公开(公告)号：CN114494339A

公开(公告)日：2022-05-13

申请号：CN202111639385.2

申请日：2021-12-29

Applicant: 南京信息工程大学

Inventor： 于倩倩 ,  郑钰辉

IPC: G06T7/246 ,  G06T7/277 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种DAMDNet‑EKF算法的无人机目标跟踪方法，包括以下步骤：步骤1、采集视频帧，通过预设的跟踪模型，根据初始的视频帧训练边界框回归模型；其中，所述跟踪模型是基于DAMDNet的神经网络模型构建，并已经过预训练和初始化；步骤2、除去初始的视频帧，利用剩余的视频帧作为跟踪模型输入，得到视频帧的目标边界框以及与目标边界框对应的目标得分；步骤3、若步骤2得到的目标得分小于预设值，则对所述跟踪模型进行更新；若步骤2得到的目标得分不小于预设值，则使用边界框回归模型调整最优的目标边界框并对所述跟踪模型进行更新。本发明有效地解决了无人机跟踪算法容易跟踪失败及实时性较差的问题。

公开(公告)号：CN114494339B

公开(公告)日：2024-07-12

申请号：CN202111639385.2

申请日：2021-12-29

Applicant: 南京信息工程大学

Inventor： 于倩倩 ,  郑钰辉

IPC: G06T7/246 ,  G06T7/277 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种DAMDNet‑EKF算法的无人机目标跟踪方法，包括以下步骤：步骤1、采集视频帧，通过预设的跟踪模型，根据初始的视频帧训练边界框回归模型；其中，所述跟踪模型是基于DAMDNet的神经网络模型构建，并已经过预训练和初始化；步骤2、除去初始的视频帧，利用剩余的视频帧作为跟踪模型输入，得到视频帧的目标边界框以及与目标边界框对应的目标得分；步骤3、若步骤2得到的目标得分小于预设值，则对所述跟踪模型进行更新；若步骤2得到的目标得分不小于预设值，则使用边界框回归模型调整最优的目标边界框并对所述跟踪模型进行更新。本发明有效地解决了无人机跟踪算法容易跟踪失败及实时性较差的问题。