[发明专利]基于模板匹配的孪生网络长时目标跟踪方法

权利要求书

1.基于模板匹配的孪生网络长时目标跟踪方法，其特征在于，包括以下步骤：

采用SiamFC++目标跟踪方法确定当前帧的第一目标跟踪结果图像和跟踪置信度分数；

根据所述跟踪置信度分数判断目标是否丢失；

当所述目标丢失时，采用NCC模板匹配搜索法更新所述当前帧中的目标位置；

以所述目标位置为中心，采用动态匹配模板图像和所述SiamFC++目标跟踪方法对所述当前帧进行目标跟踪，得到第二目标跟踪结果图像；

以所述第二目标跟踪结果图像作为所述当前帧的目标跟踪结果图像。

2.如权利要求1所述的基于模板匹配的孪生网络长时目标跟踪方法，其特征在于，采用NCC模板匹配搜索法更新所述当前帧中的目标位置包括：

以所述动态匹配模板图像为匹配模板，计算所述匹配模板与所述当前帧中的所有子图像的第一相似度；

选择所述第一相似度最大值对应的相似子图像；

根据所述相似子图像确定所述目标位置。

3.如权利要求2所述的基于模板匹配的孪生网络长时目标跟踪方法，其特征在于，根据所述相似子图像确定所述目标位置之前还包括：

计算所述相似子图像和动态匹配模板图像的第二相似度；

当所述第二相似度≥相似度阈值时，获取所述相似子图像对应的位置，并将该位置作为所述目标位置。

4.如权利要求3所述的基于模板匹配的孪生网络长时目标跟踪方法，其特征在于，当所述第二相似度值＜相似度阈值时，将上一帧的目标位置作为当前帧的所述目标位置。

5.如权利要求2-4任一所述的基于模板匹配的孪生网络长时目标跟踪方法，其特征在于，所述第二相似度的计算方法为：

其中，SSIM(x,y)为图像x和图像y的相似度，l(x,y)为亮度相似性函数，c(x,y)为对比度相似性函数，s(x,y)为结构相似性函数，α、β和γ均为常数，μ_x为图像x的灰度平均值，μ_y为图像y的灰度平均值，σ_x为图像x的方差，σ_y为图像y的方差，σ_xy为图像x和图像y的协方差，c₁＝(k₁L)²，c₂＝(k₂L)²，k₁、k₂和L均为常数。

6.如权利要求2-4任一所述的基于模板匹配的孪生网络长时目标跟踪方法，其特征在于，确定跟踪置信度分数之后还包括：

将所述跟踪置信度分数与模板更新阈值进行比较；

当所述跟踪置信度分数≥模板更新阈值时，将所述跟踪置信度分数对应的第一目标跟踪结果图像作为新的动态匹配模板图像。

7.如权利要求6所述的基于模板匹配的孪生网络长时目标跟踪方法，其特征在于，所述模板更新阈值根据目标跟踪视频第二帧的跟踪置信度分数计算得到。

8.如权利要求6所述的基于模板匹配的孪生网络长时目标跟踪方法，其特征在于，当所述跟踪置信度分数＜模板更新阈值时，不更新所述动态匹配模板图像。

9.如权利要求2或3或4或8所述的基于模板匹配的孪生网络长时目标跟踪方法，其特征在于，根据所述跟踪置信度分数判断目标是否丢失包括：

将所述跟踪置信度分数与丢失阈值进行比较；

当所述跟踪置信度分数≥所述丢失阈值时，确定所述目标未丢失；

当所述跟踪置信度分数小于所述丢失阈值时，确定所述目标丢失。

10.基于模板匹配的孪生网络长时目标跟踪装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任一项所述的基于模板匹配的孪生网络长时目标跟踪方法。