一种基于条件对抗生成孪生网络的目标跟踪方法技术

一种基于条件对抗生成孪生网络的目标跟踪方法，其特征在于：所述方法包括下列步骤：（1）、获取实时视频数据进行数据预处理；（2）、将（1）步骤中预处理的数据输入至由条件对抗生成去模糊网络模块和全卷积孪生跟踪网络两部分组成的条件对抗生成孪生跟踪网络中；（3）、将对抗优化完成的条件对抗生成去模糊网络模块嵌入到反馈更新后的全卷积孪生跟踪网络框架中，使用线上组合完成的条件对抗生成孪生跟踪网络对预处理之后的实时视频数据，进行目标跟踪，获取目标位置。增强了跟踪网络的动态调节能力，提高了跟踪器的鲁棒性，采用迁移学习的方式对跟踪网络进行分离训练，防止了过拟合现象的出现，减少了训练时间，提高了跟踪网络的泛化能力。

【技术实现步骤摘要】
一种基于条件对抗生成孪生网络的目标跟踪方法
本专利技术涉及机器视觉与目标跟踪
，更具体的是涉及一种基于条件对抗生成孪生网络的目标跟踪方法。
技术介绍
目标跟踪是计算机视觉领域的重要研究课题之一，其主要任务是获取视频序列中感兴趣的目标的位置信息，实现对运动目标行为的分析和理解，为进一步的语义层分析(动作识别、场景识别等)提供基础，以便完成更高级的任务。目标跟踪作为计算机视觉领域中的中层和高层处理阶段，是对视频内容进行智能分析的重要技术手段，通过对视频帧序列中的感兴趣目标进行高维特征提取和空间坐标定位，获取感兴趣目标的运动规律，为深层次视频语义解析提供决策性依据。现有目标跟踪算法中主要分为基于人工特征的传统经典目标跟踪算法和基于深度特征的深度网络目标跟踪算法。传统目标跟踪算法广泛采用的人工特征总体可以分为灰度特、颜色特征和梯度特征。灰度特征是最简单和直观的特征表达方式，具有极高的计算效率，Bolme等提出MOSS目标跟踪算法，使用了灰度特征，速度达到了惊人的699FPS。颜色特征拥有丰富的表现力和较高的辨识度，目标姿态、尺度的变化不敏本文档来自技高网...

【技术保护点】
1.一种基于条件对抗生成孪生网络的目标跟踪方法，其特征在于：所述方法包括下列步骤：/n(1)、获取实时视频数据进行数据预处理；/n(2)、将(1)步骤中预处理的数据输入至由条件对抗生成去模糊网络模块和全卷积孪生跟踪网络两部分组成的条件对抗生成孪生跟踪网络中；/n(3)、将对抗优化完成的条件对抗生成去模糊网络模块嵌入到反馈更新后的全卷积孪生跟踪网络框架中，使用线上组合完成的条件对抗生成孪生跟踪网络对预处理之后的实时视频数据，进行目标跟踪，获取目标位置。/n

【技术特征摘要】
20191218 CN 20191130555411.一种基于条件对抗生成孪生网络的目标跟踪方法，其特征在于：所述方法包括下列步骤：
(1)、获取实时视频数据进行数据预处理；
(2)、将(1)步骤中预处理的数据输入至由条件对抗生成去模糊网络模块和全卷积孪生跟踪网络两部分组成的条件对抗生成孪生跟踪网络中；
(3)、将对抗优化完成的条件对抗生成去模糊网络模块嵌入到反馈更新后的全卷积孪生跟踪网络框架中，使用线上组合完成的条件对抗生成孪生跟踪网络对预处理之后的实时视频数据，进行目标跟踪，获取目标位置。


2.根据权利要求1所述的一种基于条件对抗生成孪生网络的目标跟踪方法，其特征在于：(2)步骤中的条件对抗生成孪生跟踪网络构建方法如下：
(2.1)获取历史视频数据集并对数据集进行数据预处理，得到所需要的训练数据；
(2.2)构建条件对抗生成孪生跟踪网络，条件对抗生成孪生跟踪网络由条件对抗生成去模糊网络模块和全卷积孪生跟踪网络两部分组成；
(2.3)采用迁移训练的方式对构建的条件对抗生成孪生跟踪网络进行线下分离训练，条件对抗生成去模糊网络模块使用联合损失函数对去模糊模块进行对抗博弈优化，全卷积孪生跟踪网络使用逻辑损失函数对跟踪网络参数进行迭代反馈更新。


3.根据权利要求书2中所述的一种基于条件对抗生成孪生网络的目标跟踪方法，其特征在于：步骤(2.1)包括：
(2.1.1)选取ILSVRCVID2015视频数据集作为全卷积孪生跟踪网络框架的训练数据，对其进行预处理后得到模板图像和搜索图像，选取GoPro模糊数据集作为条件对抗生成去模糊网络模块的训练数据，对其进行预处理得到清晰图像和模糊图像对。


4.根据权利要求书3中所述的一种基于条件对抗生成孪生网络的目标跟踪方法，其特征在于：
ILSVRCVID2015视频数据集预处理方法：，将ILSVRCVID2015视频数据集中视频帧的尺寸大小裁剪缩放到127×127，作为预处理之后的模板图像，具体步骤如下：
首先，对原始视频帧进行标注，根据标注框确定目标的中心位置和目标边界框的大小，然后在该原始视频帧上以目标中心位置为中心截取正方形区域，该正方形区域的尺寸大小为(w,h)，若选定的正方形区域大小超过了视频帧的边界范围，超出区域则以当前帧图像的RGB三通道均值进行填充，最后以尺度变换因子s缩放选定的正方形区域得到大小为127×127的模板图像。


5.根据权利要求书4所述的一种基于条件对抗生成孪生网络的目标跟踪方法，其特征在于：ILSVRCVID2015视频数据集预处理方法：将ILSVRCVID2015视频数据集中视频帧的尺寸大小裁剪缩放到255×255，作为预处理之后的搜索图像对，具体步骤如下：
首先需要在对应模板图像的边框上以当前帧图像RGB均值填充，增加额外的背景图像，得到尺寸大小为(w+2p)×(h+2p)+2×pad的正方形区域，其中pad＝(255-127)/2s，最后以相同的尺度变换因子s对选定的正方形区域进行缩放得到尺寸大小为255×255的搜索图像，其中，缩放因子s为：s×(w+2p)+s×(h+2p)＝1272，p为目标上下文余量，大小为p＝(w+h)/4。


6.根据权...

【专利技术属性】
技术研发人员：宋建辉，张甲，刘砚菊，于洋，
申请(专利权)人：沈阳理工大学，
类型：发明
国别省市：辽宁;21