CN109377511B - 基于样本组合和深度检测网络的运动目标跟踪方法 - Google Patents

基于样本组合和深度检测网络的运动目标跟踪方法 Download PDF

Info

Publication number
CN109377511B
CN109377511B CN201811004598.6A CN201811004598A CN109377511B CN 109377511 B CN109377511 B CN 109377511B CN 201811004598 A CN201811004598 A CN 201811004598A CN 109377511 B CN109377511 B CN 109377511B
Authority
CN
China
Prior art keywords
detection network
depth detection
setting
value
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811004598.6A
Other languages
English (en)
Other versions
CN109377511A (zh
Inventor
田小林
李芳�
荀亮
李帅
焦李成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201811004598.6A priority Critical patent/CN109377511B/zh
Publication of CN109377511A publication Critical patent/CN109377511A/zh
Application granted granted Critical
Publication of CN109377511B publication Critical patent/CN109377511B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于样本组合和深度检测网络的运动目标跟踪方法，本发明实现步骤为：(1)利用样本组合的数据增强方法生成训练样本集；(2)设置训练样本集的归一化标签；(3)构建深度检测网络；(4)利用训练样本集训练深度检测网络；(5)将含待跟踪目标的彩色视频图像序列依次输入训练好的深度检测网络中，输出运动目标跟踪坐标。本发明利用样本组合的数据增强方法生成训练样本集，训练深度检测网络，利用备选框置信度值确定待跟踪目标的位置，解决了目标识别速度慢以及当目标发生外观形变时跟踪不准确的问题。

Description

基于样本组合和深度检测网络的运动目标跟踪方法
技术领域
本发明属于图像处理技术领域，更进一步涉及运动目标跟踪技术领域中的一种基于样本组合和深度检测网络的运动目标跟踪方法。本发明可用于对剧烈形变、镜头抖动、尺度变化、光照变化等类型的视频进行目标跟踪。
背景技术
目标跟踪的主要任务是可以实现对输入的视频帧中的目标进行实时的检测，进而实时的确定目标所在位置。随着人们对计算机视觉领域的不断深入认识，目标跟踪在该领域得到广泛应用和发展，目前已经存在大量的跟踪算法来实现运动目标跟踪。但是，由于视频跟踪仅从第一帧图像中完成目标的特征学习，样本特征的匮乏，导致跟踪效果会受到目标遮挡、背景杂乱、外观形变、等客观因素的影响；另外，目标跟踪对准确率和实时性都有较高要求，而现有跟踪方法大多数都是基于图片的检测，虽然能够保证准确率，但检测速度达不到视频检测的需求，准确且实时地实现目标跟踪仍然面临极大挑战。
Shao Ren，Kaiming He，Ross Girshick，Jian Sun在其发表的论文“Faster R-CNN：Towards Real-Time Object Detection with Region Proposal Network”(ComputerVision and Pattern Recognition，CVPR，January 6，2016)中公开了一种利用卷积神经网络提取图像特征的两阶段的目标检测与定位方法。该方法首先通过区域建议网络(RegionProposal Network，RPN)生成建议图像区域，其中每张图像生成300个建议区域，把300个建议区域映射在最后一层神经网络中，通过建议区域池化层(ROI Pooling)生成固定尺寸的特征图，利用分类概率(Softmax)将特征图进行分类，然后通过边框回归(Bounding BoxRegression)对目标进行定位。该方法虽然实现了对自然图像的定位，但是，该方法仍然存在的不足之处是，将300个建议区域映射在最后一层神经网络中提取特征，消耗大量的时间，导致该方法目标识别速度慢，不能满足实时跟踪运动目标的要求。
中北大学在其申请的专利文献“一种基于深度学习的空中目标跟踪方法”(专利申请号201710676396.5，申请公开号CN107622507A)中公开了一种利用特征网络和判定网络对空中目标进行跟踪的方法。该方法针对目标尺寸变化问题，以图像目标为中心采集不同尺寸的样本训练特征网络；针对目标快速移动造成跟踪失败的问题。该方法存在的不足之处是，该方法通过判定网络对特征网络提取到的目标运动信息进行目标运动轨迹估计，进而预测目标位置，当某一帧图像预测发生偏差时，后续的图像预测会将偏差积累从而导致目标跟踪失败；该方法虽然可以在目标发生尺度变化时实现准确跟踪，但是，该方法仍然存在的不足之处是，由于仅采集不同尺寸的样本训练特征网络，当目标发生剧烈形变时，将会出现判定网络判定错误的现象，使得目标跟踪失败。
发明内容
本发明的目的在于针对上述现有技术的不足，提出一种基于样本组合和深度检测网络的运动目标跟踪方法。
实现本发明目的的思路是：首先，利用样本组合的数据增强方法生成训练样本集，再搭建一个共24层的深度检测网络并设置每层参数，用训练样本集对深度检测网络进行训练，得到训练好的深度检测网络，最后将含运动待跟踪目标的彩色视频图像序列输入到训练好的深度检测网络中，提取目标特征的同时完成对目标位置的检测。
为实现上述目的，本发明的具体步骤如下：
(1)利用样本组合的数据增强方法生成训练样本集：
(1a)输入含有运动待跟踪目标的彩色视频图像序列中的第一帧视频图像；
(1b)在第一帧视频图像的上、下、左、右四个边缘上同时增加零值像素，每次增加5个像素，增加100次生成100幅扩大图像，将扩大后的图像构成小尺度样本集；
(1c)在第一帧视频图像中，以运动待跟踪目标的初始位置的中心为中心、运动待跟踪目标的长宽为长宽确定一个矩形框，将该矩形框框内的图像作为初始目标图像；
(1d)利用9宫格方式，将初始目标图像均匀切割成9个小图像，随机打乱9个小图像的排列顺序，得到500幅3*3样本构成组合样本集；
(1e)在初始目标图像的上、下、左、右四个边缘上同时增加图像像素，每次增加5个像素，增加100次生成100幅图像，将100幅新的图像构成大尺度样本集；
(1f)将小尺度样本集、组合样本集、大尺度样本集构成训练样本集；
(2)设置训练样本集的归一化标签：
(2a)利用目标中心坐标归一化公式，计算每个初始目标图像的中心像素坐标值归一化值；
(2b)用初始目标图像的宽度除以训练样本图像的宽度，得到宽度归一化值，用初始目标图像的高度除以训练样本图像的高度，得到高度归一化值；
(2c)将中心像素坐标值归一化值、高度归一化值、宽度归一化值作为训练样本集的归一化标签写入文件；
(3)构建深度检测网络：
搭建一个24层的深度检测网络，并设置每层参数；
(4)训练深度检测网络：
(4a)将训练样本集输入到深度检测网络中，提取每个样本中每个初始目标图像的特征，将所有特征组成图像特征图，深度检测网络最后一层输出5个13×13的特征图；
(4b)以13×13图像特征图的特征点为中心，构建5个宽高比例分别为0.57:0.67、1.87:2.06、3.33:5.47、7.88:3.51、9.77:9.16的备选框，用备选框中心点坐标值除以13作为备选框的中心坐标归一化参数，用备选框宽高比值作为备选框的宽高归一化参数；
(4c)利用置信度公式，计算运动待跟踪目标的中心点落入每个备选框中的置信度值；
(4d)利用误差公式，计算每个备选框的参数值与标签文件中的真实值之间的误差值之和；
(4e)利用随机梯度下降法，更新深度检测网络卷积层的每一个节点的权值，得到训练好的深度检测网络；
(5)实时跟踪运动目标：
将含运动待跟踪目标的彩色视频图像序列依次输入到训练好的深度检测网络中，用置信度值最高的备选框的参数作为跟踪目标的位置输出。
本发明与现有的技术相比具有以下优点：
第一，由于本发明利用样本组合的数据增强方法生成训练样本集，克服了现有技术中训练样本集仅含有运动待跟踪目标发生尺度变化的样本，当运动待跟踪目标产生较大程度形变时，无法准确跟踪目标的问题，使得本发明能够在运动待跟踪目标产生较大形变时，更准确地跟踪目标。
第二，由于本发明使用深度检测网络用于运动目标跟踪，在特征提取的同时直接对跟踪目标的位置进行预测，缩短了目标检测时间，克服了现有技术中将目标特征提取和目标位置预测分步执行消耗大量时间的问题，使得本发明具有目标识别速度快的优点。
附图说明
图1为本发明的流程图；
图2为本发明的仿真图。
具体实施方式
下面结合附图对本发明做进一步的描述。
参照附图1，对本发明的具体步骤做进一步的描述。
步骤1，利用样本组合的数据增强方法生成训练样本集。
输入含有运动待跟踪目标的彩色视频图像序列中的第一帧视频图像。
在第一帧视频图像的上、下、左、右四个边缘上同时增加零值像素，每次增加5个像素，增加100次生成100幅扩大图像，将扩大后的图像构成小尺度样本集。
在第一帧视频图像中，以运动待跟踪目标的初始位置的中心为中心、运动待跟踪目标的长宽为长宽确定一个矩形框，将该矩形框框内的图像作为初始目标图像。
利用9宫格方式，将初始目标图像均匀切割成9个小图像，随机打乱9个小图像的排列顺序，得到500幅3*3样本构成组合样本集。
所述的9宫格方式是指，用四条相互交叉垂直的直线将初始目标图像均匀的分成9等分，得到9个小图像。
在初始目标图像的上、下、左、右四个边缘上同时增加图像像素，每次增加5个像素，增加100次生成100幅图像，将100幅新的图像构成大尺度样本集。
将小尺度样本集、组合样本集、大尺度样本集构成训练样本集。
步骤2，设置训练样本集的归一化标签。
利用目标中心坐标归一化公式，计算每个初始目标图像的中心像素坐标值归一化值。
所述的目标中心坐标归一化公式如下：
x＝(a+0.5×w)/m
y＝(b+0.5×h)/n
其中，x表示初始目标图像的中心像素坐标值归一化后的横坐标值，a表示初始目标图像左上角第一个像素的横坐标值，w表示初始目标图像第一行像素的个数，m表示训练样本图像第一行像素的个数，y表示初始目标图像的中心像素坐标值归一化后的纵坐标值，b表示初始目标图像左上角第一个像素的纵坐标值，h表示初始目标图像第一列像素的个数，n表示训练样本图像第一列像素的个数。
用初始目标图像的宽度除以训练样本图像的宽度，得到宽度归一化值，用初始目标图像的高度除以训练样本图像的高度，得到高度归一化值。
将中心像素坐标值归一化值、高度归一化值、宽度归一化值作为训练样本集的归一化标签写入文件。
步骤3，构建深度检测网络。
搭建一个24层的深度检测网络，并设置每层参数。
所述的24层深度检测网络中各层的内核参数如下：
将深度检测网络的第1层卷积层的特征映射图的总数设置为32个，卷积核的尺度设置为3×3个节点，步长为1，激活函数为relu函数。
将深度检测网络的第3层卷积层的特征映射图的总数设置为64个，卷积核的尺度设置为3×3个节点，步长为1，激活函数为relu函数。
将深度检测网络的第5，7层卷积层的特征映射图的总数设置为128个，卷积核的尺度设置为3×3个节点，步长为1，激活函数为relu函数。
将深度检测网络的第9，11层卷积层的特征映射图的总数设置为256个，卷积核的尺度设置为3×3个节点，步长为1，激活函数为relu函数。
将深度检测网络的第10层卷积层的特征映射图的总数设置为128个，卷积核的尺度设置为1×1个节点，步长为1，激活函数为relu函数。
将深度检测网络的第13，15，17层卷积层的特征映射图的总数设置为512个，卷积核的尺度设置为3×3个节点，步长为1，激活函数为relu函数。
将深度检测网络的第14，16层卷积层的特征映射图的总数设置为256个，卷积核的尺度设置为1×1个节点，步长为1，激活函数为relu函数。
将深度检测网络的第19，21，23层卷积层的特征映射图的总数设置为1024个，卷积核的尺度设置为3×3个节点，步长为1，激活函数为relu函数。
将深度检测网络的第20，22层卷积层的特征映射图的总数设置为512个，卷积核的尺度设置为1×1个节点，步长为1，激活函数为relu函数。
将深度检测网络的第24层卷积层的特征映射图的总数设置为845个，卷积核的尺度设置为1×1个节点，步长为1，激活函数为softmax函数。
步骤4，训练深度检测网络。
将训练样本集输入到深度检测网络中，通过深度检测网络搭建的19层卷积层，对输入的训练样本集进行19次卷积操作，提取每个样本中每个初始目标图像的特征，将所有特征构成图像特征图。
通过深度检测网络搭建的5层池化层，对图像特征图进行5次池化操作得到13×13的特征图，深度检测网络最后一层含有5个卷积核的卷积层输出5个13×13的特征图。
以13×13图像特征图的特征点为中心，构建5个宽高比例分别为0.57:0.67、1.87:2.06、3.33:5.47、7.88:3.51、9.77:9.16的备选框，用备选框中心点坐标值除以13作为备选框的中心坐标归一化参数，用备选框宽高比值作为备选框的宽高归一化参数。
利用置信度公式，计算运动待跟踪目标的中心点落入每个备选框中的置信度值。
所述的置信度公式如下：
Figure BDA0001783726950000061
其中，cv表示运动待跟踪目标的中心点落入第v个备选框中的置信度值，e表示以自然常数为底的指数操作，zr表示图像特征图中第r个特征值，∑表示求和操作，ares表示求面积操作，B表示运动待跟踪目标矩形框的面积，∩表示交集符号，A表示备选框的面积，∪表示并集符号。
利用误差公式，计算每个备选框的参数值与标签文件中的真实值之间的误差值之和。
所述的误差公式如下：
Figure BDA0001783726950000071
其中，L表示每个备选框的参数值与标签文件中的真实值之间的误差值之和，Ci表示置信度值大于0.8的第i个备选框的置信度值，Dj表示置信度值小于0.8的第j个备选框的置信度值，xα表示置信度值大于0.8的第α个备选框中心点的横坐标值，x′表示初始目标图像的中心像素的横坐标值，yε表示置信度值大于0.8的第ε个备选框中心点的纵坐标值，y′表示初始目标图像的中心像素的纵坐标值，
Figure BDA0001783726950000072
表示开平方根操作，wφ表示置信度值大于0.8的第φ个备选框宽度，w′表示初始目标图像的宽度，hβ表示置信度值大于0.8的第β个备选框高度，h′表示初始目标图像的高度。
利用随机梯度下降法，更新深度检测网络卷积层的每一个节点的权值，得到训练好的深度检测网络。
所述的随机梯度下降法步骤如下：
第1步，在(0,0.1)范围内随机选一个数，用该数作为深度检测网络中每个节点的初始权值。
第2步，将每个节点的初始权值作为第一次迭代过程中深度检测网络中每个节点的当前权值。
第3步，从训练样本集中，随机选取2n个样本图像在深度检测网络中正向传播，其中3≤n≤7，深度检测网络的输出层输出样本图像的备选框的参数值。
第4步，用每个备选框的参数值与标签文件中的真实值之间的误差值之和，对深度检测网络中每一个节点的当前权值求偏导，得到深度检测网络中每个节点当前权值的梯度值。
第5步，按照下式，计算深度检测网络中每个节点更新后的权值。
Figure BDA0001783726950000081
其中，
Figure BDA0001783726950000082
表示深度检测网络中第t个节点更新后的权值，St表示深度检测网络中第t个节点的当前权值，ξ表示学习率，其取值范围为(0,1)，ΔSt表示深度检测网络中第t个节点的当前权值的梯度值。
第6步，判断每个备选框的参数值与标签文件中的真实值之间的误差值之和是否小于0.5，若是，则得到训练好的深度检测网络中，否则，将每个节点更新后的权值作为当前权值后执行第三步。
步骤5，实时跟踪运动目标。
将含运动待跟踪目标的彩色视频图像序列依次输入到训练好的深度检测网络中，用置信度值最高的备选框的参数作为跟踪目标的位置输出。
下面结合仿真实验对本发明的效果做进一步说明。
1.仿真实验条件：
本发明仿真实验的硬件测试平台是：CPU为intel Core i5-6500，主频为3.2GHz，内存8GB，GPU为NVIDIATITAN Xp；软件平台是：Ubuntu 16.04LTS，64位操作系统，python2.7.1。
2.仿真内容仿真结果分析：
本发明的仿真实验是使用本发明的方法，对从Object tracking benchmark 2015数据库中采集的一段两名女子一起走过人行道的视频图像序列进行仿真实验，该视频图像序列共有140帧视频图像，本发明的仿真实验的结果如图(2)所示。
图2(a)为本发明仿真实验采集的视频图像序列的第1帧图像，图2(a)中实线矩形框表示待跟踪目标的初始位置。
图2(b)为本发明仿真实验中，对采集的视频图像序列，进行目标跟踪的一帧待跟踪目标，发生外观形变时的视频图像的跟踪结果图。该图中两名女子为待跟踪目标与图2(a)中的待跟踪目标相比，发生了外观形变。利用深度检测网络对该视频图像提取特征并构建备选框，计算待跟踪目标落入备选框的置信度值，基于置信度值的最大值对待跟踪目标的位置进行预测，将预测后的位置作为当前帧视频图像中待跟踪目标的位置。图2(b)中实线矩形框标注的是待跟踪目标的位置，该图像的目标检测消耗时间为0.08秒。
图2(c)为本发明仿真实验中，对采集的视频图像序列，进行目标跟踪的一帧待跟踪目标，发生外观形变和光照变化时的视频图像的跟踪结果图。该图中两名女子为待跟踪目标与图2(a)中的待跟踪目标相比，发生了外观形变和光照增强。利用深度检测网络对该视频图像提取特征并构建备选框，计算待跟踪目标落入备选框的置信度值，基于置信度值的最大值对待跟踪目标的位置进行预测，将预测后的位置作为当前帧视频图像中待跟踪目标的位置。图2(c)中实线矩形框标注的是待跟踪目标的位置，该图像的目标检测消耗时间为0.086秒。
整个仿真实验目标跟踪消耗时间2秒，目标检测速度为70帧/秒。由图2(b)和图2(c)可以看出，图中的实线矩形框标注的目标与图2(a)中实线矩形框标注的目标一致，说明本发明能够在视频图像中待跟踪目标产生外观形变、光照变化时，快速、准确地跟踪目标。

Claims (7)

1.一种基于样本组合和深度检测网络的运动目标跟踪方法，其特征在于，利用样本组合的数据增强方法生成训练样本集；采用深度检测网络实时跟踪运动目标；该方法的具体步骤包括如下：
(1)利用样本组合的数据增强方法生成训练样本集：
(1a)输入含有运动待跟踪目标的彩色视频图像序列中的第一帧视频图像；
(1b)在第一帧视频图像的上、下、左、右四个边缘上同时增加零值像素，每次增加5个像素，增加100次生成100幅扩大图像，将扩大后的图像构成小尺度样本集；
(1c)在第一帧视频图像中，以运动待跟踪目标的初始位置的中心为中心、运动待跟踪目标的长宽为长宽确定一个矩形框，将该矩形框框内的图像作为初始目标图像；
(1d)利用9宫格方式，将初始目标图像均匀切割成9个小图像，随机打乱9个小图像的排列顺序，得到500幅3*3样本构成组合样本集；
(1e)在初始目标图像的上、下、左、右四个边缘上同时增加图像像素，每次增加5个像素，增加100次生成100幅图像，将100幅新的图像构成大尺度样本集；
(1f)将小尺度样本集、组合样本集、大尺度样本集构成训练样本集；
(2)设置训练样本集的归一化标签：
(2a)利用目标中心坐标归一化公式，计算每个初始目标图像的中心像素坐标值归一化值；
(2b)用初始目标图像的宽度除以训练样本图像的宽度，得到宽度归一化值，用初始目标图像的高度除以训练样本图像的高度，得到高度归一化值；
(2c)将中心像素坐标值归一化值、高度归一化值、宽度归一化值作为训练样本集的归一化标签写入文件；
(3)构建深度检测网络：
搭建一个24层的深度检测网络，并设置每层参数；
(4)训练深度检测网络：
(4a)将训练样本集输入到深度检测网络中，提取每个样本中每个初始目标图像的特征，将所有特征组成图像特征图，深度检测网络最后一层输出5个13×13的特征图；
(4b)以13×13图像特征图的特征点为中心，构建5个宽高比例分别为0.57:0.67、1.87:2.06、3.33:5.47、7.88:3.51、9.77:9.16的备选框，用备选框中心点坐标值除以13作为备选框的中心坐标归一化参数，用备选框宽高比值作为备选框的宽高归一化参数；
(4c)利用置信度公式，计算运动待跟踪目标的中心点落入每个备选框中的置信度值；
(4d)利用误差公式，计算每个备选框的参数值与标签文件中的真实值之间的误差值之和；
(4e)利用随机梯度下降法，更新深度检测网络卷积层的每一个节点的权值，得到训练好的深度检测网络；
(5)实时跟踪运动目标：
将含运动待跟踪目标的彩色视频图像序列依次输入到训练好的深度检测网络中，用置信度值最高的备选框的参数作为跟踪目标的位置输出。
2.根据权利要求1所述基于样本组合和深度检测网络的运动目标跟踪方法，其特征在于，步骤(1d)所述的9宫格方式是指，用四条相互交叉垂直的直线将初始目标图像均匀的分成9等分，得到9个小图像。
3.根据权利要求1所述基于样本组合和深度检测网络的运动目标跟踪方法，其特征在于，步骤(2a)所述的目标中心坐标归一化公式如下：
x＝(a+0.5×w)/m
y＝(b+0.5×h)/n
其中，x表示初始目标图像的中心像素坐标值归一化后的横坐标值，a表示初始目标图像左上角第一个像素的横坐标值，w表示初始目标图像第一行像素的个数，m表示训练样本图像第一行像素的个数，y表示初始目标图像的中心像素坐标值归一化后的纵坐标值，b表示初始目标图像左上角第一个像素的纵坐标值，h表示初始目标图像第一列像素的个数，n表示训练样本图像第一列像素的个数。
4.根据权利要求1所述基于样本组合和深度检测网络的运动目标跟踪方法，其特征在于，步骤(3)中所述的24层深度检测网络中各层的内核参数如下：
将深度检测网络的第1层卷积层的特征映射图的总数设置为32个，卷积核的尺度设置为3×3个节点，步长为1，激活函数为relu函数；
将深度检测网络的第3层卷积层的特征映射图的总数设置为64个，卷积核的尺度设置为3×3个节点，步长为1，激活函数为relu函数；
将深度检测网络的第5，7层卷积层的特征映射图的总数设置为128个，卷积核的尺度设置为3×3个节点，步长为1，激活函数为relu函数；
将深度检测网络的第9，11层卷积层的特征映射图的总数设置为256个，卷积核的尺度设置为3×3个节点，步长为1，激活函数为relu函数；
将深度检测网络的第10层卷积层的特征映射图的总数设置为128个，卷积核的尺度设置为1×1个节点，步长为1，激活函数为relu函数；
将深度检测网络的第13，15，17层卷积层的特征映射图的总数设置为512个，卷积核的尺度设置为3×3个节点，步长为1，激活函数为relu函数；
将深度检测网络的第14，16层卷积层的特征映射图的总数设置为256个，卷积核的尺度设置为1×1个节点，步长为1，激活函数为relu函数；
将深度检测网络的第19，21，23层卷积层的特征映射图的总数设置为1024个，卷积核的尺度设置为3×3个节点，步长为1，激活函数为relu函数；
将深度检测网络的第20，22层卷积层的特征映射图的总数设置为512个，卷积核的尺度设置为1×1个节点，步长为1，激活函数为relu函数；
将深度检测网络的第24层卷积层的特征映射图的总数设置为845个，卷积核的尺度设置为1×1个节点，步长为1，激活函数为softmax函数。
5.根据权利要求1所述基于样本组合和深度检测网络的运动目标跟踪方法，其特征在于，步骤(4c)中所述的置信度公式如下：
Figure FDA0003159695360000041
其中，cv表示运动待跟踪目标的中心点落入第v个备选框中的置信度值，e表示以自然常数为底的指数操作，zr表示图像特征图中第r个特征值，∑表示求和操作，ares表示求面积操作，B表示运动待跟踪目标矩形框的面积，∩表示交集符号，A表示备选框的面积，∪表示并集符号。
6.根据权利要求1所述基于样本组合和深度检测网络的运动目标跟踪方法，其特征在于，其特征在于，步骤(4d)中所述的误差公式如下：
Figure FDA0003159695360000042
其中，L表示每个备选框的参数值与标签文件中的真实值之间的误差值之和，Ci表示置信度值大于0.8的第i个备选框的置信度值，Dj表示置信度值小于0.8的第j个备选框的置信度值，xα表示置信度值大于0.8的第α个备选框中心点的横坐标值，x′表示初始目标图像的中心像素的横坐标值，yε表示置信度值大于0.8的第ε个备选框中心点的纵坐标值，y′表示初始目标图像的中心像素的纵坐标值，
Figure FDA0003159695360000043
表示开平方根操作，wφ表示置信度值大于0.8的第φ个备选框宽度，w′表示初始目标图像的宽度，wβ表示置信度值大于0.8的第β个备选框高度，h′表示初始目标图像的高度。
7.根据权利要求1所述基于样本组合和深度检测网络的运动目标跟踪方法，其特征在于，步骤(4e)所述的随机梯度下降法步骤如下：
第一步，在(0,0.1)范围内随机选一个数，用该数作为深度检测网络中每个节点的初始权值；
第二步，将每个节点的初始权值作为第一次迭代过程中深度检测网络中每个节点的当前权值；
第三步，从训练样本集中，随机选取2n个样本图像在深度检测网络中正向传播，其中3≤n≤7，深度检测网络的输出层输出样本图像的备选框的参数值；
第四步，用每个备选框的参数值与标签文件中的真实值之间的误差值之和，对深度检测网络中每一个节点的当前权值求偏导，得到深度检测网络中每个节点当前权值的梯度值；
第五步，按照下式，计算深度检测网络中每个节点更新后的权值：
Figure FDA0003159695360000051
其中，
Figure FDA0003159695360000052
表示深度检测网络中第t个节点更新后的权值，St表示深度检测网络中第t个节点的当前权值，ξ表示学习率，其取值范围为(0,1)，ΔSt表示深度检测网络中第t个节点的当前权值的梯度值；
第六步，判断每个备选框的参数值与标签文件中的真实值之间的误差值之和是否小于0.5，若是，则得到训练好的深度检测网络中，否则，将每个节点更新后的权值作为当前权值后执行第三步。
CN201811004598.6A 2018-08-30 2018-08-30 基于样本组合和深度检测网络的运动目标跟踪方法 Active CN109377511B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811004598.6A CN109377511B (zh) 2018-08-30 2018-08-30 基于样本组合和深度检测网络的运动目标跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811004598.6A CN109377511B (zh) 2018-08-30 2018-08-30 基于样本组合和深度检测网络的运动目标跟踪方法

Publications (2)

Publication Number Publication Date
CN109377511A CN109377511A (zh) 2019-02-22
CN109377511B true CN109377511B (zh) 2021-09-03

Family

ID=65404915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811004598.6A Active CN109377511B (zh) 2018-08-30 2018-08-30 基于样本组合和深度检测网络的运动目标跟踪方法

Country Status (1)

Country Link
CN (1) CN109377511B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109948689B (zh) * 2019-03-13 2022-06-03 北京达佳互联信息技术有限公司 一种视频生成方法、装置、电子设备及存储介质
CN111709301B (zh) * 2020-05-21 2023-04-28 哈尔滨工业大学 一种冰壶球运动状态估计方法
CN112614152B (zh) * 2020-12-22 2022-03-25 电子科技大学 一种基于深度特征学习的软组织表面运动跟踪方法
CN113034551A (zh) * 2021-05-31 2021-06-25 南昌虚拟现实研究院股份有限公司 目标跟踪和标注方法、装置、可读存储介质及计算机设备
CN113762177A (zh) * 2021-09-13 2021-12-07 成都市谛视科技有限公司 实时人体3d姿态估计方法、装置、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103034861A (zh) * 2012-12-14 2013-04-10 北京航空航天大学 一种货车闸瓦故障的识别方法及装置
CN103440505A (zh) * 2013-09-16 2013-12-11 重庆邮电大学 空间邻域信息加权的高光谱遥感图像分类方法
CN107211167A (zh) * 2015-02-05 2017-09-26 微软技术许可有限责任公司 视频解码
CN107423705A (zh) * 2017-07-21 2017-12-01 西安电子科技大学 基于多层概率统计模型的sar图像目标识别方法
CN107437096A (zh) * 2017-07-28 2017-12-05 北京大学 基于参数高效的深度残差网络模型的图像分类方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9082212B2 (en) * 2012-12-21 2015-07-14 Nvidia Corporation Programmable blending via multiple pixel shader dispatches

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103034861A (zh) * 2012-12-14 2013-04-10 北京航空航天大学 一种货车闸瓦故障的识别方法及装置
CN103440505A (zh) * 2013-09-16 2013-12-11 重庆邮电大学 空间邻域信息加权的高光谱遥感图像分类方法
CN107211167A (zh) * 2015-02-05 2017-09-26 微软技术许可有限责任公司 视频解码
CN107423705A (zh) * 2017-07-21 2017-12-01 西安电子科技大学 基于多层概率统计模型的sar图像目标识别方法
CN107437096A (zh) * 2017-07-28 2017-12-05 北京大学 基于参数高效的深度残差网络模型的图像分类方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
立体视频中的匹配方法研究;李治;《中国优秀硕士学位论文全文数据库 信息科技辑》;20131115(第11期);第1-67页 *

Also Published As

Publication number Publication date
CN109377511A (zh) 2019-02-22

Similar Documents

Publication Publication Date Title
CN109377511B (zh) 基于样本组合和深度检测网络的运动目标跟踪方法
CN110136154B (zh) 基于全卷积网络与形态学处理的遥感图像语义分割方法
CN110033473B (zh) 基于模板匹配和深度分类网络的运动目标跟踪方法
CN111310861B (zh) 一种基于深度神经网络的车牌识别和定位方法
CN110084292B (zh) 基于DenseNet和多尺度特征融合的目标检测方法
Yang et al. Real-time face detection based on YOLO
CN109919108B (zh) 基于深度哈希辅助网络的遥感图像快速目标检测方法
Shen et al. Detection of stored-grain insects using deep learning
CN111027493B (zh) 一种基于深度学习多网络软融合的行人检测方法
CN107609525B (zh) 基于剪枝策略构建卷积神经网络的遥感图像目标检测方法
CN111709310B (zh) 一种基于深度学习的手势跟踪与识别方法
CN106228125B (zh) 基于集成学习级联分类器的车道线检测方法
CN110287826B (zh) 一种基于注意力机制的视频目标检测方法
CN111259930A (zh) 自适应注意力指导机制的一般性目标检测方法
CN111753828B (zh) 一种基于深度卷积神经网络的自然场景水平文字检测方法
CN106845430A (zh) 基于加速区域卷积神经网络的行人检测与跟踪方法
CN112446388A (zh) 一种基于轻量化二阶段检测模型的多类别蔬菜幼苗识别方法及系统
Schmitz et al. A convolutional network for semantic facade segmentation and interpretation
CN107423760A (zh) 基于预分割和回归的深度学习目标检测方法
CN106845499A (zh) 一种基于自然语言语义的图像目标检测方法
CN106778835A (zh) 融合场景信息和深度特征的遥感图像机场目标识别方法
CN111640125A (zh) 基于Mask R-CNN的航拍图建筑物检测和分割方法及装置
CN112232371B (zh) 一种基于YOLOv3与文本识别的美式车牌识别方法
CN107977683A (zh) 基于卷积特征提取和机器学习的联合sar目标识别方法
CN113808166B (zh) 基于聚类差分和深度孪生卷积神经网络的单目标跟踪方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant