预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113744314A(43)申请公布日2021.12.03(21)申请号202111037034.4(22)申请日2021.09.06(71)申请人郑州海威光电科技有限公司地址450001河南省郑州市高新技术产业开发区长椿路11号申请人郑州轻工业大学(72)发明人焦战威张焕龙张杰程利云陈德强(74)专利代理机构郑州优盾知识产权代理有限公司41125代理人张真真(51)Int.Cl.G06T7/246(2017.01)G06N3/08(2006.01)权利要求书2页说明书5页附图2页(54)发明名称一种基于目标-干扰感知的目标跟踪方法(57)摘要本发明提出了一种基于目标‑干扰感知的目标跟踪方法,用以解决现有目标感知由于忽略背景干扰物的影响,造成目标跟踪出现漂移的技术问题。其步骤为:给定第一帧图像的目标坐标信息并截取目标模板,并获取重要性权重;其次,根据重要性权重分别计算目标模板和第n帧搜索图像对应的目标‑干扰感知特征;最后,将两个目标‑干扰感知特征进行相关操作得到响应图,响应值最大处即为第n帧搜索图像的目标位置;重复上述操作,直至跟踪结束。本发明将目标感知与干扰感知整合在同一个框架,使得跟踪器同时从背景干扰与目标信息中受益,有效的防止了背景干扰带来的跟踪漂移问题,提高了目标跟踪的鲁棒性。CN113744314ACN113744314A权利要求书1/2页1.一种基于目标‑干扰感知的目标跟踪方法,其特征在于,其步骤如下:S1:针对视频序列中的第一帧图像,给定第一帧图像的目标坐标信息并截取目标模板,并根据第一帧图像、目标坐标信息和目标模板获取重要性权重;S2:根据重要性权重计算目标模板对应的目标‑干扰感知特征I;S3:针对第n帧搜索图像,根据重要性权重计算第n帧搜索图像对应的目标‑干扰感知特征II,其中,n≥2;S4:将目标‑干扰感知特征I与目标‑干扰感知特征II进行相关操作得到响应图,响应值最大处即为第n帧搜索图像的目标位置;S5:循环执行步骤三至步骤四,直至遍历视频序列,完成目标跟踪。2.根据权利要求1所述的基于目标‑干扰感知的目标跟踪方法,其特征在于,在步骤S1中,具体步骤为:S1.1、利用VGG‑16网络分别提取目标模板的深度特征I和第一帧图像的深度特征II;目标模板的深度特征I的获得方法为:将第一帧图像输入VGG‑16网络,分别输出VGG‑16网络中的conv4‑3层的第一特征图和conv4‑1层的第二特征图,将第一特征图和第二特征图进行拼接,得到第一帧图像的搜索特征,然后根据目标坐标信息从第一帧图像的搜索特征中截取目标图像的深度特征图,即为目标模板的深度特征I;S1.2、将深度特征I与深度特征II进行相关操作,得到候选目标与目标的相似度得分,并将相似度得分大于阈值的区域作为干扰物,标记干扰物的坐标信息;S1.3、构建单层网络,将第一帧图像、目标坐标信息和深度特征II均输入单层网络中,利用梯度下降法训练单层网络直至收敛,然后使用全局平均池化函数得到单层网络中每个通道的对于目标表征的重要性参数Δti;S1.4、将第一帧图像、干扰物坐标信息和深度特征II均输入单层网络中,利用梯度下降法训练单层网络直至收敛,然后使用全局平均池化函数得到单层网络中每个通道的对于干扰物表征的重要性参数Δdi;S1.5、将目标表征的重要性参数Δti和干扰物表征的重要性参数Δdi进行综合决策,得到每个通道的重要性权重。3.根据权利要求2所述的基于目标‑干扰感知的目标跟踪方法,其特征在于,在步骤S2中,将目标模板的深度特征I与每个通道的重要性权重相乘得到目标‑干扰感知特征I。4.根据权利要求2所述的基于目标‑干扰感知的目标跟踪方法,其特征在于,在步骤S3中,利用VGG‑16网络提取第n帧搜索图像的深度特征III,并将深度特征III与每个通道的重要性权重相乘得到目标‑干扰感知特征II。5.根据权利要求2所述的基于目标‑干扰感知的目标跟踪方法,其特征在于,所述候选目标与目标的相似度得分的计算方法为:其中,x目标模板的图像,z为第一帧图像,*为互相关操作,为从VGG‑16网络中提取图像特征图的操作。6.根据权利要求2所述的基于目标‑干扰感知的目标跟踪方法,其特征在于,每个通道的对于目标、干扰物表征的重要性参数的计算方法为:2CN113744314A权利要求书2/2页其中,Δi∈{Δti,Δdi}是第i个通道的重要性参数,i是通道索引,GAP(·)为全局平均池化函数,L为设计的损失函数,zi表示为第i个通道的特征。7.根据权利要求2所述的基于目标‑干扰感知的目标跟踪方法,其特征在于,单层卷积网络训练时的损失函数为:其中,W是网络权重,X是输入样本,Y是软标签,λ为正则化参数,T(·)是设