-
公开(公告)号：CN118823331B
公开(公告)日：2024-12-27
申请号：CN202411295596.2
申请日：2024-09-18
Applicant: 南昌工程学院
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/20
Abstract: 本发明提出基于通道分离注意力模块的目标跟踪方法与系统，该方法包括：将模板图像和搜索图像输入模型，得到前半部分输入数据与后半部分输入数据；通过前半部分输入数据和后半部分输入数据得到结果特征图的模板图像和结果特征图的搜索图像，并通过采用迭代的方式得到最后的结果特征图；将最后的结果特征图输入在线评估模块，得到置信度得分；对模型进行训练并利用训练后的模型对目标进行在线跟踪。本发明通过使用通道分离注意力模块，融合动态卷积与注意力，使跟踪器具有动态性的局部和全局的特征提取能力，以增强跟踪器的特征提取与融合能力，让跟踪器能更好的在复杂场景中应对对象外观的变化，进而提高目标跟踪的性能。
-
公开(公告)号：CN117710663B
公开(公告)日：2024-04-26
申请号：CN202410162830.8
申请日：2024-02-05
Applicant: 南昌工程学院
IPC: G06V10/25 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于特征增强与级联融合注意力的目标跟踪方法与系统，该方法包括，在孪生双分支网络目标跟踪框架下，基于特征表示增强模块构建得到特征提取网络，基于级联融合注意力构建得到特征融合网络，利用训练后的特征提取网络提取目标模板图像以及搜索区域图像的深层特征并进行增强，获得模板特征和搜索特征，将模板特征输入到编码器中获得编码特征，将编码特征输入训练后的特征融合网络中进行级联融合注意力操作，得到增强的目标模板中间特征，将搜索特征与增强的目标模板中间特征输入至解码器，以得到用于定位目标的分数预测图以实现目标跟踪。本发明利用分组级联的设计方式，充分利用全局上下文信息，实现更加鲁棒和精确的跟踪。
-
公开(公告)号：CN117915188A
公开(公告)日：2024-04-19
申请号：CN202311775548.9
申请日：2023-12-21
Applicant: 南昌工程学院
Inventor： 王军
IPC: H04N23/61 , H04N23/695 , G06T7/246 , G06T7/73
Abstract: 本发明提供一种基于图像处理的目标跟踪方法及装置，涉及图像跟踪技术领域。该基于图像处理的目标跟踪方法及装置，包括目标跟踪装置，该基于图像处理的目标跟踪方法及装置的目标跟踪装置主体包含有跟踪摄像头模块，所述目标跟踪装置包含有信号定位模块和驱动控制装置模块，所述目标跟踪装置包含有核心处理器模块。本发明通过超声波定位装置进行准确的跟踪定位，通过信号定位模块辅助摄像头对跟踪目标的移动轨迹进行辅助修正，通过驱动控制装置控制跟踪摄像头的角度方向，从而达到移动时跟踪目标的作用和效果，使得移动目标一致保持在摄像头的图像中心区域，极大地方便了工作人员的观察和使用。
-
公开(公告)号：CN117274883B
公开(公告)日：2024-01-26
申请号：CN202311543165.9
申请日：2023-11-20
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于多头注意力优化特征融合网络的目标跟踪方法与系统，该方法包括:在孪生网络框架下构建特征提取网络和特征融合网络模型并进行训练，利用特征提取网络分别对模板图像和搜索图像进行特征提取，得到模板图像特征和搜索区域特征，采用缩小模板图像特征在空间维度上尺度的方式进行多头自注意力计算，得到编码后模板特征，采用搜索区域特征降维的方式进行多头自注意力计算，得到局部特征增强的搜索区域特征，再将二者进行特征融合，将融合结果送入分类分支和回归分支上获取目标在搜索区域的最大响应位置以进行目标跟踪。本发明利用高效自注意力和高效空间约简注(56)对比文件王辰成;杨麟儿;王莹莹;杜永萍;杨尔弘.基于Transformer增强架构的中文语法纠错方法.中文信息学报.2020,(06),全文.Yuanyun Wang.Depthwise Over-parameterized Siamese Network for VisualTracking《. 2021 International Conferenceon Information Technology and BiomedicalEngineering (ICITBE)》.2022,全文.马静怡;崔昊杨.基于改进RPN网络的电力设备图像识别方法研究.供用电.2020,(第01期),全文.
-
公开(公告)号：CN117333515A
公开(公告)日：2024-01-02
申请号：CN202311636914.2
申请日：2023-12-01
Applicant: 南昌工程学院
IPC: G06T7/246 , G06T7/223 , G06V10/82 , G06V20/40 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/0455 , G06N3/082
Abstract: 本发明提出一种基于区域感知注意力的目标跟踪方法与系统，该方法包括：在孪生双分支结构下，基于区域感知编码器模块构建区域感知注意力特征提取器；基于模型初始化模块以及模型优化模块构建模型预测器，基于卷积模块构建目标分类器；区域感知注意力特征提取器、模型预测器以及目标分类器共同构成目标跟踪框架；区域感知注意力特征提取器分别从训练集以及测试帧中提取模板特征以及搜索特征，模型预测器利用模板特征以及目标边界框信息生成目标模型，目标分类器利用目标模型在搜索特征中定位目标位置。本发明采用动态性的区域感知稀疏注意力机制，可以实现区域自适应，实时动态选择目标感兴趣区域，从而有效减低多头自注意力机制的计算复杂度。
-
Patent Agency Ranking
公开(公告)号：CN115661207A
公开(公告)日：2023-01-31
申请号：CN202211419895.3
申请日：2022-11-14
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于空间一致性匹配与权重学习的目标跟踪方法与系统，该方法包括：对模板分支与搜索区域分支的图像初始化以生成目标模板图像和搜索区域图像；对目标模板图像与搜索区域图像分别提取特征，对目标模板特征进行上采样获得目标模板深度特征；构建特征融合网络模型；采用克罗内克积对目标模板深度特征和搜索区域特征进行计算得到匹配置信度图；对空间一致性匹配模块与模板特征权重学习模块进行训练，以获得最终置信度图并将得分最高的目标候选块进行目标跟踪。本发明通过建立目标模板图像和搜索区域图像的空间一致性对应关系，充分利用目标模板图像和搜索区域目标候选块图像的空间位置信息，实现更准确跟踪。
-
公开(公告)号：CN115063445B
公开(公告)日：2022-11-08
申请号：CN202210993495.7
申请日：2022-08-18
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于多尺度层次化特征表示的目标跟踪方法与系统，所述方法包括：对输入图像数据进行增强以得到搜索区域图像；通过将特征识别器模块嵌入在层次化特征提取网络中的前三个卷积块之后，以构建得到层次化特征提取模块；将目标模板图像集与搜索区域图像输入到孪生神经网络框架中，通过层次化特征提取网络分别对模板分支和搜索区域的目标图像特征进行学习，以得到相应的模板特征与搜索特征；将模板特征输入到编码器中，使得单个模板特征进行增强，以获得编码特征；将模板特征与编码特征映射在同一特征空间中，将搜索特征与模板融合特征输入至解码器，以实现鲁棒的目标跟踪。
-
公开(公告)号：CN114119669A
公开(公告)日：2022-03-01
申请号：CN202111438516.0
申请日：2021-11-30
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于Shuffle注意力的图匹配目标跟踪方法与系统，该方法包括：基于卷积神经网络与Shuffle注意力模块建立特征提取主干网络；建立目标跟踪算法模型；采用离线方式对目标跟踪算法模型进行端对端训练；初始化视频序列的第一帧以获取目标模板图像，在后续帧中以前一帧目标中心位置的预设倍大小截取搜索区域图像，并将目标模板图像以及搜索区域图像送入到特征提取主干网络中以获得深度特征；对深度特征进行图匹配操作，以获得相似性得分图；对相似性得分图进行前景与背景的区别以及预测框的角点进行调整，以确定最终的目标跟踪位置。本发明具有很好的鲁棒性与实时性，实现良好的目标图像跟踪效果。
-
公开(公告)号：CN113379806B
公开(公告)日：2021-11-09
申请号：CN202110929160.4
申请日：2021-08-13
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于可学习稀疏转换注意力机制的目标跟踪方法与系统，包括：对给定第一帧目标框中的图像初始化以生成目标模板图像；在后续帧中，以前一帧目标框中的图像的目标中心作为中心点，通过多尺度策略以获取得到多个搜索区域图像；将目标模板图像与搜索区域图像输入到共享权值的卷积神经网络模型中，通过卷积神经网络分别提取特征；基于可学习稀疏模型对提取的特征进行空间转换和通道转换；将目标模板深度特征作为卷积核，对搜索区域图像进行滑窗操作，以得到多个得分图，根据得分值最大位置推测出目标相对位移和尺度变化，以实现目标跟踪。本发明具有很好的鲁棒性与实时性，可实现良好的目标图像跟踪效果。
-
公开(公告)号：CN113379806A
公开(公告)日：2021-09-10
申请号：CN202110929160.4
申请日：2021-08-13
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于可学习稀疏转换注意力机制的目标跟踪方法与系统，包括：对给定第一帧目标框中的图像初始化以生成目标模板图像；在后续帧中，以前一帧目标框中的图像的目标中心作为中心点，通过多尺度策略以获取得到多个搜索区域图像；将目标模板图像与搜索区域图像输入到共享权值的卷积神经网络模型中，通过卷积神经网络分别提取特征；基于可学习稀疏模型对提取的特征进行空间转换和通道转换；将目标模板深度特征作为卷积核，对搜索区域图像进行滑窗操作，以得到多个得分图，根据得分值最大位置推测出目标相对位移和尺度变化，以实现目标跟踪。本发明具有很好的鲁棒性与实时性，可实现良好的目标图像跟踪效果。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.029 seconds)
