跟踪，具有很好的跟踪精度和鲁棒性，充分利用了深度卷积特征的表达能力，跟踪性能优异，可变形分块模型有效提高了算法的抗遮挡性能。

【技术实现步骤摘要】
基于多层深度特征的分块跟踪算法
本专利技术涉及视觉跟踪领域，特别涉及一种分块跟踪算法。
技术介绍
近年来，深度学习在图像分类、目标检测领域取得巨大的成功，研究者希望利用深度学习优秀的特征提取和目标表达能力提高目标跟踪算法的性能。WangNaiyan等人(AlexKrizhevsky,IlyaSutskever,GeoffreyE.Hinton.2012.AnnualConferenceonNeuralInformationProcessingSystems,LakeTahoe,Nevada,1106.)提出用大量的辅助数据采用无监督方式训练一个栈式去噪自编码器，在跟踪过程中用自编码器的编码部分提取特征。DeepTrack(H.Li,Y.Li,F.Porikli.2014.BritishMachineVisionConference,Nottingham,UK,1.)算法将目标跟踪看做前背景分类问题，采用三层卷积神经网络构建分类器，以完全在线的方式学习目标特征。利用预训练CNN得到目标显著图，通过在线学习支持向量机得到跟踪结果(LijunWang本文档来自技高网...

【技术保护点】
1.一种基于多层深度特征的分块跟踪算法，其特征在于包括以下步骤：/n步骤1，采用深度卷积网络VGG-19提取目标的卷积特征，在核相关滤波跟踪框架进行跟踪；/n步骤2，采用DPM进行目标状态的估计，对高层表观模型和低层表观模型进行加权组合，根据分块方案对两类表观模型采用不同的更新策略。/n

【技术特征摘要】
1.一种基于多层深度特征的分块跟踪算法，其特征在于包括以下步骤：
步骤1，采用深度卷积网络VGG-19提取目标的卷积特征，在核相关滤波跟踪框架进行跟踪；
步骤2，采用DPM进行目标状态的估计，对高层表观模型和低层表观模型进行加权组合，根据分块方案对两类表观模型采用不同的更新策略。


2.根据权利要求1所述的基于多层深度特征的分块跟踪算法，其特征在于：所述的核相关滤波跟踪框架包括目标位置估计和表观模型训练；第一帧中目标状态由人工给定，据此提取目标特征，训练目标的判别式表观模型(α1,x1)，α1为滤波器系数，x1为目标的特征表示；第二帧图像到来时，利用上一帧的表观模型计算滤波响应图，图中最大值处即为目标位置，然后对表观模型进行更新，开始下一帧的跟踪，如此迭代。


3.根据权利要求1所述的基于多层深度特征的分块跟踪算法，其特征在于：所述的采用DPM进行目标状态的估计，利用VGG-19的conv3-4、conv4-4和conv5-4三个卷积层提取特征，建立多个尺度上的目标表观模型；将目标在行和列方向上规则地划分为n个矩形块，则DPM由n+1个元素{F,P1,...,Pn}组成，F＝{(αt,xt)c4,(αt,xt)c5}为根节点滤波器表观模型，包含了由conv4-4层、conv5-4层卷积特征训练的两个KCF表观模型；Pi＝{(αt,xt)c3_i,ri,di}为第i个分块的模型，(αt,xt)c3_i表示该分块的conv3-4层卷积特征训练的KCF表观模型，ri为2维向量，表示第i个分块的中心相对于目标中心的坐标，称为锚点位置，di为4维向量，定义了在检测阶段，第i个分块相对锚点位置产生偏...

【专利技术属性】
技术研发人员：王暐，孔祥通，王维强，李嘉，陆永安，张波，刘传玲，周铁军，张华，付飞亚，张乐，计宇，
申请(专利权)人：中国人民解放军六三八七五部队，
类型：发明
国别省市：陕西;61