-
公开(公告)号：CN115239770A
公开(公告)日：2022-10-25
申请号：CN202210893435.8
申请日：2022-07-27
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种面向严重遮挡场景的核相关滤波目标跟踪方法及系统；其方法包括：步骤1、初始化KCF滤波器的KCF算法和Kalman滤波器的Kalman滤波算法，以第一帧的目标位置作为KCF算法和Kalman滤波算法的初始位置；步骤2、使用遮挡检测机制判断当前图像中是否发生目标严重遮挡；若否，则采用KCF算法的跟踪结果作为目标在当前图像中的位置；若是，则采用Kalman滤波算法的跟踪结果作为目标在当前图像中的位置；步骤3、根据各自的跟踪结果分别对Kalman滤波器和KCF滤波器进行自适应更新；步骤4、读取下一个视频帧，返回执行步骤2；直至跟踪过程结束。本发明在目标被严重遮挡时仍能实现对目标的跟踪。
-
公开(公告)号：CN115391733A
公开(公告)日：2022-11-25
申请号：CN202211078771.3
申请日：2022-09-05
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于体素特征和稀疏Sinkhorn Transformer的3D姿态估计方法，将三维的体素特征分解成Transformer可处理的一维体素序列，然后把序列按同样的大小分为多个组；计算出每个体素元素的Key、Value和Query，计算每组的平均Key、平均Value和平均Query，计算组与组之间的相关度；按照相关度计算出转换矩阵；对同一个组内的元素和其对应相关组之间的元素进行自注意力操作；把一维体素序列还原回三维空间，并与CNN提取的特征进度融合，得出最终的体素特征，把每个关节在体素中的概率与体素在三维空间中的坐标进行加权平均得到关节的估计位置。本发明的估计精度高。
-
公开(公告)号：CN117558061A
公开(公告)日：2024-02-13
申请号：CN202311391302.1
申请日：2023-10-25
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于深度可分离卷积和通道注意力的2D姿态检测方法，包括以下步骤：S1、把待检测的2D图像输入预训练的多尺度卷积网络；S2、依次经过四个阶段提取目标图像特征；S3、目标图像特征通过卷积层将通道数转化为与人体关键点一致的数量，得到预测热图。本发明设计了一种带有通道注意力机制并且使用深度可分离卷积的基本模块，在保持相近的检测性能的情况下，大幅度减少了模型参数量与计算量；还在每个阶段的高特征分辨率输出和最后的输出之间添加了残差连接，并且使用了特征金字塔的方法进行特征融合，采用双线性上采样，并逐步融合多分辨率，提高了模型的准确性。
-
-
Search Results
3
records
(took 0.019 seconds)
