公开(公告)号：CN110349185B

公开(公告)日：2022-10-11

申请号：CN201910630002.1

申请日：2019-07-12

Applicant: 安徽大学

Inventor： 李成龙 ,  罗斌 ,  朱亚彬 ,  汤进

IPC: G06T7/246

Abstract: 本发明公开了一种RGBT目标跟踪模型的训练方法及装置，方法包括：1)、构建依次由稠密特征聚合模块以及分类模块组成的跟踪模型，稠密特征聚合模块包括提取可见光图像特征的第一卷积层序列；以及提取热红外图像特征的第二卷积层序列，第一卷积层中的与第二卷积层中深度相同的卷积层为配对卷积层；除第一个配对卷积层以外的配对卷积层均对应一个特征聚合层，第一个配对卷积层的卷积结果输入到下一个配对卷积层的特征聚合层中；分类模块包括依次串联的若干层全连接层；2)、使用预先标记的可见光图像样本以及预先标记的热红外图像样本训练跟踪模型，得到目标跟踪模型。本发明实施例可以使目标识别结果更加准确。

公开(公告)号：CN118015045A

公开(公告)日：2024-05-10

申请号：CN202410153260.6

申请日：2024-02-02

Applicant: 安徽大学

Inventor： 李成龙 ,  赵兴乐 ,  朱亚彬 ,  汤进

IPC: G06T7/246 ,  G06V10/44 ,  G06V10/62 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455

Abstract: 本发明公开了基于运动信息辅助的遥感单目标跟踪方法及系统，方法包括：构建带有挖掘目标长期运动特征的长时运动信息挖掘模块的目标跟踪模型；训练所述目标跟踪模型；测试训练好的目标跟踪模型，实时获取目标跟踪结果；根据当前目标跟踪结果，判断目标是否遮挡和丢失，若是，则估计目标下一帧的位置，输出目标下一帧的位置，若否，则直接输出当前目标跟踪结果；本发明的优点在于：不容易丢失跟踪对象，鲁棒性强，具有全局表示能力。

公开(公告)号：CN118379591A

公开(公告)日：2024-07-23

申请号：CN202410590682.X

申请日：2024-05-13

Applicant: 安徽大学

Inventor： 李成龙 ,  王谦武 ,  朱亚彬

IPC: G06V10/80 ,  G06V10/143 ,  G06V10/62 ,  G06V10/82 ,  G06N3/0499 ,  G06N3/0464

Abstract: 本发明提供了基于可见光热红外融合的多目标跟踪方法，属于深度学习领域，获得当前帧、前一帧的可见光图像和热红外图像；将其和前一帧的热图分别输入卷积神经网络，获得当前帧、前一帧的可见光特征和热红外特征以及前一帧热图特征；以前一帧热图特征为位置条件，进行时间特征融合获得可见光时间特征和热红外时间特征，将可见光时间特征和热红外时间特征相加获得初始多模态特征，与初始多模态特征进行交互，获得增强的模态特定特征和多模态特征，合并，输入前馈神经网络获得细化多模态特征；输入跟踪网络获得跟踪结果，提供基于可见光热红外融合的多目标跟踪系统；融合可见光和热红外模态的时间信息和互补信息，提高复杂环境中多目标跟踪的稳健性。

公开(公告)号：CN116523956A

公开(公告)日：2023-08-01

申请号：CN202310197389.2

申请日：2023-02-28

Applicant: 安徽大学

Inventor： 朱亚彬 ,  黄子凯 ,  李成龙 ,  汤进 ,  王伟 ,  章程

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

Abstract: 本发明提供基于渐进式融合Transformer与动态指导学习的RGBT跟踪方法及系统，方法包括：训练过程和测试过程，训练过程包括：数据采样和预处理；特征提取；跨分支特征融合；模板帧和搜索帧特征信息交互；搜索帧特征送入分类器并计算分类损失；适用协同学习算法进行训练优化，测试过程包括：数据采样和预处理；特征提取；跨分支特征融合；模板帧和当前帧特征信息交互；当前帧特征送入分类器和回归器；预测当前帧目标的包围框。本发明解决了不同模态丢失异构信息、融合特征与特定模态特征之间的关系在学习判别多模态表示时却被忽略、缺乏全局表示能力的技术问题。

公开(公告)号：CN110349185A

公开(公告)日：2019-10-18

申请号：CN201910630002.1

申请日：2019-07-12

Applicant: 安徽大学

Inventor： 李成龙 ,  罗斌 ,  朱亚彬 ,  汤进

IPC: G06T7/246

Abstract: 本发明公开了一种RGBT目标跟踪模型的训练方法及装置，方法包括：1)、构建依次由稠密特征聚合模块以及分类模块组成的跟踪模型，稠密特征聚合模块包括提取可见光图像特征的第一卷积层序列；以及提取热红外图像特征的第二卷积层序列，第一卷积层中的与第二卷积层中深度相同的卷积层为配对卷积层；除第一个配对卷积层以外的配对卷积层均对应一个特征聚合层，第一个配对卷积层的卷积结果输入到下一个配对卷积层的特征聚合层中；分类模块包括依次串联的若干层全连接层；2)、使用预先标记的可见光图像样本以及预先标记的热红外图像样本训练跟踪模型，得到目标跟踪模型。本发明实施例可以使目标识别结果更加准确。