结合模板更新与轨迹预测的孪生网络目标跟踪方法技术

本发明专利技术公开了结合模板更新与轨迹预测的孪生网络目标跟踪方法，包括：通过预处理后的数据集离线训练得到目标跟踪模型，当前帧通过目标跟踪模型提取图像特征，将其与模板图像进行比对，从而确定下一帧待跟踪目标在图像中的位置信息，在整个目标跟踪过程中，对于模板图像进行在线更新，持续迭代更新模板图像特征，同时根据历史帧中目标运动位置变化信息，利用卡尔曼滤波方法进行轨迹预测，实现对于单目标的稳定跟踪。的稳定跟踪。的稳定跟踪。

【技术实现步骤摘要】
结合模板更新与轨迹预测的孪生网络目标跟踪方法


[0001]本专利技术属于目标跟踪方法
，涉及结合模板更新与轨迹预测的孪生网络目标跟踪方法。

技术介绍

[0002]目标跟踪作为计算机视觉领域的一个重要分支，在自动驾驶、人机交互、智能交通等方面获得了越来越广泛的应用。目标跟踪技术旨在通过跟踪过程获得目标的实时位置、运动轨迹、运动速度以及加速度等相关参数，并以此为基础进行高级视觉任务分析，从而实现对目标行为的理解。现有的目标跟踪方法根据观察模型的不同可以分为生成式方法和判别式方法。生成式方法只关注目标本身，而判别式方法则将目标周围的背景区域也作为关注对象进行针对性训练，因此判别式方法可以更好的处理目标周围环境较为复杂的场景。近年来深度学习的发展，使得基于深度学习的判别式目标跟踪算法取得了显著成就。以孪生网络结构为基础的目标跟踪算法是典型的基于深度学习的判别式目标跟踪方法，孪生网络指基于两个人工神经网络建立的耦合构架，Bertinetto等人提出的全卷积孪生网络(Fully
‑
Convolutional Siamese Netw本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.结合模板更新与轨迹预测的孪生网络目标跟踪方法，其特征在于，包括以下步骤：步骤1、建立目标跟踪模型，所述目标跟踪模型包括特征提取分支、正负样本分类分支及位置信息回归分支；步骤2、框选初始帧图像x0目标边界框，在所述初始帧图像x0目标边界框的中心位置裁剪得到模板图像，并进行模板图像的特征提取，得到模板图像特征；步骤3、初始化卡尔曼滤波器，将所述初始帧图像x0目标边界框的中心位置输入卡尔曼滤波器，预测得到下一帧图像x
t,t＝1
…
n
目标中心位置；步骤4、获取下一帧图像x
t
，根据前一帧图像x
t
‑1目标边界框的中心位置和当前帧图像x
t
目标中心位置融合出当前帧图像x
t
的目标搜索中心位置，在所述目标搜索中心位置裁剪得到搜索图像，对所述搜索图像进行特征提取，得到搜索图像特征；步骤5、将所述模板图像特征与搜索图像特征进行互相关操作，得到响应图；将所述响应图分输入目标跟踪模型中得到当前帧图像x
t
的分类图和回归图，利用余弦窗和尺度变化惩罚平滑目标运动，然后根据分类图中得分最高的位置在回归图中选取对应的回归位置信息，预测得到当前帧图像x
t
目标边界框；步骤6、根据所述响应图判断是否需要进行模板图像更新；若需要，则在当前帧图像x
t
目标边界框的中心位置裁剪得到模板图像，并提取模板图像特征，更新模板图像特征；否则不进行更新；步骤7、获取所述当前帧图像x
t
目标边界框信息，将其转化为图像的位置和尺度信息，输入卡尔曼滤波器，预测得到下一帧图像x
t+1
中目标的轨迹位置，并确定下一帧图像x
t+1
目标中心位置；若跟踪完成，结束跟踪；否则进行下...

【专利技术属性】
技术研发人员：贺王鹏，胡德顺，周悦，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：