-
公开(公告)号：CN109711431A
公开(公告)日：2019-05-03
申请号：CN201811425819.7
申请日：2018-11-27
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种局部分块卷积的跟踪方法、系统及存储介质，该跟踪方法包括步骤S1：给定一个带有目标的初始帧，提取候选样本；步骤S2：将候选样本送入网络进行特征提取；步骤S3：将特征图分别送入基层卷积层和M个并行的分块卷积层，对于每一个局部分块目标使用一层卷积层来计算响应输出；步骤S4：融合各个分块响应输出后与基层卷积层的响应输出叠加作为最终的响应输出；步骤S5：通过在线检测得到当前帧目标中心位置后，根据当前中心点在当前帧提取不同尺度大小的搜索块；步骤S6：对不同尺度大小的候选对象进行尺度归一化。本发明的有益效果是：本发明能更好的适应目标在运动过程中的发生的变化，具有更强的鲁棒性。
-
公开(公告)号：CN109697727A
公开(公告)日：2019-04-30
申请号：CN201811425898.1
申请日：2018-11-27
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于相关滤波和度量学习的目标跟踪方法、系统及存储介质，该目标跟踪方法包括：步骤S1：在跟踪视频的第一帧获取目标的大小和位置；步骤S2：根据得到的目标信息获取目标特征和与目标相似的负样本并训练相关滤波的模板；步骤S3：通过训练得到的模板预测目标的位置，并根据响应图得到此次预测的置信度来判断是否使用度量学习网络来精确定位目标。本发明的有益效果是：本发明针对目标追踪视频的特点，先使用相关滤波模型来对当前帧进行预测，找出和目标相近的候选区域；针对这些候选区域，使用深度网络来判断其与目标的相似度；对目标追踪来说，其是对相关滤波模型的优化，加入了度量学习算法，提出了使用度量学习来优化相关滤波结果的方法；从而能准确、实时地追踪目标。
-
公开(公告)号：CN109711258A
公开(公告)日：2019-05-03
申请号：CN201811425855.3
申请日：2018-11-27
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于卷积网络的轻量级人脸关键点检测方法、系统及存储介质，该方法包括：使用多任务网络并行完成人脸检测和人脸回正参数计算，并将原始的倾斜人脸进行回正；将回正人脸送入轻量关键点检测网络；检测人脸关键点，针对多人脸关键点检测任务，使用非冻结迁移学习的预训练方案，逐步训练多个人脸关键点，训练时使用并行人脸回正机制；人脸旋转返回原始角度。本发明的有益效果是:本发明针对人脸关键点检测任务的特点进行改进，引入注意力机制对卷积网络的网络输出进行打分选择，缓解了人脸关键点检测的损失函数不均衡问题；同步训练人脸检测任务与人脸回正参数计算任务，提升了整体架构的效率，降低了模型复杂度。
-
-
Search Results
3
records
(took 0.022 seconds)
