[发明专利]一种基于FPN神经网络的目标跟踪方法

权利要求书

1.一种基于FPN神经网络的目标跟踪方法，其特征在于，具体步骤包括：

步骤一、对于第一帧图像t＝1，跟踪任务给予的第一帧跟踪目标的中心位置(x_t,y_t)以及跟踪目标区域大小信息(l_t,h_t)，对跟踪目标区域进行一定比例的扩大(l_p,t,h_p,t)＝α(l_t,h_t)，根据目标中心位置(x_t,y_t)以及扩大后的跟踪目标区域大小(l_p,t,h_p,t)在该帧图像中进行采样，得到训练样本；其中x_t为跟踪目标中心位置的横坐标，y_t为跟踪目标中心位置的纵坐标，l_t为原跟踪目标区域的长度，h_t为原跟踪目标区域的宽度，α为扩大比率，l_p,t为扩大后跟踪目标区域的长度，h_p,t为扩大后跟踪目标区域的宽度；

步骤二、对于在第一帧图像中采样得到的训练样本T，将其输入到FPN神经网络中，提取出FPN神经网络中的P₂层的特征其中T表示训练样本，Z_T表示FPN神经网络中通道数为n的P₂层特征，表示FPN神经网络中的P₂层的特征Z_T中第n维特征；

步骤三、将训练样本T经过FPN神经网络后提取得到的P₂层的特征用于相关滤波器参数的计算；

步骤四、对于下一帧图像t+1，根据上一帧跟踪目标中心位置(x_t,y_t)以及扩大后的跟踪目标区域大小(l_p,t,h_p,t)，对上一帧扩大后的跟踪目标区域(l_p,t,h_p,t)进行多尺度缩放，得到多种候选区域大小{(l_p,t+1,h_p,t+1)}＝{β(l_p,t,h_p,t)}，其中β为缩放尺度，β＝{0.985,0.99,0.995,1,1.005,1.01,1.015}，而后，根据上一帧跟踪目标中心位置(x_t,y_t)和多种候选区域大小{(l_p,t+1,h_p,t+1)}＝{β(l_p,t,h_p,t)}，对该帧图像进行采样得到候选样本集X＝(X₁X₂…X₇)；

步骤五、对于采样得到的候选样本集X，将其输入到FPN神经网络中，提取出FPN神经网络中的P₂层的特征其中表示第一个候选样本X₁输入到FPN神经网络中提出得到通道数为n的P₂层特征，即

步骤六、将候选样本集每个候选样本经过FPN神经网络后提取得到的P₂层的特征Z_X，用于响应图的计算，最终确定该帧跟踪目标的中心位置(x_t+1,y_t+1)和跟踪目标区域大小(l_t+1,h_t+1)；

步骤七、在得到跟踪目标的中心位置和区域大小后，不断重复步骤一至步骤六、直到视频结束，完成对跟踪目标的中心位置以及区域大小的跟踪。