公开(公告)号：CN112270696A

公开(公告)日：2021-01-26

申请号：CN202011221216.2

申请日：2020-11-05

Applicant: 南京邮电大学

Inventor： 范保杰 ,  朱益

IPC: G06T7/246 ,  G06K9/62

Abstract: 本发明公开了一种基于融合元分类器的判别性目标跟踪方法，包括：步骤S1、在初始帧中确定跟踪目标；步骤S2、初始化锚框以及特征提取网络、在线分类器网络和元分类器网络；步骤S3、确定当前帧中的搜索区域位置和大小，并且对其进行特征提取；步骤S4‑S6、计算第一分类得分矩阵第二分类得分矩阵 和第三分类得分矩阵 步骤S7、融合上述三类得分矩阵，并且找出最大响应点，求出最终的目标尺度和位置的估计；步骤S8、设置短期记忆网络，确定下次训练的正样本，对元分类器与在线分类器进行参数更新。本发明通过加权三个分类器的结果作为最终的得分矩阵，得到预测的目标的位置信息，最后通过偏移量矩阵来得到目标的最终位置和大小信息。

公开(公告)号：CN112270696B

公开(公告)日：2022-09-06

申请号：CN202011221216.2

申请日：2020-11-05

Applicant: 南京邮电大学

Inventor： 范保杰 ,  朱益

IPC: G06T7/246 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明公开了一种基于融合元分类器的判别性目标跟踪方法，包括：步骤S1、在初始帧中确定跟踪目标；步骤S2、初始化锚框以及特征提取网络、在线分类器网络和元分类器网络；步骤S3、确定当前帧中的搜索区域位置和大小，并且对其进行特征提取；步骤S4‑S6、计算第一分类得分矩阵第二分类得分矩阵和第三分类得分矩阵步骤S7、融合上述三类得分矩阵，并且找出最大响应点，求出最终的目标尺度和位置的估计；步骤S8、设置短期记忆网络，确定下次训练的正样本，对元分类器与在线分类器进行参数更新。本发明通过加权三个分类器的结果作为最终的得分矩阵，得到预测的目标的位置信息，最后通过偏移量矩阵来得到目标的最终位置和大小信息。