公开(公告)号：CN117788520A

公开(公告)日：2024-03-29

申请号：CN202311839253.3

申请日：2023-12-28

Applicant: 北京工业大学 ,  湖南航天有限责任公司

Inventor： 王波涛 ,  袁浩哲 ,  刘允雷 ,  钟洪亮 ,  汤姣姣

IPC: G06T7/246 ,  G06V20/40 ,  G06V10/42 ,  G06V10/80 ,  G06V10/25 ,  G06T7/194

Abstract: 本发明提出一种基于多特征融合的多尺度跟踪方法，对目标区域及周围的背景区域提取快速梯度方向特征，提取颜色直方图特征，获得特征后计算两种响应特征的密集模板响应得分，将得分进行融合加权，得到多特征密集响应的总得分；快速梯度方向特征向量和颜色直方图特征向量分别转换到频域运算，通过两个独立的岭回归学习模型来训练对应的相关滤波器模型；通过循环位移得到的样本数据训练尺度滤波器，从而适应目标发生的尺度变化，利用双线性插值的方法来提升尺度自适应更新的效率；后续的图像帧数据提取感兴趣区域，再利用相关滤波器的响应特性预测目标位置，不断更新相关滤波器。本发明保证了高精确度的同时，摆脱了对高算力高成本硬件平台的依赖。

公开(公告)号：CN118628957A

公开(公告)日：2024-09-10

申请号：CN202410748334.0

申请日：2024-06-12

Applicant: 北京工业大学 ,  湖南航天有限责任公司

Inventor： 王波涛 ,  袁浩哲 ,  谭飞鸿

IPC: G06V20/40 ,  G06V10/25 ,  G06V10/764 ,  G06V10/766 ,  G06V10/80 ,  G06V10/82 ,  G06N3/042

Abstract: 本发明提供一种基于长短时相关注意力机制的孪生网络跟踪方法。本发明基于Transformer架构优化了孪生神经网络的特征融合模块，利用孪生网络的基础架构，对目标区域及模板区域提取相应的特征数据并展开，以ResNet作为骨干网络进行特征提取，在特征融合网络中，该方法发明了一种长短时相关注意力机制作为互相关运算模块中的多头注意力机制，利用孪生网络架构，设计了一种交叉连接实现的多分支特征融合网络，从而使长短时相关注意力机制可以同时利用长时及短时图像帧的特征数据，增强目标跟踪网络的鲁棒性，有效的减少模型漂移的产生，适用于具备强大计算能力的平台。本发明在复杂场景下能够更为出色的完成跟踪任务。