[发明专利]一种基于相关滤波与孪生卷积网络融合的目标跟踪方法

权利要求书

1.一种基于相关滤波与孪生卷积网络融合的目标跟踪方法，其特征在于，所述孪生卷积网络为2个完全相同的第一卷积网络和第二卷积网络，所述目标跟踪方法包括如下步骤：

(1)利用第一卷积网络提取已知目标位置的第t-1帧图像的目标特征图，利用第二卷积网络提取第t帧图像的搜索特征图；

(2)对第t-1帧图像的目标特征图进行快速傅里叶变换得到第t-1帧图像的目标区域，对第t帧图像的搜索特征图进行相关滤波得到第t帧图像的搜索区域，计算第t帧图像的搜索区域和第t-1帧图像的目标区域之间的互相关性，得到第t帧图像的目标得分图，根据第t帧图像的目标得分图得到第t帧图像的目标位置；

其中，t≥2，当t为2时，对视频序列中的第1帧图像进行标定，执行步骤(1)-(2)得到第2帧图像的目标位置，当t为3时，执行步骤(1)-(2)得到第3帧图像的目标位置，以此类推，得到视频序列中每一帧图像的目标位置，实现对视频序列的目标跟踪；

所述步骤(2)中的相关滤波包括：

采用余弦窗口函数或者正弦窗口函数对第t帧图像的搜索特征图进行平滑滤波，然后采用快速傅里叶变换将平滑滤波后的第t帧图像的搜索特征图从空域变换到频域，得到第t帧图像的搜索区域。

2.如权利要求1所述的一种基于相关滤波与孪生卷积网络融合的目标跟踪方法，其特征在于，所述第一卷积网络和第二卷积网络均包括五个卷积层，所述五个卷积层的前两层卷积之后分别有一个下采样池化层。

3.如权利要求1或2所述的一种基于相关滤波与孪生卷积网络融合的目标跟踪方法，其特征在于，所述孪生卷积网络为训练好的卷积网络，所述孪生卷积网络的训练方法为：

采集样本视频序列，对样本视频序列中每帧样本图像的目标位置进行标记，利用标记后的样本视频序列训练卷积网络，在训练时，以对数损失函数最小为目标优化网络参数，得到训练好的卷积网络。

4.如权利要求3所述的一种基于相关滤波与孪生卷积网络融合的目标跟踪方法，其特征在于，所述对数损失函数为：

l(y,v)＝log(1+exp(-yv))

其中，v是样本图像的目标位置的置信分数，y是样本图像的目标位置的标记，l(y,v)为误差值。

5.如权利要求3所述的一种基于相关滤波与孪生卷积网络融合的目标跟踪方法，其特征在于，所述目标跟踪方法还包括：

当t为2时，对视频序列中的第1帧图像进行标定，执行步骤(1)-(2)得到第1帧图像的搜索区域和第2帧图像的目标区域之间的互相关性，利用互相关性，通过最小化对数损失函数反向传播更新孪生卷积网络的网络参数。