[发明专利]基于记忆机制与卷积特征的相关滤波运动目标跟踪方法

摘要

本发明提出了一种基于记忆机制与卷积特征的相关滤波运动目标跟踪方法，属于计算机视觉技术领域。本发明方法利用预先训练过的深层卷积神经网络提取目标的卷积特征，受人类视觉信息处理认知行为中人脑记忆机制的启发，将记忆机制融入到相关滤波方法的分类器的检测、训练和更新过程之中。其中，记忆机制由响应图决策、自适应峰值检测和自适应融合系数三部分组成。本发明方法具有较强的鲁棒性，在目标发生剧烈形变、短暂消失后重现或遮挡等条件下，仍然能持续稳定地实现目标跟踪。同时，具有较高的目标跟踪速度，降低了复杂度，减小了运算量。

主权项

1.一种基于记忆机制与卷积特征的相关滤波运动目标跟踪方法，其特征在于，包括以下步骤：初始化记忆空间，利用预先训练过的深层卷积神经网络提取目标的卷积特征，将记忆机制融入到相关滤波方法的分类器的检测、训练和更新过程之中，其中，记忆机制由响应图决策、自适应峰值检测和自适应融合系数三部分组成；记忆机制与分类器的检测、训练和更新融合的过程描述如下：基于响应图决策的分类器检测：提取出候选区域的卷积特征后，记忆空间内所有的分类器均与其进行卷积运算，得到各自的响应图，选取峰值最大的响应图对目标进行定位；基于自适应峰值检测的分类器训练：目标定位后，综合响应图中主峰和次高干扰峰的大小关系与位置关系，对目标的变化情况进行分析；如果干扰程度大于阈值，则再次提取目标的卷积特征，训练新的分类器；如果干扰程度不大于阈值，则不进行分类器的训练与更新；基于自适应融合系数的分类器更新：训练好新的分类器后，根据峰值检测的结果自适应地计算融合系数，干扰越剧烈，融合系数越大。