[发明专利]基于神经网络的图像目标跟踪算法

权利要求书

1.基于神经网络的图像目标跟踪算法，其特征在于，包括如下：

步骤一：使用收集的图像训练自编码器，得到神经网络；

训练的目标最小化下式(1)：

$W=\arg \underset{W}{min}\mathrm{\Σ}\left|\right|x-W^{T}Wx|{|}_2^2+\mathrm{\λ}\mathrm{\Σ}|\left|h\right|{|}_1---\left(1\right)$

其中：x表示神经网络的输入，W表示网络权值，h表示隐藏层的向量；

步骤二：预处理需要跟踪的图像序列，使用自编码器进行特征提取；

步骤三：使用滤波的方法对目标进行跟踪；

步骤四：根据每一帧的跟踪结果对跟踪器进行更新；

步骤五：根据跟踪效果动态调整更新参数。

2.根据权利要求1所述的算法，其特征在于，所述步骤一具体如下：

(1)、收集一系列具有明显特征的图像；

(2)、切割每个图像成多个小的图像块；

(3)、使用切割后的图像块训练自编码器；

(4)、训练出来的神经网络用于提取图像的特征向量。

3.根据权利要求1所述的算法，其特征在于，所述步骤二具体如下：将输入图像分割成M×N个图像块，使用训练得到的神经网络对每个图像块进行编码，得到一组特征向量。

4.根据权利要求1所述的算法，其特征在于，所述步骤三具体如下：使用窗函数过滤提取出特征向量，将特征向量映射到傅立叶域，使用第一帧图像的特征向量建立一个线性相关模型；对随后的每一帧图像，使用该模型预测目标对象在当前图像的位置。

5.根据权利要求1所述的算法，其特征在于，所述步骤四具体如下：根据目标对象新的位置对跟踪模型的参数进行调整，以适应目标对象的外形变化。

6.根据权利要求1所述的算法，其特征在于，所述步骤五具体如下：在跟踪过程中，如检测到目标对象外形变化速率较快，则提高上述步骤四中模型更新的速率，反之则降低该速率。