-
公开(公告)号：CN111369589A
公开(公告)日：2020-07-03
申请号：CN202010120410.5
申请日：2020-02-26
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多策略融合的无人机跟踪方法，包括以深度学习网络中的Centernet网络为结构主体，结合频谱探测模块和舵机控制模块，提出了一种新的视觉与频谱联合评估算法，能够有效计算出视频图像里的无人机位置，并通过该位置的中心点控制摄像机舵机转动，能够在3公里范围内精准跟踪飞行中的无人机，并以更加直观的视觉跟踪方式将飞行中的无人机显示出来，解决了无人机飞行时跟踪困难的问题。
-
公开(公告)号：CN111369589B
公开(公告)日：2022-04-22
申请号：CN202010120410.5
申请日：2020-02-26
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多策略融合的无人机跟踪方法，包括以深度学习网络中的Centernet网络为结构主体，结合频谱探测模块和舵机控制模块，提出了一种新的视觉与频谱联合评估算法，能够有效计算出视频图像里的无人机位置，并通过该位置的中心点控制摄像机舵机转动，能够在3公里范围内精准跟踪飞行中的无人机，并以更加直观的视觉跟踪方式将飞行中的无人机显示出来，解决了无人机飞行时跟踪困难的问题。
-
公开(公告)号：CN111612817A
公开(公告)日：2020-09-01
申请号：CN202010375319.8
申请日：2020-05-07
Applicant: 桂林电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于深浅特征自适应融合与上下文信息的目标跟踪方法，首先，获取视频图像序列的第一帧图像，并基于上下文感知框架建立深层特征模型和浅层特征模型；然后获取所述视频图像序列的多个第二帧图像，并利用所述深层特征模型和所述浅层特征模型计算出对应的跟踪目标的深层特征响应和浅层特征响应；并根据所述深层特征响应和所述浅层特征响应自适应融合后的响应总和，得到所述跟踪目标在对应的所述第二帧图像中的位置；并基于阈值判断平均峰值相关能量，并更新所述深层特征模型和所述浅层特征模型，直至所述视频图像序列结束，能够有效跟踪目标，并且具有较高的准确率。
-
公开(公告)号：CN110472679A
公开(公告)日：2019-11-19
申请号：CN201910728575.8
申请日：2019-08-08
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于Siamese网络的无人机跟踪方法及装置，该方法包括采集无人机图像样本；对采集的所述无人机图像样本进行数据扩充，生成第一样本；利用第一样本对Siamese网络进行预训练；利用训练好的Siamese网络对实时采集的无人机图像进行特征提取，生成第一低维特征矩阵；在实时采集的无人机图像中选取无人机的位置；利用训练好的Siamese网络对跟踪目标进行特征提取，生成第二低维特征矩阵；在第一低维特征矩阵中进行滑动操作，生成若干第三低维特征矩阵；计算第二低维特征矩阵与第三低维特征矩阵的相似度，其中与第二低维特征矩阵相似度最高的第三低维特征矩阵即为跟踪目标的下一帧区域；将相似性最高的区域的二进制掩膜作为输出，得到无人机在视频中的位置。
-
-
-
Search Results
4
records
(took 0.021 seconds)
