-
公开(公告)号：CN113610891B
公开(公告)日：2023-05-23
申请号：CN202110797269.7
申请日：2021-07-14
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种目标跟踪方法，包括：读取视频序列第一帧图像的groundtruth数据，初始化跟踪滤波器模型；读取下一帧图像，确定下一帧图像的目标块图像；获取目标块图像的深度卷积特征和CN特征并融合构建目标外观模型；根据目标块图像确定其上下文区域块，获取上下文区域块的HOG特征和CN特征并融合构建背景上下文模型；基于目标外观模型确定目标块图像的目标中心位置；构建尺度估计模型，得到尺度因子；根据目标外观模型和背景上下文模型的模型参数更新跟踪滤波器模型且返回至读取下一帧图像的步骤并继续执行，直至视频序列的所有图像帧完成目标跟踪。该方法从特征融合、背景信息处理两方面实现在光照变化、形变、背景干扰等复杂场景下的跟踪性能显著提升。
-
公开(公告)号：CN113610891A
公开(公告)日：2021-11-05
申请号：CN202110797269.7
申请日：2021-07-14
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种目标跟踪方法，包括：读取视频序列第一帧图像的groundtruth数据，初始化跟踪滤波器模型；读取下一帧图像，确定下一帧图像的目标块图像；获取目标块图像的深度卷积特征和CN特征并融合构建目标外观模型；根据目标块图像确定其上下文区域块，获取上下文区域块的HOG特征和CN特征并融合构建背景上下文模型；基于目标外观模型确定目标块图像的目标中心位置；构建尺度估计模型，得到尺度因子；根据目标外观模型和背景上下文模型的模型参数更新跟踪滤波器模型且返回至读取下一帧图像的步骤并继续执行，直至视频序列的所有图像帧完成目标跟踪。该方法从特征融合、背景信息处理两方面实现在光照变化、形变、背景干扰等复杂场景下的跟踪性能显著提升。
-
公开(公告)号：CN114387459B
公开(公告)日：2025-03-11
申请号：CN202210095816.1
申请日：2022-01-26
Applicant: 桂林电子科技大学
IPC: G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了动态双模板更新的单目标跟踪方法及存储介质，所述方法，包括步骤10、读取视频序列；步骤20、读取视频序列的第一帧图像及其标注数据，进行初始化模板得到模板图像；步骤30、读取下一帧图像，处理为搜索区域图像；步骤40、将所述模板图像和所述搜索区域图像同时送入预设强特征提取网络，分别获得模板特征图和搜索区域特征图；步骤50、对所述模板特征图和搜索区域特征图进行相似度匹配计算，输出相似度得分响应图，得到初步跟踪预测结果。本发明动态双模板更新的单目标跟踪方法，为一种结合强特征提取网络和动态双模板更新策略的目标跟踪方法，当所跟踪的目标所在的视频序列较为复杂时，仍然有较高精确率和鲁棒性跟踪。
-
公开(公告)号：CN114387459A
公开(公告)日：2022-04-22
申请号：CN202210095816.1
申请日：2022-01-26
Applicant: 桂林电子科技大学
Abstract: 本发明公开了动态双模板更新的单目标跟踪方法及存储介质，所述方法，包括步骤10、读取视频序列；步骤20、读取视频序列的第一帧图像及其标注数据，进行初始化模板得到模板图像；步骤30、读取下一帧图像，处理为搜索区域图像；步骤40、将所述模板图像和所述搜索区域图像同时送入预设强特征提取网络，分别获得模板特征图和搜索区域特征图；步骤50、对所述模板特征图和搜索区域特征图进行相似度匹配计算，输出相似度得分响应图，得到初步跟踪预测结果。本发明动态双模板更新的单目标跟踪方法，为一种结合强特征提取网络和动态双模板更新策略的目标跟踪方法，当所跟踪的目标所在的视频序列较为复杂时，仍然有较高精确率和鲁棒性跟踪。
-
-
-
Search Results
4
records
(took 0.029 seconds)
