周珂等：复杂环境下一种基于SiamMask的时空预测移动目标跟踪算法 387· 2.2算法应用效果测试 2.3算法时间成本 22.1测试指标设计 由于本文算法必须满足智能安全识别系统实 本文采用图像检测中常用的标准性能度量参 时、高效、可靠的要求，因此在实际使用环境中测 数IoU(Intersection over union)进行检测判断.当检 试其综合时间成本 测到的目标位置与真实目标位置相交的重叠部分 为了检验效果，用外接矩形框对目标跟踪轮 为0时为失败，即1oU=0认定为跟踪失败.通过式 廓边界进行了包围，如图9(a)所示.可以看到，经 (10)统计第i段视频误检帧所占的比例. 过算法校正，背景中的噪声轮廓得到了大幅度去 M 除，保留得到的头部轮廓是大面积连通域的外轮 0:7 (10) 廓.对于头发轮廓的边界点坐标以向量的形式进 行存储，即获取到视频序列中人员头发的位置坐 式中，M为视频总帧数；为判断因子，当该帧中 标，为后续头发目标是否进入危险区的判定提供 IoU=0时，=1，其余情况k=0. 基础. 1 设计统计指标：Q= (11) 如图9(a)中所示，较大蓝色矩形框代表二级 危险区，较小绿色矩形框代表一级危险区.对于危 式中，M为视频个数.Q为所有视频片段的错误率 险区的位置信息记录如下，二级危险区的具体设 的均值 计为：左上角顶点像素位置坐标为(418,274)，宽度 2.2.2测试数据对比 为164个像素，高度为147个像素.一级危险区的 为保证对比测试的初始区域一致性，SiamMask 具体设计为：左上角顶点像素位置坐标为(471,311)， 模型与本文所提算法均采用被测视频的初始帧人 宽度为107个像素，高度为93个像素.在图9(b) 脸区域分割结果.通过对7段测试视频进行统计， 中设计了四种报警级别的区域范围，分别是预警 得到前文表1及下文表2的数值. Ⅱ级、预警I级、危险、非常危险 从表1中视频的测试数据可计算得知 对于两组坐标进行比对判别，判断头发目标 Q=34.29%,即算法误识别的平均可能性为34.29%. 进入危险区的程度以触发不同类别的报警.得到 从表2数据可计算得知Q=0.156%,本文提出的算 结果如图10所示，图10(b)左上角为具体文字报 法误识别率有较大降低 警内容 表2基于SiamMask模型的时空预测算法目标跟踪效果统计 Table 2 Statistics of the target tracking effect of the spatiotemporal prediction algorithms based on the SiamMask model Video No.Frame number of false detection Analysis on the causes of false inspection Total frames Failure rate/% 1 0 Little change in this movement 361 0 2 0 Misidentified as dark cloth 288 0 Part of the face is blocked by the hair 192 0.52 2 Initialization offset,screen will pop up in recognition 1380 0.15 The target moves out of the screen slightly and the recognition is lost 240 0.42 6 0 Large proportion of face selection in initialization area 1360 0 > 0 Accurate initialization and small action range 241 0 (b) Hair outline box l-WarningⅡleve 2-Warning I leve 3-Dangerous 4-Very dangerous x 图9固定危险区划分示意图.()视频危险区划分图：(b)危险级别划分示意图 Fig.9 Fixed danger zone division diagram:(a)video dangerous zone division map;(b)diagram of hazard classification2.2    算法应用效果测试 2.2.1    测试指标设计 本文采用图像检测中常用的标准性能度量参 数 IoU（Intersection over union）进行检测判断. 当检 测到的目标位置与真实目标位置相交的重叠部分 为 0 时为失败，即 IoU=0 认定为跟踪失败. 通过式 （10）统计第 i 段视频误检帧所占的比例. Qi = 1 Ms ∑ Ms k=1 Φk （10） Ms Φk Φk = 1 Φk = 0 式中， 为视频总帧数； 为判断因子，当该帧中 IoU=0 时， ，其余情况 . 设计统计指标 : Q = 1 M ∑ M i=1 Qi （11） 式中，M 为视频个数. Q 为所有视频片段的错误率 的均值. 2.2.2    测试数据对比 为保证对比测试的初始区域一致性，SiamMask 模型与本文所提算法均采用被测视频的初始帧人 脸区域分割结果. 通过对 7 段测试视频进行统计， 得到前文表 1 及下文表 2 的数值. 从 表 1 中 视 频 的 测 试 数 据 可 计 算 得 知 Q=34.29%，即算法误识别的平均可能性为 34.29%. 从表 2 数据可计算得知 Q=0.156%，本文提出的算 法误识别率有较大降低. 2.3    算法时间成本 由于本文算法必须满足智能安全识别系统实 时、高效、可靠的要求，因此在实际使用环境中测 试其综合时间成本. 为了检验效果，用外接矩形框对目标跟踪轮 廓边界进行了包围，如图 9（a）所示. 可以看到，经 过算法校正，背景中的噪声轮廓得到了大幅度去 除，保留得到的头部轮廓是大面积连通域的外轮 廓. 对于头发轮廓的边界点坐标以向量的形式进 行存储，即获取到视频序列中人员头发的位置坐 标，为后续头发目标是否进入危险区的判定提供 基础. 如图 9（a）中所示，较大蓝色矩形框代表二级 危险区，较小绿色矩形框代表一级危险区. 对于危 险区的位置信息记录如下，二级危险区的具体设 计为：左上角顶点像素位置坐标为（418, 274），宽度 为 164 个像素，高度为 147 个像素. 一级危险区的 具体设计为：左上角顶点像素位置坐标为（471, 311）， 宽度为 107 个像素，高度为 93 个像素. 在图 9（b） 中设计了四种报警级别的区域范围，分别是预警 II 级、预警 I 级、危险、非常危险. 对于两组坐标进行比对判别，判断头发目标 进入危险区的程度以触发不同类别的报警. 得到 结果如图 10 所示，图 10（b）左上角为具体文字报 警内容. 表 2 基于 SiamMask 模型的时空预测算法目标跟踪效果统计 Table 2 Statistics of the target tracking effect of the spatiotemporal prediction algorithms based on the SiamMask model Video No. Frame number of false detection Analysis on the causes of false inspection Total frames Failure rate/% 1 0 Little change in this movement 361 0 2 0 Misidentified as dark cloth 288 0 3 1 Part of the face is blocked by the hair 192 0.52 4 2 Initialization offset, screen will pop up in recognition 1380 0.15 5 1 The target moves out of the screen slightly and the recognition is lost 240 0.42 6 0 Large proportion of face selection in initialization area 1360 0 7 0 Accurate initialization and small action range 241 0 (a) (b) Hair outline box y x C o 1 1—Warning Ⅱ leve 2—Warning Ⅰ leve 3—Dangerous 4—Very dangerous 3 4 2 图 9    固定危险区划分示意图. （a）视频危险区划分图；（b）危险级别划分示意图 Fig.9    Fixed danger zone division diagram: (a) video dangerous zone division map; (b) diagram of hazard classification 周    珂等： 复杂环境下一种基于 SiamMask 的时空预测移动目标跟踪算法 · 387 ·