[发明专利]一种多域卷积神经网络上的分块目标跟踪方法

说明书

本发明公开了计算机视觉技术领域的一种多域卷积神经网络上的分块目标跟踪方法，包括包括视频上传模块、在线视频采集模块、视频跟踪模块、跟踪结果保存模块和数据服务器，视频上传模块上传本地数据服务器中要进行分析的视频，在线视频采集模块通过摄像头选择目标对象，在线进行目标跟踪，视频跟踪模块对要跟踪的对象选择跟踪方法进行跟踪，跟踪结果保存模块将跟踪结果保存到服务器中；本发明充分发挥了深度学习以及分块跟踪的优异特性，同时可以进行视频的多样性选择，可以自动保存跟踪结果；通过MDNET进行分块跟踪的算法既可以发挥MDNET的优异跟踪性能，又能结合分块的抗遮挡等特性，提高跟踪性能。

技术领域

本发明涉及计算机视觉技术领域，具体为一种多域卷积神经网络上的分块目标跟踪方法。

背景技术

随着信息技术的快速发展，人们可以借助计算机来处理图像和视频信息。计算机视觉在生产和生活中得到越来越广泛的应用，成为当下最受研究者欢迎的研究领域之一。当前，依托于计算机视觉技术能够实现自动获取图片、视频等任务，并能够进行检测、跟踪以及分析等处理。目前，随着计算机视觉的发展，目标跟踪已经在各方面得到了广泛的应用，如：智能交通、无人驾驶、国防安全、智能监控、医学诊断、人机交互等诸多领域。目标跟踪是指当人们观看一段视频时，有时会着重关注视频中的某一目标或某一区域，而对于其他目标或区域则不怎么感兴趣，而目标跟踪的任务就是将这一区域凸显出来。目标跟踪按照待追踪目标的数量分为单目标跟踪和多目标跟踪，单目标跟踪要求对指定的单一目标进行跟踪，多目标跟踪则对符合指定类别的所有目标进行跟踪。

目前针对视频序列的目标跟踪算法集中在相关滤波和深度学习两个方向，同时在跟踪过程中会遇到如：目标形变、尺度变化、目标遮挡等挑战。因此随着深度学习在目标跟踪上的发展，现有的目标跟踪方法存在许多的缺陷，例如：

(1)深度学习的优异性能在目标跟踪上应用较少；

(2)采用传统方法进行分块跟踪需要进行大量参数的设置，相对更加复杂。

基于此，本发明设计了一种多域卷积神经网络上的分块目标跟踪方法，以解决上述问题。

发明内容

本发明的目的在于提供一种基于多域卷积神经网络上的自动进行分块跟踪的系统以及利用MDNET进行分块跟踪的方法，能够自动进行视频对象跟踪，提高跟踪性能，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于多域卷积神经网络的进行分块跟踪的系统，包括视频上传模块、在线视频采集模块、视频跟踪模块、跟踪结果保存模块和数据服务器；视频上传模块上传本地数据服务器中要进行分析的视频；在线视频采集模块通过摄像头选择目标对象，在线进行目标跟踪；视频跟踪模块对要跟踪的对象选择跟踪方法进行跟踪；跟踪结果保存模块将跟踪结果保存到服务器中。

进一步的，所述在线视频采集模块采用高清摄像头，数据服务器采用含有Gpu的服务器。

一种利用MDNET进行分块跟踪的方法，包括以下步骤：

①选择在线采集视频还是本地服务器上传；

②若本地上传视频，则视频上传模块从服务器中加载视频；

③若在线跟踪目标对象，则打开摄像头进行视频采集；

④首帧选择跟踪目标以及选择是否进行分块跟踪；

⑤对后续视频若采用分块跟踪，则利用基于MDNET的分块跟踪方法进行目标跟踪，否则仅仅利用MDNET方法进行目标跟踪；

⑥跟踪结果保存模块将每一帧的跟踪结果以图片形式保存到数据服务器；

⑦需要继续分析新视频则返回步骤一，否则结束退出系统。

进一步的，所述步骤五中的视频分块跟踪算法具体为：