[发明专利]基于双相关滤波和隶属度加权决策的深度目标跟踪方法

摘要

本发明提出了一种基于双相关滤波和隶属度加权决策的深度目标跟踪方法，用于解决现有技术中存在的目标定位准确率较低的技术问题，并提高跟踪速度，实现步骤为：(1)构建多个基于双相关的相关滤波器模型；(2)设定包含待跟踪目标的图像序列参数；(3)对每个相关滤波器的隶属度进行初始化；(4)获取n个基于双相关的相关滤波器模型W1,W2,...Wk...,Wn的值；(5)计算每个相关滤波器对第t+1帧图像中待跟踪目标的中心位置的估计值；(6)基于隶属度加权决策方法计算t+1帧图像中待跟踪目标的中心位置(xt+1,yt+1)；(7)获取深度目标跟踪结果；(8)计算每个相关滤波器的隶属度并执行步骤(4)。

主权项

1.一种基于双相关滤波和隶属度加权决策的深度目标跟踪方法，其特征在于，包括如下步骤：(1)构建多个基于双相关的相关滤波器模型：(1a)设置待构建的多个基于双相关的相关滤波器模型的数量为n，2≤n≤16，第k个相关滤波器W^k的输入为x^k，x^k∈R^L×H×D，模板参数为w^k，w^k∈R^L×H×D，高斯形类标矩阵为y^k，y^k∈R^L×H，R表示实数域，k＝1,2...n，L表示x^k、w^k和y^k的长，H表示x^k、w^k和y^k的高，D表示x^k和w^k第三维通道的数量，计算x^k、w^k和y^k在频域的值的计算公式分别为：X^k＝F(x^k)W^k＝F(w^k)Y^k＝F(y^k)其中，F(·)表示傅里叶变换；(1b)通过X^k,W^k,Y^k构建基于双相关的相关滤波器模型W^k，得到n个基于双相关的相关滤波器模型W¹,W²,...W^k...,Wⁿ，其中W^k可建模为下面的优化问题：其中，表示最小化算法，λ为正则化系数，λ＝0.01，表示傅里叶域内的平方计算，⊙表示矩阵之间对应元素相乘，∑(·)表示求和操作，X^k·W^k为X^k和W^k的相关，Y^k·(X^k·W^k)为Y^k和X^k·W^k的相关；(2)设定包含待跟踪目标的图像序列参数：设定包含待跟踪目标的图像序列中的图像帧数为t_max，第t帧图像中待跟踪目标中心的坐标位置为(x_t,y_t)，并初始化t＝1；(3)对每个相关滤波器的隶属度进行初始化：对第k个相关滤波器W^k的隶属度进行初始化的计算公式为：(4)获取n个实现双相关功能的相关滤波器模型W¹,W²,...W^k...,Wⁿ的值：(4a)将大小为L×H的矩形框的中心与第t帧图像中待跟踪目标中心的坐标位置(x_t,y_t)对正，对该第t帧图像中待跟踪目标的所在区域进行框定，得到第t帧图像中的待跟踪目标区域I_t；(4b)将I_t输入至预训练后的VGG网络中，得到VGG网络输出的16层卷积特征，并选取其中的n层卷积特征j¹,j²,...j^k...,jⁿ；(4c)对每层卷积特征j^k进行傅里叶变换，得到j¹,j²,...j^k...,jⁿ在频域的值J¹,J²,...J^k...,Jⁿ：J^k＝F(j^k)；(4d)计算n个实现双相关功能的相关滤波器模型W¹,W²,...W^k...,Wⁿ的值，W^k的计算公式为：其中Y^k为y^k在频域的值，y^k中坐标为(u,v)的元素的值为(5)计算每个相关滤波器对第t+1帧图像中待跟踪目标的中心位置的估计值：(5a)将大小为M×N,M≥2L,N≥2H的矩形框的中心与第t+1帧图像中坐标位置为(x_t,y_t)的像素点对正，对第t+1帧图像中待搜索区域进行框定，得到第t+1帧图像中的待搜索区域O_t+1；(5b)将O_t+1输入至预训练后的VGG网络中，得到VGG网络输出的16层卷积特征，并选取其中的n层卷积特征T¹,T²,...T^k...,Tⁿ；(5c)计算n个相关滤波器W¹,W²,...W^k...,Wⁿ的时域响应S¹(x,y),...S^k(x,y)...,Sⁿ(x,y)，其中，第k个相关滤波器W^k的时域响应S^k(x,y)的计算公式为：S^k(x,y)＝F^‑1(τ^k·W^k)其中，τ^k为T^k在频域的值，τ^k＝F(T^k)，F^‑1(·)代表F(·)的反变换；(5d)计算每个时域响应S^k(x,y)中元素的最大值的位置并将作为第k个相关滤波器W^k在t+1帧图像中对待跟踪目标的中心位置的估计值，得到n个相关滤波器W¹,W²,...W^k...,Wⁿ在t+1帧图像中对待跟踪目标的中心位置的估计值其中，第k个相关滤波器W^k在t+1帧图像中对待跟踪目标的中心位置的估计值的计算公式为：其中，为最大化函数；(6)基于隶属度加权决策方法计算t+1帧图像中待跟踪目标的中心位置(x_t+1,y_t+1)：(6a)计算每个相关滤波器的权值，得到n个相关滤波器W¹,W²,...W^k...,Wⁿ的权值w₁,...w_k...,w_n，其中第k个相关滤波器W^k的权值w_k的计算公式为：其中，(·)^b代表(·)的b次方，b＞1；(6b)计算t+1帧图像中待跟踪目标的中心位置(x_t+1,y_t+1)：(7)获取深度目标跟踪结果：判断t＝t_max是否成立，若是，输出包含待跟踪目标的图像序列中每帧图像中目标的中心位置，否则，t＝t+1，并执行步骤(8)；(8)计算每个相关滤波器的隶属度：计算每个相关滤波器的隶属度，得到n个相关滤波器W¹,W²,...W^k...,Wⁿ的隶属度并执行步骤(4)，其中第k个相关滤波器W^k的隶属度的计算公式为：其中，d_k为第k个相关滤波器W^k在t‑1帧图像中对待跟踪目标的中心位置的估计值与(x_t‑1,y_t‑1)的欧氏距离，||·||代表欧氏距离。