-
公开(公告)号:CN111008996B
公开(公告)日:2023-04-07
申请号:CN201911250349.X
申请日:2019-12-09
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明公开一种通过分层特征响应融合的目标跟踪方法,涉及计算机视觉目标跟踪领域;包括:步骤10、对参数进行初始化;步骤20、提取目标图像分层特征进行响应值融合得到位置模型;步骤30、训练尺度相关滤波器的最大尺度响应值得到尺度模型;步骤40、当步骤20中所述响应值融合后得到的融合响应值小于等于设定阈值,对目标图像进行重检测,得到一候选区域,并返回步骤20;当所述融合响应值大于设定阈值时,更新位置模型以及尺度模型,然后进入步骤50;步骤50、将更新后的位置模型与尺度模型用于下一帧跟踪,返回步骤40。本发明提供的方法,改变了分层特征自适应融合和模型更新的条件,提高了相关滤波器跟踪的精确度,使跟踪效果更为理想。
-
公开(公告)号:CN111612809A
公开(公告)日:2020-09-01
申请号:CN202010466649.8
申请日:2020-05-28
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明提供了视觉跟踪领域的一种结合时空正则化约束的视觉跟踪定位方法,包括如下步骤:步骤S10、对参数进行初始化;步骤S20、基于初始化的所述参数,利用脊回归项、时空正则化模块以及约束模块建立跟踪框的目标函数;步骤S30、将所述目标函数矩阵化;步骤S40、将矩阵化的所述目标函数转为频域函数;步骤S50、将所述频域函数最小化以求取最优解;步骤S60、利用所述最优解更新拉格朗日参数;步骤S70、基于更新的所述拉格朗日参数更新跟踪框的目标函数进行视觉跟踪。本发明的优点在于:极大的提升了视觉跟踪的准确性以及有效性。
-
公开(公告)号:CN109325966A
公开(公告)日:2019-02-12
申请号:CN201811031171.5
申请日:2018-09-05
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明提供一种通过时空上下文进行视觉跟踪的方法,包括如下步骤:步骤1:初始化参数;步骤2:训练上下文感知滤波器得到位置模型;步骤3:训练尺度相关滤波器的最大尺度响应值得到尺度模型;步骤4:分类器输出响应图;判别相关滤波器生成与响应图峰值对应的峰值旁瓣比;步骤5:对比响应图峰值与峰值旁瓣比,如果响应图峰值大于峰值旁瓣比,则引入在线随机蕨分类器进行重检测;如果响应图峰值小于峰值旁瓣比,则更新步骤2的位置模型和步骤3的尺度模型;如果响应图峰值等于峰值旁瓣比,则继续维持当前视觉跟踪状态;步骤6:将更新好的位置模型与尺度模型作用于下一帧跟踪;返回步骤4。
-
公开(公告)号:CN108021869A
公开(公告)日:2018-05-11
申请号:CN201711127478.0
申请日:2017-11-15
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明公开的一种结合高斯核函数的卷积神经网络跟踪方法,该方法步骤包括:首先对首帧图像进行归一化处理并聚类提取目标信息,结合跟踪过程中目标背景信息共同作为卷积网络结构中的各阶滤波器,通过高斯核函数来提高卷积运算速度,提取目标简单抽象特征,然后叠加简单层的卷积结果得到目标的深层次表达,最后结合粒子滤波跟踪框架实现跟踪。本发明简化后的卷积网络结构,脱离苛刻深度学习运行环境提取的深度抽象特征,能够有效地应对低分辨率,目标遮挡与形变等场景,提高复杂背景下的跟踪效率。
-
公开(公告)号:CN109325966B
公开(公告)日:2022-06-03
申请号:CN201811031171.5
申请日:2018-09-05
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明提供一种通过时空上下文进行视觉跟踪的方法,包括如下步骤:步骤1:初始化参数;步骤2:训练上下文感知滤波器得到位置模型;步骤3:训练尺度相关滤波器的最大尺度响应值得到尺度模型;步骤4:分类器输出响应图;判别相关滤波器生成与响应图峰值对应的峰值旁瓣比;步骤5:对比响应图峰值与峰值旁瓣比,如果响应图峰值大于峰值旁瓣比,则引入在线随机蕨分类器进行重检测;如果响应图峰值小于峰值旁瓣比,则更新步骤2的位置模型和步骤3的尺度模型;如果响应图峰值等于峰值旁瓣比,则继续维持当前视觉跟踪状态;步骤6:将更新好的位置模型与尺度模型作用于下一帧跟踪;返回步骤4。
-
公开(公告)号:CN108549839A
公开(公告)日:2018-09-18
申请号:CN201810206321.5
申请日:2018-03-13
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明公开了一种自适应特征融合的多尺度相关滤波视觉跟踪方法,该方法步骤包括:首先使用上下文感知相关滤波框架分别对目标Hog特征和color特征进行相关滤波,归一化两种特征下的响应值,按照响应值占比分配权重并线性加权融合,得到融合后的最终响应图,然后将其与预定义响应阈值进行判断是否更新滤波模型。最后在跟踪过程中引入尺度相关滤波器,提高算法的尺度适应能力。本发明的方法能够结合多种特征跟踪,发挥各自特征的性能优势,设计一种模型自适应的更新方法,此外还引入了一种精确尺度估计机制。能够有效地提高提高模型的更新质量以及跟踪精确度,并在尺度变化,快速运动,形变,遮挡等复杂场景下具有较好的鲁棒性。
-
公开(公告)号:CN111612809B
公开(公告)日:2023-04-07
申请号:CN202010466649.8
申请日:2020-05-28
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
IPC: G06T7/20 , G06F17/16 , G06T7/246 , G06V10/25 , G06V10/774
Abstract: 本发明提供了视觉跟踪领域的一种结合时空正则化约束的视觉跟踪定位方法,包括如下步骤:步骤S10、对参数进行初始化;步骤S20、基于初始化的所述参数,利用脊回归项、时空正则化模块以及约束模块建立跟踪框的目标函数;步骤S30、将所述目标函数矩阵化;步骤S40、将矩阵化的所述目标函数转为频域函数;步骤S50、将所述频域函数最小化以求取最优解;步骤S60、利用所述最优解更新拉格朗日参数;步骤S70、基于更新的所述拉格朗日参数更新跟踪框的目标函数进行视觉跟踪。本发明的优点在于:极大的提升了视觉跟踪的准确性以及有效性。
-
公开(公告)号:CN111008996A
公开(公告)日:2020-04-14
申请号:CN201911250349.X
申请日:2019-12-09
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明公开一种通过分层特征响应融合的目标跟踪方法,涉及计算机视觉目标跟踪领域;包括:步骤10、对参数进行初始化;步骤20、提取目标图像分层特征进行响应值融合得到位置模型;步骤30、训练尺度相关滤波器的最大尺度响应值得到尺度模型;步骤40、当步骤20中所述响应值融合后得到的融合响应值小于等于设定阈值,对目标图像进行重检测,得到一候选区域,并返回步骤20;当所述融合响应值大于设定阈值时,更新位置模型以及尺度模型,然后进入步骤50;步骤50、将更新后的位置模型与尺度模型用于下一帧跟踪,返回步骤40。本发明提供的方法,改变了分层特征自适应融合和模型更新的条件,提高了相关滤波器跟踪的精确度,使跟踪效果更为理想。
-
公开(公告)号:CN111612001B
公开(公告)日:2023-04-07
申请号:CN202010466175.7
申请日:2020-05-28
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明提供了视觉目标跟踪领域的一种基于特征融合的目标跟踪定位方法,包括:步骤S10、给定第1帧图像的目标位置,以目标位置为中心剪裁第1帧图像生成目标模板,并创建搜索区域;步骤S20、提取目标模板以及搜索区域的HOG特征、CN特征以及深度特征,并进行融合生成融合响应值;步骤S30、使用正则化线性回归计算视频的变化因子Pt‑1以及Qt‑1;步骤S40、基于融合响应值、Pt‑1以及Qt‑1计算得到最新的目标位置;步骤S50、计算融合响应值的平均峰值相关能量,并依据平均峰值相关能量更新Pt‑1以及Qt‑1,对下一帧图像进行跟踪。本发明的优点在于:极大的提升了目标跟踪的精确度。
-
公开(公告)号:CN108549839B
公开(公告)日:2021-09-28
申请号:CN201810206321.5
申请日:2018-03-13
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明公开了一种自适应特征融合的多尺度相关滤波视觉跟踪方法,该方法步骤包括:首先使用上下文感知相关滤波框架分别对目标Hog特征和color特征进行相关滤波,归一化两种特征下的响应值,按照响应值占比分配权重并线性加权融合,得到融合后的最终响应图,然后将其与预定义响应阈值进行判断是否更新滤波模型。最后在跟踪过程中引入尺度相关滤波器,提高算法的尺度适应能力。本发明的方法能够结合多种特征跟踪,发挥各自特征的性能优势,设计一种模型自适应的更新方法,此外还引入了一种精确尺度估计机制。能够有效地提高提高模型的更新质量以及跟踪精确度,并在尺度变化,快速运动,形变,遮挡等复杂场景下具有较好的鲁棒性。
-
-
-
-
-
-
-
-
-