[发明专利]一种视频目标跟踪方法

权利要求书

1.一种视频目标跟踪方法，其特征在于，包括：

将目标图像和搜索图像同时输入层级相关性孪生网络进行特征提取，得到不同卷积层提取的卷积特征，对同一层卷积层提取的目标图像和搜索图像的卷积特征进行相关性度量，将每层的相关性通过层级拼接产生层级相关性，其中，所述目标图像包括：跟踪目标；

将层级相关性中跟踪响应最高的搜索图像的位置作为跟踪目标在搜索图像的中心位置；

根据跟踪目标在搜索图像的中心位置和独立的尺度因子，确定跟踪目标在搜索图像中的位置。

2.根据权利要求1所述的视频目标跟踪方法，其特征在于，所述将目标图像和搜索图像同时输入层级相关性孪生网络进行特征提取，得到不同卷积层提取的卷积特征包括：

将目标图像和搜索图像同时输入到层级相关性孪生网络中进行特征提取的两个分支来进行卷积计算，得到不同卷积层提取的卷积特征；

其中，层级相关性孪生网络中进行特征提取的每个分支结构为：(conv1+ReLU+Overlapping+Max POOL)—(conv2+ReLU+Overlapping+Max POOL)—(conv3+ReLU)—(conv4+ReLU)—(conv5+ReLU)；

其中，conv表示卷积层，ReLU表示非线性激活函数，Overlapping表示局部响应归一化层，Max POOL表示最大池化层。

3.根据权利要求1所述的视频目标跟踪方法，其特征在于，对同一层卷积层提取的目标图像和搜索图像的卷积特征进行相关性度量的公式为：

其中，F(z,x)_i表示卷积层i提取的目标图像和搜索图像的卷积特征之间的相关性；z和x分别表示目标图像和搜索图像；表示卷积层i输出的卷积特征；β表示偏差。

4.根据权利要求1所述的视频目标跟踪方法，其特征在于，所述将层级相关性中跟踪响应最高的搜索图像的位置作为跟踪目标在搜索图像的中心位置包括：

将层级相关性中的最大相关性输入相关性注意力模块；其中，所述相关性注意力模块的结构为：全连接层1-全连接层2-全连接层3-全连接层4-softmax层；

通过四个全连接层来学习不同层卷积特征之间的相关性，再经过softmax层为每个卷积层分配相应的权重；

根据每层卷积层的相关性及分配得到的相应卷积层的权重，确定每层卷积层的跟踪响应，将跟踪响应最高的搜索图像的位置作为跟踪目标在搜索图像的中心位置。

5.根据权利要求4所述的视频目标跟踪方法，其特征在于，最高的跟踪响应表示为：

其中，Y(z,x)表示最高的跟踪响应；z和x分别表示目标图像和搜索图像；表示卷积层i输出的卷积特征；α_i表示为卷积层i分配的权重；β表示偏差。

6.根据权利要求1所述的视频目标跟踪方法，其特征在于，在宽度方向上独立的尺度因子表示为：

s_w(w+p)＝A_w

在高度方向上独立的尺度因子表示为：

s_h(h+p)＝A_h

其中，s_w和s_h分别表示跟踪目标在宽度方向和高度方向上的尺度因子；w和h分别表示跟踪目标在目标图像上的宽度和高度；p表示填充区域，p＝(w+h)/2；A_w与A_h分别表示宽度方向和高度方向上输入的目标图像的宽度和高度。

7.根据权利要求6所述的视频目标跟踪方法，其特征在于，填充区域p表示为：

p＝(w+h)/2。