[发明专利]一种基于高斯中心对准的视觉目标跟踪方法

说明书

本发明提供了一种基于高斯中心对准的视觉目标跟踪方法，旨在解决现有目标跟踪技术的目标特征和所建模的高斯中心无法对准的问题。本发明包括以下步骤：步骤1、选取目标初始帧；步骤2、用网络提取目标特征；步骤3、将目标特征经过中心对准池化层；步骤4、将经过中心对准池化层的结果与所建模的高斯中心对准求得最小损失误差；步骤5、得到目标跟踪的结果。本发明的有益技术效果在于：能够大幅度提高高斯模型跟踪的精度。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于高斯中心对准的视觉目标跟踪方法。

背景技术

目标跟踪在自动驾驶、航拍、视频监控等领域都有广泛的应用，传统图像算法多是使用特征工程，如颜色直方图、HOG特征等方法、或者粒子滤波、卡尔曼滤波器等方法进行跟踪，但这些方法随着技术的发展，由于实际复杂的应用环境、背景相似干扰、光照条件的变化、遮挡等外界因素以及目标姿态变化，外观变形，尺度变化、平面外旋转、平面内旋转、出视野、快速运动和运动模糊等，性能不能够满足现在的使用要求；随着相关滤波和深度学习的发展，一批相关滤波和深度学习的跟踪算法也相继出现，从MOSSE算法、KCF算法、DCF等提出的相关滤波方法，到现在高速发展的SiamFC等深度学习目标跟踪算法，大多数相关滤波和深度学习的跟踪算法都将目标建模成一个高斯目标，然而，由深度学习网络或者相关滤波器提取到的目标特征可能会存在与所跟踪高斯中心不对准的问题(比如，人体的几何中心点在肚子附近，但是特征可能在头部)，而同时，开发一个精度更高而且不影响实时性的跟踪算法十分必要。

发明内容

本发明要解决的技术问题是提供一种基于高斯中心对准的视觉目标跟踪方法。为了提高现有跟踪算法的跟踪精度而不影响实时性，同时解决上述背景中跟踪目标特征与所要学习目标高斯中心不对准的问题。

为解决上述技术问题，本发明采用如下技术方案：

基于高斯中心对准的视觉目标跟踪方法，包括以下步骤：

步骤1、选取目标初始帧；

步骤2、用网络或相关滤波器提取目标特征；

步骤3、将目标特征经过中心对准池化层；中心对准池化层的作用是将网络或滤波器学习的特征与所建模的高斯中心对准；

步骤4、将经过中心对准池化层的结果与所建模的高斯中心对准求得最小损失误差；所采取的损失函数如下，

其中，f(x_j；w)是目标特征，y_j是生成的高斯模型，PRP是中心对准池化层，γ_j是对应特征图权重，对于PRP中心池化层，通过以下定义：

对于目标特征每个元素都等于其行最大值与列最大值的和，x_pn为行值，x_nq为列值。

步骤5、得到目标跟踪的结果。根据得到的目标函数的响应，得到跟踪目标的位置。

本发明与现有技术相比，具有如下优点：

1、本发明提高了原有方法的跟踪性能。

2、本发明对于神经网络或者是相关滤波方法都能适用，具有广泛的适用性。

3、本发明通过引入中心对准池化层矫正了高斯中心，计算量小，在使用中基本不改变原有算法的运行速度。

附图说明

图1是本发明的整体框架图；

图2是本发明的中心对准池化层示例；

图3是采用本发明与未采用本发明的响应高斯函数的对比例，其中，图3(a)为本发明的高斯响应函数，图3(b)为未采用本发明的高斯响应函数。

具体实施方式