公开(公告)号：CN107292914A

公开(公告)日：2017-10-24

申请号：CN201710450318.3

申请日：2017-06-15

Applicant: 国家新闻出版广电总局广播科学研究院 ,  北京邮电大学

Inventor： 娄涵 ,  王强 ,  周芸 ,  姜竹青 ,  门爱东

IPC: G06T7/246 ,  G06N3/08

CPC classification number: G06T7/246 ,  G06N3/084

Abstract: 本发明涉及一种基于小型单支卷积神经网络的视觉目标跟踪方法，其主要技术特点是：搭建小型单支卷积神经网络；设计损失函数用于卷积神经网络的训练；对测试序列进行目标跟踪，当新视频帧到来时，根据损失函数的结果判断网络参数的更新与否；将卷积神经网络的输出结果送给二元分类器，预测出目标位置。本发明利用了深度卷积网络对目标物体强大的表示能力，构建小型单支卷积神经网络，提出新的损失函数和更新策略，增加了整体算法的跟踪精度，提高了跟踪结果的稳定性以及跟踪速率，获得了很好的目标跟踪结果。

公开(公告)号：CN107240122A

公开(公告)日：2017-10-10

申请号：CN201710450319.8

申请日：2017-06-15

Applicant: 国家新闻出版广电总局广播科学研究院 ,  北京邮电大学

Inventor： 娄涵 ,  周芸 ,  王东飞 ,  姜竹青 ,  门爱东

IPC: G06T7/246 ,  G06T7/262

CPC classification number: G06T7/246 ,  G06T7/262 ,  G06T2207/10016 ,  G06T2207/20056 ,  G06T2207/20081

Abstract: 本发明涉及一种基于时空连续相关滤波的视频目标跟踪方法，其主要技术特点是：构造并计算损失函数；对输入帧进行深度卷积特征提取，利用深度卷积网络的第3～5层特征信息估计当前帧中目标的位置；根据每层估计的目标位置的准确度分配不同权重，将三层目标位置加权求和得到当前帧目标的最终位置；根据之前所有帧的估计结果更新模板。本发明结合了判别相关滤波器、深度学习技术，其利用多层特征进行目标位置估计，并根据之前所有帧的位置信息连续更新学习率，增加了整体算法的跟踪精度，提高了跟踪结果的稳定性，获得了很好的目标跟踪效果。