[发明专利]一种深度卷积神经网单目标跟踪方法、设备及存储设备

权利要求书

1.一种深度卷积神经网单目标跟踪方法，所述方法由一种深度卷积神经网单目标跟踪设备实现，其特征在于：包括以下步骤：对深度卷积神经网络进行预训练；训练后得到深度卷积神经网络模型参数；根据模型参数得到训练后的深度卷积神经网络；初始化训练后的深度卷积神经网络模型的末端网络层以突出跟踪目标特征；获取训练后并初始化后的深度卷积神经网络模型；通过高斯分布融合光流特征点来简化跟踪目标；将简化的跟踪目标输入训练后并初始化后的深度卷积神经网络模型得到输出结果；训练回归模型用于修正所述输出结果得到修正结果；使用修正结果更新深度卷积神经网络模型参数,得到最新的深度卷积神经网络模型。

2.如权利要求1所述的一种深度卷积神经网单目标跟踪方法，其特征在于：所述深度卷积神经网络模型参数为{W₁,……,W₅}。

3.如权利要求1所述的一种深度卷积神经网单目标跟踪方法，其特征在于：所述初始化深度卷积神经网络的末端网络层具体包括：根据具体的跟踪目标来初始化深度卷积神经网络模型参数W₆。

4.如权利要求1所述的一种深度卷积神经网单目标跟踪方法，其特征在于：所述回归模型为bounding box回归模型。

5.如权利要求1所述的一种深度卷积神经网单目标跟踪方法，其特征在于：所述通过高斯分布融合光流特征点来简化跟踪目标具体包括：首先根据上一帧跟踪结果通过高斯分布来选取一些候选框，然后通过两帧之间的光流特征点来筛选出更有效的目标候选框，最后通过网络计算置信度确定跟踪结果。

6.如权利要求1所述的一种深度卷积神经网单目标跟踪方法，其特征在于：所述更新深度卷积神经网络模型参数具体为：使用历史跟踪结果更新深度卷积神经网络模型参数。

7.如权利要求1所述的一种深度卷积神经网单目标跟踪方法，其特征在于：所述深度卷积神经网络模型的构建具体包括步骤：构建卷积层对输入图像进行降维；使用卷积核提取图像的通用深层特征；构建初始全连接层将提取到的特征进行组合得到更具区分力的典型特征；构建最终全连接层对典型特征做进一步组合。

8.如权利要求7所述的一种深度卷积神经网单目标跟踪方法，其特征在于：所述构建最终全连接层对典型特征做进一步组合后能够对图像的目标和背景进行区分。

9.一种存储设备，其特征包括：所述存储设备存储指令及数据用于实现权利要求1～8所述的一种深度卷积神经网单目标跟踪方法。

10.一种深度卷积神经网单目标跟踪设备，其特征在于：包括：处理器及所述存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现权利要求1～8所述的一种深度卷积神经网单目标跟踪方法。