[发明专利]基于模板匹配的孪生网络长时目标跟踪方法

说明书

本发明公开了一种基于模板匹配的孪生网络长时目标跟踪方法，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；根据跟踪置信度分数判断目标是否丢失；当目标丢失时，采用NCC模板匹配搜索法更新当前帧中的目标位置；以目标位置为中心，采用动态匹配模板图像和SiamFC++目标跟踪方法对当前帧进行目标跟踪，得到第二目标跟踪结果图像；以第二目标跟踪结果图像作为当前帧的目标跟踪结果图像；本发明在SiamFC++目标跟踪方法的基础上，通过NCC模板匹配搜索法进行预测粗定位找到当前帧中的目标位置，在以该目标位置为中心结合动态匹配模板图像进行目标跟踪，可以有效地降低长时目标跟踪过程中的重检测时间。

技术领域

本发明属于长时目标跟踪技术领域，尤其涉及一种基于模板匹配的孪生网络长时目标跟踪方法。

背景技术

目标跟踪在智能监控、智能交通、自动驾驶、军事制导以及无人飞行器等领域发挥着重要作用。随着深度学习短时目标跟踪性能不断地提高，近几年人们开始逐渐关注更接近实际场景的长时目标跟踪应用。

与短时跟踪相比，长时跟踪任务需要跟踪器具有捕获长期视频中被跟踪对象并处理频繁出现的目标消失和重新出现的能力。主要从两个方面提出了更多的挑战。

由于长时目标跟踪的视频序列长度远大于短时场景，并且目标形变、消失与重现问题尤其突出，直接应用短时目标跟踪算法无法应对这些困难，跟踪性能极具下降。因此，许多长时目标跟踪器是在短时跟踪算法上通过目标丢失判断机制和重检测机制，来解决目标容易跟丢的问题。

长时目标跟踪器中目标重检测机制常采用滑窗全局检测或扩大搜索区域的方法，但是，由于这些方法的检测区域较大，导致这些方法非常耗时，甚至很多深度学习长时目标跟踪算法无法实现实时目标跟踪。

发明内容

本发明的目的是提供一种基于模板匹配的孪生网络长时目标跟踪方法，降低长时目标跟踪过程中目标重检测的耗时，以满足实时目标跟踪需求。

本发明采用以下技术方案：基于模板匹配的孪生网络长时目标跟踪方法，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；

根据跟踪置信度分数判断目标是否丢失；

当目标丢失时，采用NCC模板匹配搜索法更新当前帧中的目标位置；

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

以第二目标跟踪结果图像作为当前帧的目标跟踪结果图像。

进一步地，采用NCC模板匹配搜索法更新当前帧中的目标位置包括：

以动态匹配模板图像为匹配模板，计算匹配模板与当前帧中的所有子图像的第一相似度；

选择第一相似度最大值对应的相似子图像；

根据相似子图像确定目标位置。

进一步地，根据相似子图像确定目标位置之前还包括：

计算相似子图像和动态匹配模板图像的第二相似度；

当第二相似度≥相似度阈值时，获取相似子图像对应的位置，并将该位置作为目标位置。

进一步地，当第二相似度值＜相似度阈值时，将上一帧的目标位置作为当前帧的目标位置。

进一步地，第二相似度的计算方法为：