| 主权项 |
一种基于目标跟踪的人工神经网络扩张式学习方法，包括以下步骤：(1)建立训练样本集1a)用计算机画图程序打开待跟踪序列图的第1帧图像；1b)手动截取待跟踪序列图第1帧图像中的目标区域，将目标区域的高度和宽度作为搜索框的高度和宽度；1c)将第1帧图像中的目标区域作为训练样本集编号为1的样本；1d)调用软件平台matlab中用于读取图片文件数据的imread函数，根据训练样本集中样本的编号依次输入训练样本集中的样本对应于计算机中的存储路径和文件名称，依次输出与训练样本集中样本编号对应的样本灰度值矩阵，作为人工神经网络的输入数据；1e)将待跟踪序列图第1帧图像作为当前帧图像，调用软件平台matlab中用于读取图片文件数据的imread函数，输入当前帧图像对应于计算机中的存储路径和文件名称，输出当前帧图像的灰度值矩阵；(2)获取样本标准化灰度值矩阵根据训练样本集中样本编号依次找出与之对应的样本灰度值矩阵，在对应的样本灰度值矩阵的左右边缘同时填充相同列数的零元素，在上下边缘同时填充相同行数的零元素，获得与训练样本集中样本编号对应的所有样本标准化灰度值矩阵；(3)构建人工神经网络模型3a)根据训练样本集的样本个数，设定人工神经网络的最大误差；3b)根据训练样本集中样本的编号依次将样本标准化灰度值矩阵由输入层的两个子网络输入人工神经网络，依次获得与训练样本集中样本编号对应的样本标准化灰度值矩阵中每个元素对应的子网络的权值；3c)输入层根据训练样本集中样本编号将与之对应的子网络的权值分别做累和运算；3d)输出层将两个子网络累和运算的结果相减，获得差值，如果差值大于0则输出1，如果差值小于0则输出0，将输出的0的个数作为当前人工神经网络的误差；3e)输出层判断当前人工神经网络误差是否大于人工神经网络的最大误差，如果大于最大误差，采用错误驱动准则更新样本标准化灰度值矩阵中每个元素对应的子网络的权值，否则，执行步骤(4)；(4)搜索当前帧图像中的目标4a)以当前帧图像的灰度值矩阵左上角第一个元素所在位置为坐标原点，将向下方向作为纵坐标的正方向，向右方向作为横坐标的正方向，相邻元素间隔坐标轴标准单位，建立坐标系，得到当前帧图像的灰度值矩阵每一元素所在位置与坐标系中坐标的对应关系；将目标统计矩阵设置为与目标待搜索灰度值矩阵尺寸大小相同的零矩阵；4b)将搜索框的中心平移至当前帧图像的灰度值矩阵中左上角第一个元素所在位置，获得搜索框中心位置对应坐标系的坐标；4c)按搜索框高度和宽度截取当前帧图像的灰度值矩阵，得到待检测区域的灰度值矩阵，如果搜索框未超出当前帧图像的灰度值矩阵，执行步骤4d)；否则，执行步骤4g)；4d)在待检测区域的灰度值矩阵的左右边缘同时填充相同列数的零元素，在上下边缘同时填充相同行数的零元素，得到待检测区域标准化灰度值矩阵；4e)将待检测区域标准化灰度值矩阵由人工神经网络输入层的两个子网络输入人工神经网络，得到人工神经网络的输出；4f)如果人工神经网络输出0，判断该元素所在位置为非目标位置，执行步骤4g)；否则，判断该元素所在位置为目标位置，根据搜索框中心对应坐标系的坐标将目标统计矩阵中对应位置的数值设为‑1；4g)按从左到右，从上到下的顺序，依次将搜索框中心平移至当前帧图像的灰度值矩阵中每一元素所在位置，获得搜索框中心位置对应坐标系的坐标；4h)重复步骤4c)、步骤4d)、步骤4e)、步骤4f)直到搜索完当前帧图像的灰度值矩阵右下角最后一个元素所在位置；(5)判断目标的位置个数是否为1个将目标统计矩阵中元素等于‑1的个数作为目标的位置个数，如果目标位置个数为1，则将目标统计矩阵中‑1元素所在位置作为最佳目标位置，执行步骤(8)；否则，执行步骤(6)；(6)构建匹配模板库6a)调用软件平台matlab中用于调节灰度图像亮度或彩色图像颜色矩阵的imadjust函数，根据训练样本集中样本的编号依次输入样本的灰度值矩阵，依次输出与训练样本集中样本编号对应的灰度增强的样本灰度值矩阵；6b)根据训练样本集中样本的编号依次将灰度增强的样本灰度值矩阵作为匹配模板灰度值矩阵，存入匹配模板库；(7)计算相似度7a)将当前相似度设置为0；7b)按从左到右、从上到下的搜索顺序，搜索目标统计矩阵，得到第一个数值为‑1的元素所在位置对应坐标系的坐标，在当前帧图像灰度值矩阵中将搜索框中心平移至对应该坐标的位置处；7c)按搜索框高度和宽度截取当前帧图像的灰度值矩阵，获得待检测区域的灰度值矩阵；7d)根据训练样本集中样本的编号依次将匹配模板库中的匹配模板灰度值矩阵与待检测区域的灰度值矩阵按相关匹配算法计算相似度，获得与训练样本集中样本编号对应的所有相似度，将所有相似度中数值最大的相似度作为最大相似度；7e)如果得到的最大相似度大于当前相似度时，将搜索框中心所处位置作为最佳目标位置，用最大相似度的数值替换当前相似度的数值；否则，执行步骤7f)；7f)按从左到右、从上到下的搜索顺序，搜索目标统计矩阵中的‑1元素，依次得到目标统计矩阵中元素‑1所在位置对应坐标系的坐标，在当前帧图像灰度值矩阵中将搜索框中心平移至对应该坐标的位置处，重复步骤7c)、步骤7d)、步骤7e)直到搜索完目标统计矩阵中所有的‑1元素；(8)获取当前帧图像中的目标在当前帧图像中以最佳目标位置为中心，按搜索框高度和宽度截取当前帧图像，获得目标区域；(9)更新训练样本集9a)如果当前帧图像的帧数是50的整数倍，则清空训练样本集中所有样本，清空匹配模板库中所有匹配模板灰度值矩阵，以此时的最佳目标位置作为搜索框中心位置，按搜索框高度的1.5倍、宽度的1.5倍截取当前帧图像，得到边缘待检测区域，分割边缘待检测区域，得到能够包含所有边缘点的最小外接矩形，在边缘待检测区域中将最小外接矩形对应的区域作为训练样本集编号为1的样本，加入训练样本集，将最小外接矩形的高度和宽度作为搜索框的高度和宽度；否则，根据训练样本集样本的个数，将获取的目标区域作为样本继续编号，存入训练样本集；9b)如果当前帧图像的帧数小于或者等于待跟踪序列图最后一帧图像的帧数，则执行步骤1d)；否则，结束跟踪。 |
