-
公开(公告)号：CN111462184B
公开(公告)日：2022-09-23
申请号：CN202010256256.4
申请日：2020-04-02
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于孪生神经网络线性表示模型的在线稀疏原型跟踪方法，包括基于图像混合方法将不同图片进行线性叠加，得到复杂背景图片；通过在线稀疏原型跟踪在外观模型上建模，利用正交子空间基向量和琐碎模板组成的原型来稀疏地线性表示被跟踪目标；基于观测模型和观测似然函数输出遮挡跟踪结果。实现通过数据增广方法将不同图片进行线性叠加，利用有限的训练集生成了带有语义信息的复杂背景图片，增强了SiamRPN对不同物体的判别能力，解决了背景杂乱的问题，在线稀疏原型的目标表示模型与改进的SiamRPN相结合，考虑了目标遮挡情况，利用观测似然函数和更新机制制作的鲁棒跟踪器，提高了被跟踪目标的定位精度，从而提升了整体跟踪性能。
-
Patent Agency Ranking
公开(公告)号：CN113269809B
公开(公告)日：2022-06-21
申请号：CN202110496902.9
申请日：2021-05-07
Applicant: 桂林电子科技大学
Abstract: 本申请适用于图像处理领域，提供了一种多特征融合相关滤波目标跟踪方法、计算机可读存储介质及计算机设备。所述方法包括以下步骤：接收视频，在当前视频帧中获取待跟踪目标图像和待跟踪目标的跟踪框；分别计算待跟踪目标图像的深度特征和三个手工特征，首先对三个手工特征进行串行融合，得到一个单通道的手工特征图，然后对待跟踪目标图像进行深度特征提取，得到一个单通道的深度特征图，将手工特征图与深度特征图并行融合调整为相同尺寸再进行对应像素相加，得到最终的融合特征；基于树形结构尺度自适应的目标跟踪算法对待跟踪目标的跟踪框中的目标进行尺度缩放判断，得到目标的最佳尺度响应值；在相关滤波模型KCF中，根据最终的融合特征和目标的最佳尺度响应值确定待跟踪目标。本申请能增加目标的外观模型的可区分性。
-
公开(公告)号：CN113269809A
公开(公告)日：2021-08-17
申请号：CN202110496902.9
申请日：2021-05-07
Applicant: 桂林电子科技大学
Abstract: 本申请适用于图像处理领域，提供了一种多特征融合相关滤波目标跟踪方法、计算机可读存储介质及计算机设备。所述方法包括以下步骤：接收视频，在当前视频帧中获取待跟踪目标图像和待跟踪目标的跟踪框；分别计算待跟踪目标图像的深度特征和三个手工特征，首先对三个手工特征进行串行融合，得到一个单通道的手工特征图，然后对待跟踪目标图像进行深度特征提取，得到一个单通道的深度特征图，将手工特征图与深度特征图并行融合调整为相同尺寸再进行对应像素相加，得到最终的融合特征；基于树形结构尺度自适应的目标跟踪算法对待跟踪目标的跟踪框中的目标进行尺度缩放判断，得到目标的最佳尺度响应值；在相关滤波模型KCF中，根据最终的融合特征和目标的最佳尺度响应值确定待跟踪目标。本申请能增加目标的外观模型的可区分性。
-
公开(公告)号：CN112435280A
公开(公告)日：2021-03-02
申请号：CN202011266723.8
申请日：2020-11-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种无人机视频的运动目标检测与跟踪方法，利用金字塔分层的光流检测算法对获取的初始帧视频图像进行光流检测；并对检测出来的光流矢量进行阈值和矩形聚类筛选，并利用形心公式计算出目标位置，接着利用所述目标位置对运动参数和跟踪模型进行初始化；并根据初始化后的所述跟踪模型，利用树形结构尺度自适应算法进行尺度缩放判断，同时考虑目标跟丢后重检测的过程，结合目标丢失再检测方法对丢失的目标进行重新定位，增加跟踪到目标的成功率。
-
公开(公告)号：CN111462184A
公开(公告)日：2020-07-28
申请号：CN202010256256.4
申请日：2020-04-02
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于孪生神经网络线性表示模型的在线稀疏原型跟踪方法，包括基于图像混合方法将不同图片进行线性叠加，得到复杂背景图片；通过在线稀疏原型跟踪在外观模型上建模，利用正交子空间基向量和琐碎模板组成的原型来稀疏地线性表示被跟踪目标；基于观测模型和观测似然函数输出遮挡跟踪结果。实现通过数据增广方法将不同图片进行线性叠加，利用有限的训练集生成了带有语义信息的复杂背景图片，增强了SiamRPN对不同物体的判别能力，解决了背景杂乱的问题，在线稀疏原型的目标表示模型与改进的SiamRPN相结合，考虑了目标遮挡情况，利用观测似然函数和更新机制制作的鲁棒跟踪器，提高了被跟踪目标的定位精度，从而提升了整体跟踪性能。
-
公开(公告)号：CN114066935A
公开(公告)日：2022-02-18
申请号：CN202111277903.0
申请日：2021-10-30
Applicant: 南宁桂电电子科技研究院有限公司 , 桂林电子科技大学
IPC: G06T7/246 , G06T7/70 , G06T7/90 , G06T5/40 , G06T5/20 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于相关滤波的长时目标跟踪方法，首先，基于相关滤波提取多层卷积特征作为深层特征，颜色直方图特征作为浅层特征，采用深浅层自适应融合策略来增强特征判别力，并对融合特征进行降维来提高目标跟踪的速度；然后，通过自适应尺度的相关滤波跟踪算法把目标的尺度变化转化为位移信号，对目标模板变换前后分别提取方向梯度直方图特征，建立位移与尺度的滤波模型，并在相关滤波框架下同步跟踪目标的位移和尺度因子，融合得到目标跟踪框；最后，自适应确定目标检测阈值，通过EdgeBoxs方法提取目标候选区域，利用结构化支持向量机重新检测目标位置达到长时跟踪的目的。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
