(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221010202 2.3 (22)申请日 2022.01.27 (71)申请人 昆明理工大 学 地址 650093 云南省昆明市五华区学府路 253号 申请人 云南枭润科技 服务有限公司 (72)发明人 张晶　付谱平　 (74)专利代理 机构 昆明明润知识产权代理事务 所(普通合伙) 53215 专利代理师 王鹏飞 (51)Int.Cl. G06T 7/246(2017.01) G06T 3/40(2006.01) G06N 3/08(2006.01) G06N 3/04(2006.01)G06V 10/44(2022.01) G06V 10/82(2022.01) (54)发明名称 一种视频监控系统的目标跟踪方法 (57)摘要 本发明涉及一种视频监控系统的目标跟踪 方法， 属于计算机视觉安防技术领域。 首先对视 频监控系统提供的视频图像数据进行仿射变换， 然后对仿射变换后的视频图像数据通过深度卷 积神经网络VGG16网络提取第一层、 第三层卷积 特征， 还需要对仿射变换后的图像直接提取HOG 特征， 然后利用提取的这三种图像特征分别训练 滤波器模板， 同时加权融合输出置信图确定置信 图中响应值得分最高的位置作为跟踪目标的位 置， 最后通过遮挡策略自适应更新核滤波器。 本 发明只提取了深度卷积网络的第一层和第三层 卷积特征， 降低了深度卷积网络模型的计算量， 并且通过融合三种特征以及遮挡策略的方法提 高了对跟踪目标的判别能力， 有效提高了视频监 控系统对跟踪目标的判别能力和实时性。 权利要求书3页 说明书9页 附图2页 CN 115272400 A 2022.11.01 CN 115272400 A 1.一种视频监控系统的目标跟踪方法， 其特 征在于： Step1： 对视频监控系统提供的视频图像数据的第一帧图像数据进行划分， 划分视频图 像的跟踪目标位置和矩形框大小； Step2： 对视频图像数据进行仿射变换； Step3： 对进 行仿射变换后的视频图像数据进 行特征提取， 提取的HOG特征为 通过深 度卷积网络VGG16提取的第三层和第五层卷积特征分别为 t表示当前视频图像 帧； Step4： 将Step3提取的三种特征进行双线性插值， 将三种特征的分辨率都调整为W ×H， W和H分别代表第一帧视频图像中给定的矩形框大小宽度和高度， 再根据这三种特征分别建 立核相关滤波器 和 Step5： 对后续视频图像帧先按照Step2、 Step3的步骤进行操作， 然后根据Step3获得的 三种特征先进行双线性插值来统一分辨率， 然后再分别计算这三种 特征的置信图， 分别 设 为 Step6： 对Step5获得的三种置信图根据其特性计算其可靠性权重系数 并 且再计算其置信图融合权重系数分别为 通过计算到的置信图融合权重系数 来对获得的三种置信图进行融合， 融合后的置信图为f(Zt)； Step7： 对Step6获得的融合置信图求最大响应， 最大响应所在的位置即为预测的跟踪 目标的位置； Step8： 根据Step4建立的核相关滤波器以及当前视频图像帧提取的特征来更新核相关 滤波器， 并且此后的核相关滤波器的更新都是根据上一个核相关滤波器 和新的当前帧 图像特征来进行 更新， 更新后的核相关滤波器设为 在判断是否更新核相关滤波器的过程中， 还需要判断当前帧图像的跟踪目标是否被遮 挡， 判断遮挡的策略是根据计算置信图的峰值 ‑中值能量的平均值PME‑ave和置信图的峰值 Fmax的大小来确定是否更新； Step9、 重复步骤Step2、 Step3、 Step5、 Step6、 Step7、 Step8， 直至最后一 帧视频图像结 束。 2.根据权利要求1所述的视频监控系统的目标跟踪方法， 其特征在于， Step2中所述仿 射变换具体为： 对视频图像帧的搜索区域向左旋转8 °、 对视频图像 帧的搜索区域向右旋转 8°、 按搜索区域大小 进行1.1倍的放大、 按搜索区域大小 进行0.9倍的缩小。 3.根据权利要求1所述的视频监控系统的目标跟踪方法， 其特征在于， Step3中所述特 征提取具体为： 设(x,y)为视频图像中的某个像素点， H(x,y)为(x,y)对应的像素值， GH为水平梯度， GV 为垂直梯度； 再根据水平梯度GH和垂直梯度GV求视频图像的梯度方向θ(x,y)和它的梯度值G(x,y)；权　利　要　求　书 1/3 页 2 CN 115272400 A 2然后将视频图像划分成若干个cells， 根据梯度方向θ(x,y)和G(x,y)在cells内统计梯 度方向直方图， 再将直方图进行归一化， 将归一化后的所有特征向量组合起来即为HOG特 征， 设为 4.根据权利要求1所述的视频监控系统的目标跟踪方法， 其特 征在于， Step4中： 统一将Step3提取的三种特征进行双线性插值， 将这三种特征的分辨率都调整为W ×H， W和H分别代表第一帧视频图像中给定的矩形框大小宽度和高度， 在根据这三种特征分别建 立核相关滤波器， 公式表示如下： 代表核相关滤波器， i∈[1,2,3]， Y为大小W ×H的高斯训练标签图， 反映的是一个映 射到训练标签上的特征映射， 为在各类特征提取后并进行核相关计算后对应的 核相关特 征图。 5.根据权利要求1所述的视频监控系统的目标跟踪方法， 其特征在于， Step5中所述置 信图具体为： 在式(4)中， 为对提取的当前帧图像中的各类特征进行计算得到的置信图， i∈ [1,2,3]， 代表上一个核相关滤波器， ⊙代表点乘运 算， 为核相关特 征图。 6.根据权利要求1所述的视频监控系统的目标跟踪方法， 其特征在于， 所述Step6具体 为： 对三种置信图根据其特性计算 其可靠性权 重系数； 在式(5)中， 代表可靠性权重系数， i∈[1,2,3]， Fmax1代表置信图中峰值最高的主峰 值， Fmax2代表次峰值； 通过公式(6)来计算每一种置信图融合权 重系数； 在式(6)中， i∈[1,2,3]， 代表三种置信图融合权 重系数； 通过(6)式计算到的置信图融合权重系数来对获得的三种置信图进行融合， 融合后的 置信图为f(Zt)； 权　利　要　求　书 2/3 页 3 CN 115272400 A 3