【技术实现步骤摘要】
目标跟踪自校正方法、系统、介质、设备、终端及应用
本专利技术属于目标跟踪
,尤其涉及一种目标跟踪自校正方法、系统、介质、设备、终端及应用。
技术介绍
目前:目标跟踪在过去几十年中备受关注,并且广泛应用于诸如监视,机器人技术和人机交互等众多视觉应用中。近年来,由于标准化基准的构建和业界的需求,视频目标跟踪技术得以飞速发展,其中不乏各类优秀算法,其代表算法包括基于相关滤波类、基于深度学习类等。相关滤波最早被应用于信号处理领域计算两个信号的相关程度,其将时域上的计算转到频域,可以极大减少运算量,实现算法实时跟踪。基于深度学习的目标跟踪算法具有强的普适性和有效性,近年来基于孪生网络的跟踪算法得到了广泛发展。基于孪生网络的跟踪器将跟踪问题视为互相关问题,首先训练一个连接两个网络分支的神经网络,然后从两个分支的互相关中产生相似性图,一个用于对象模板,另一个用于搜索区域。该类跟踪算法具有跟踪速度快,准确率高的优点。然而,其研究中的诸多挑战也困扰着众多研究人员,如光照变化、尺度变化、快速变形、运动模糊、背景斑杂和目标遮挡等都会影响跟踪器性能。尤其是当目标跟踪丢失后,后续场景难以跟踪到正确的目标。此类因素严重影响了目标跟踪的准确性。通过上述分析,现有技术存在的问题及缺陷为:目前跟踪场景中的干扰因素会影响跟踪结果,很容易导致跟踪失效,且当跟踪失效后难以重新找到目标,缺乏有效的校正方法使得跟踪器重新获得正确的目标位置。解决以上问题及缺陷的难度为:如何有效地判断出跟踪失效的场景以及校正跟踪结果。解决以上 ...
【技术保护点】
1.一种目标跟踪自校正方法,其特征在于,所述目标跟踪自校正方法包括:/n选择孪生网络跟踪算法SiamFC++作为基本跟踪算法,通过分类分支与回归分支计算搜索帧与模板帧的相似度,得到模板帧与搜索帧的深度特征相似度图;/n取出相似度最高的10个目标位置,计算两两之间的欧氏距离,画出距离分布直方图,根据直方图的分布规律判断跟踪是否失效;/n当判断出发生跟踪失效后,计算前帧目标与当前帧中候选目标间的相似度,取相似度最高的目标为校正后目标;/n计算跟踪结果与目标真实位置之间的误差,计算准确率,对跟踪结果进行评价。/n
【技术特征摘要】
1.一种目标跟踪自校正方法,其特征在于,所述目标跟踪自校正方法包括:
选择孪生网络跟踪算法SiamFC++作为基本跟踪算法,通过分类分支与回归分支计算搜索帧与模板帧的相似度,得到模板帧与搜索帧的深度特征相似度图;
取出相似度最高的10个目标位置,计算两两之间的欧氏距离,画出距离分布直方图,根据直方图的分布规律判断跟踪是否失效;
当判断出发生跟踪失效后,计算前帧目标与当前帧中候选目标间的相似度,取相似度最高的目标为校正后目标;
计算跟踪结果与目标真实位置之间的误差,计算准确率,对跟踪结果进行评价。
2.如权利要求1所述的目标跟踪自校正方法,其特征在于,所述选择孪生网络跟踪算法SiamFC++作为基本跟踪算法,对模板帧与搜索帧提取深度特征并做互相关操作,得到模板帧与搜索帧的深度特征相似度图具体包括:
1)特征提取:跟踪序列中第一帧为模板帧,需要跟踪的图像为搜索帧,将模板图像I1与当前搜索图像I2输入相同的特征提取网络,得到模板特征F1与搜索特征F2,选择GoogleNet网络为特征提取网络;
2)互相关计算相似度得分:将模板特征F1与搜索特征F2输入分类与回归支路,使用F1作卷积核与F2做互相关计算,分类支路得到目标中心位置的相似度图S,S中相似度最大点即为目标中心点位置(x1,y1),回归分支得到四条边框距离中心点位置,二者综合得到相似度图,相似度计算定义如下:
fi(z,x)=ψi(φ(z))*ψi(φ(x)),i∈{cls,reg};
式中z代表模板帧,x代表搜索帧,*代表互相关操作,φ(.)代表特征提取过程,ψi(.)代表分类分支或回归分支,i代表子任务类型,其中cls代表分类支路,reg代表回归支路;
3)图像尺寸:模板帧根据目标位置裁剪大小为127*127,搜索帧根据前帧目标位置裁剪大小为303*303,将裁剪后图像输入特征提取网络,得到模板特征大小为3*3*256,其中256是特征维度,3*3是每一维度特征图尺寸,搜索模板大小为27*27*256,其中256是特征维度,27*27是每一维度特征图尺寸,将二者做互相关后,得到的相似度图大小为19*19。
3.如权利要求1所述的目标跟踪自校正方法,其特征在于,所述取出相似度最高的10个目标位置,计算两两之间的欧氏距离,画出距离分布直方图,根据直方图的分布规律判断跟踪是否失效具体包括:
1)距离分布直方图:根据相似度图S得到相似度最高的位置S1的坐标为(x1,y1),依此类推,相似度为第M高的位置SM坐标为(xM,yM),取M=10,上一帧中相似度最高的位置S'1为(x'1,y'1),距离分布P定义如下:
P={D12,D13,…D(M-1)M};
其中
作出距离分布P的分布直方图H={H1,H2,…Hn},其中n为直方图的组数,Hi代表第i组的频率;
2)U型分布:当直方图H呈现“U”型分布,即H1、Hn频率较大,此时判决算法认为目标跟踪可能失效,此时进一步判断,取H1>0.3,Hn>0.3,n=10;
3)距离判断:当距离分布呈现“U”型分布时,说明场景中出现了相似物,产生干扰,对前10个目标的位置聚类,聚类中心分别为目标位置与相似物体位置,其中距离S′1距离近位置为目标位置;
跟踪中第f帧目标中心点位置为(xf,yf),相似物中心点坐标为(x'f,y'f),第f+1帧目标中心点位置为(xf+1,yf+1),相似物中心点坐标为(x'f+1,y'f+1),则定义目标距离为Df,转移距离为D'f,二者定义为:
若Df>Df',则目标发生跟踪失效,反之未发生失效。
4.如权利要求1所述的目标跟踪自校正方法...
【专利技术属性】
技术研发人员:张建龙,李桥,何建辉,王斌,崔梦莹,刘池帅,郭鑫宇,时国强,方光祖,余鑫城,
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。