一种基于分层卷积的视觉对象跟踪方法

摘要

本发明中提出的一种基于分层卷积的视觉对象跟踪方法，其主要内容包括：分层卷积、相关性滤波器、粗略到精细的翻译估计、区域提案和模型更新，其过程为，先利用卷积层中的分层特征，使用双线性插值将每个特征图调整到更大的固定尺寸，接着将输入特征的循环版本归一化为高斯函数产生的软目标分数，并搜索目标对象响应图上的最大值，然后给定相关响应映射集，分层推断每一层的目标翻译，计算每个提案的置信度分数，保持目标外观的长期记忆，最后通过最小化输出误差来更新最优滤波器。本发明减轻了采样模糊度，减少了跟踪漂移，减少了由于照明变化、遮挡、背景杂交、突然运动以及目标移出视野等原因导致的错误，提高了识别的准确性和鲁棒性。