[发明专利]基于深度卷积神经网络特征融合的目标跟踪方法及系统

摘要

本发明提出基于深度卷积神经网络特征融合的目标跟踪方法及系统，涉及模式识别技术领域，该方法包括步骤1，通过深度卷积神经网络，获取视频图像中目标的多种特征，通过滤波器方法计算每种特征的特征置信权重，根据特征置信权重，获取目标当前的跟踪目标位置；步骤2，计算每种特征当前帧的预测精度损失，并根据预测精度损失，对每种特征，建立在△t时间内的稳定性模型，通过稳定性模型计算每个特征在当前帧的稳定性，根据每种特征的稳定性及累积的预测精度损失，更新每种特征的置信权重；步骤3，重复步骤1至步骤2完成所有帧的目标跟踪。本发明合理地融合多种特征的跟踪结果，实现鲁棒的目标跟踪。

主权项

1.一种基于深度卷积神经网络特征融合的目标跟踪方法，其特征在于，包括：步骤1，通过深度卷积神经网络，获取视频图像中目标的多种特征，通过滤波器方法计算每种特征的特征置信权重，根据特征置信权重，获取目标当前的跟踪目标位置；步骤2，计算每种特征当前帧的预测精度损失，并根据预测精度损失，对每种特征，建立在△t时间内的稳定性模型，通过稳定性模型计算每个特征在当前帧的稳定性，根据每种特征的稳定性及累积的预测精度损失，更新每种特征的置信权重；步骤3，重复步骤1至步骤2完成所有帧的目标跟踪；其中步骤2中更新每种特征的置信权重的公式为：其中，w为置信权重，每种特征的R度量的量化方式为：其中表示第k种特征在第t帧的稳定性，r_t^k是第k种特征在t时刻的r度量，是平均损失，是第k种特征的从开始时刻到t时刻的累积r度量，c_t是尺度因子，是平衡系数，g是的最大值，为第k种特征在t时刻的损失。