动态双模板更新的单目标跟踪方法及存储介质

    公开(公告)号:CN114387459A

    公开(公告)日:2022-04-22

    申请号:CN202210095816.1

    申请日:2022-01-26

    Abstract: 本发明公开了动态双模板更新的单目标跟踪方法及存储介质,所述方法,包括步骤10、读取视频序列;步骤20、读取视频序列的第一帧图像及其标注数据,进行初始化模板得到模板图像;步骤30、读取下一帧图像,处理为搜索区域图像;步骤40、将所述模板图像和所述搜索区域图像同时送入预设强特征提取网络,分别获得模板特征图和搜索区域特征图;步骤50、对所述模板特征图和搜索区域特征图进行相似度匹配计算,输出相似度得分响应图,得到初步跟踪预测结果。本发明动态双模板更新的单目标跟踪方法,为一种结合强特征提取网络和动态双模板更新策略的目标跟踪方法,当所跟踪的目标所在的视频序列较为复杂时,仍然有较高精确率和鲁棒性跟踪。

    一种多特征融合相关滤波目标跟踪方法及计算机设备

    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

    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。

    一种对门级网表的层次化检查方法

    公开(公告)号:CN118607437A

    公开(公告)日:2024-09-06

    申请号:CN202410781070.9

    申请日:2024-06-18

    Abstract: 本发明提供一种对门级网表的层次化检查方法,属于集成电路下数字芯片设计领域,本发明为解决在数字芯片设计流程中由于网表规模过大而带来的网表检查效率降低的问题。所述设计方法包括:对大型的网表文件按模式进行block划分;对划分后的每层block进行层次化分析并提取模型;采用综合ILM&ETM提取模型的方法避免了传统网表检查中忽略边界违例的问题;最后汇总每层的检查报告并输出为最终检查结果。通过层次化方法检查大型设计的面积大小、功耗大小、单元连接性错误等信息,相较于商业EDA工具使用的展平式检查效率更高,可以有效减少工具运行时间、优化内存占用、有助提高网表检查效率,降低芯片设计周期。

Patent Agency Ranking