[发明专利]基于生成对抗网络正样本增强的多姿态人体目标跟踪方法

摘要

本发明公开了一种基于生成对抗网络正样本增强的多姿态人体目标跟踪方法，分别对StarGAN网络模型和MDNet算法模型进行预训练，然后采用首帧标定的人体目标的目标矩形框对MDNet算法模型进行初始化，持续采用MDNet算法模型进行跟踪，提取上一帧跟踪结果对应的目标矩形框图像并添加姿态标签输入StarGAN网络模型，将StarGAN网络模型中生成器网络的输出作为正样本，作为MDNet算法模型更新训练时所采用的正样本的一部分，在跟踪过程中根据需要对MDNet算法模型进行更新训练。本发明能够提高MDNet算法模型对人体目标跟踪的准确度，抑制跟踪漂移。

主权项

1.一种基于生成对抗网络正样本增强的多姿态人体目标跟踪方法，其特征在于，包括以下步骤：S1：采用人体目标多姿态样本训练集对StarGAN网络模型进行预训练，采用人体目标跟踪样本训练集对MDNet算法模型进行预训练；S2：在首帧包含人体目标的图像中标定人体目标的目标矩形框，根据目标矩形框在首帧图像上采集得到若干正样本和负样本，对MDNet算法模型进行初始化；分别从以上正样本和负样本中选择部分样本添加至MDNet算法模型的样本队列S；S3：如果上一帧跟踪成功，则提取上一帧跟踪结果对应的目标矩形框图像，根据需要设置若干姿态标签，每次将目标矩形框图像和1个姿态标签作为StarGAN网络模型的输入，将StarGAN网络模型中生成器网络输出的图像作为正样本，将得到的所有正样本添加至样本队列S，如果上一帧跟踪失败，则不作任何操作；S4：采用MDNet算法模型对当前帧图像进行人体目标跟踪；S5：判断步骤S4中是否跟踪成功，如果是，进入步骤S6，否则进入步骤S8；S6：根据跟踪结果采集获得若干正样本和若干负样本添加至样本队列S；S7：判断是否达到MDNet算法模型的长期更新周期，如果未到达，则不作任何操作，否则利用样本队列S中的全部样本对MDNet算法模型进行长期更新训练，返回步骤S3；S8：如果跟踪失败，采用样本队列S中的部分样本对MDNet算法模型进行更新训练，返回步骤S3。