-
公开(公告)号：CN111754545A
公开(公告)日：2020-10-09
申请号：CN202010547158.6
申请日：2020-06-16
Applicant: 江南大学
Abstract: 本发明公开了一种基于IOU匹配的双滤波器视频多目标跟踪方法,属于信息处理技术领域。本发明在多伯努利滤波中，引入相关滤波器作为弱滤波器来采样粒子，首先提取泛化能力较强的VGG19网络卷积特征训练多个相关滤波器，利用训练好的相关滤波器，得到多个目标状态估计，最后对得到的目标状态集进行扩充作为采样的粒子集。本发明能有效减少标签跳变和轨迹碎片，提高目标跟踪精度。
-
公开(公告)号：CN114419732B
公开(公告)日：2025-03-28
申请号：CN202210036567.9
申请日：2022-01-11
Applicant: 江南大学
Abstract: 本发明公开了基于注意力机制优化的HRNet人体姿态识别方法，属于人体姿态识别，深度学习处理领域。所述方法首先在不同分辨率特征图跨通道融合过程中加入扩张卷积，在不产生额外的参数和计算量的情况下能够在不改变低分辨率特征图的尺寸下增加感受野，确保做出决策时没有忽略重要信息；其次提出新的特征融合的策略，通过引入通道注意力机制对不同分辨率的特征图进行加权融合，通过自适应地重新校准特征映射的另一个方向，以增强有意义的特征，同时抑制弱特征，加快了收敛速度，优化了人体姿态识别性能，并且在检测精度上有了进一步提升。
-
公开(公告)号：CN112541441A
公开(公告)日：2021-03-23
申请号：CN202011486143.X
申请日：2020-12-16
Applicant: 江南大学
Abstract: 本发明公开了一种融合相关滤波的GM‑PHD视频多目标跟踪方法，属于计算机视觉、模式识别和信息处理技术领域。所述方法采用相关滤波的思想，对目标进行跟踪，并加入图像信息的相交比判断，来对被遮挡的目标进行不更新目标模板和参数处理，从而减少目标模板的污染，减少误跟框，对于已经被遮挡的目标将会放入高斯混和概率假设密度滤波中进行位置预测更新操作，若后期目标重现将会重新关联上目标标签，从而减少碎片化的轨迹，弥补检测器漏检的缺点。最终通过在MOT17数据集上的结果证明，与目前有关GM‑PHD最好的跟踪算法GMPHDOGM17相比，多目标跟踪正确度MOTA指标上从原来的49.9提高至50.3。
-
公开(公告)号：CN106408594B
公开(公告)日：2018-10-02
申请号：CN201610860087.9
申请日：2016-09-28
Applicant: 江南大学
IPC: G06T7/277
Abstract: 本发明公开了一种基于多伯努利特征协方差的视频多目标跟踪方法，它属于人工智能和智能信息处理技术领域，主要解决复杂环境下数目未知且变化的视频多目标跟踪中存在目标紧邻、尺寸变化及跟踪不准确的问题。该方法通过在多伯努利滤波框架下，引入积分图思想，并结合多特征协方差技术，采用粒子滤波方法实现对数目变化的视频多目标跟踪；在此基础上，提出目标紧邻自适应机制和目标尺寸自适应机制，分别实现对紧邻目标及跟踪窗的自适应处理；最后采用粒子标记方法实现对视频多目标的运动轨迹自适应识别跟踪。本发明具有较强的鲁棒性和抗干扰能力，可以满足实际工程系统的设计需求，具有良好的工程应用价值。
-
公开(公告)号：CN114092512B
公开(公告)日：2025-03-25
申请号：CN202111394334.8
申请日：2021-11-15
Applicant: 江南大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于自适应多核相关滤波的雷达多扩展目标检测与跟踪方法，属于目标检测与跟踪领域。所述方法首先采用新生目标自适应算法得到存活目标集合，然采用三步航迹估计算法对所述存活目标集合中的每个目标进行预测；本发明将单扩展目标跟踪扩展为多扩展目标跟踪，通过提出的新生目标自适应算法，避免了原MKCF方案漏跟问题；通过使用动态提取目标三帧鲁棒图像的方法为目标建立KCF跟踪器，解决了MKCF算法中产生非鲁棒KCF模板的问题；提出了三步航迹估计算法，解决了原MKCF延伸为多扩展目标跟踪中出现目标难匹配、目标形变、目标遮挡、目标紧邻与杂波过大的问题，并在多扩展目标跟踪上取得了鲁棒的结果。
-
Patent Agency Ranking
公开(公告)号：CN116381672A
公开(公告)日：2023-07-04
申请号：CN202310200991.7
申请日：2023-03-06
Applicant: 江南大学
Abstract: 本发明公开了基于孪生网络雷达X波段多扩展目标自适应跟踪方法，属于目标检测与跟踪领域。本发明利用神经网络最后三层特征图进行输出计算，并提出一种特征向量图融合架构，可以应对雷达数据存在大量杂波的情况；结合检测方法与速度信息，本发明提出一种神经网络与传统方法结合的航迹估计模块，取得了很好的跟踪效果；本发明引入特征截取模块，来针对多目标跟踪中存在大量目标的情况，以此来降低目标特征提取时间；实验结果证明，本发明的多扩展目标自适应跟踪方法在过桥遮挡、小目标紧邻、目标形变的场景下均能保持理想的跟踪精度，跟踪效果大大提升。
-
公开(公告)号：CN114419732A
公开(公告)日：2022-04-29
申请号：CN202210036567.9
申请日：2022-01-11
Applicant: 江南大学
Abstract: 本发明公开了基于注意力机制优化的HRNet人体姿态识别方法，属于人体姿态识别，深度学习处理领域。所述方法首先在不同分辨率特征图跨通道融合过程中加入扩张卷积，在不产生额外的参数和计算量的情况下能够在不改变低分辨率特征图的尺寸下增加感受野，确保做出决策时没有忽略重要信息；其次提出新的特征融合的策略，通过引入通道注意力机制对不同分辨率的特征图进行加权融合，通过自适应地重新校准特征映射的另一个方向，以增强有意义的特征，同时抑制弱特征，加快了收敛速度，优化了人体姿态识别性能，并且在检测精度上有了进一步提升。
-
公开(公告)号：CN113945662A
公开(公告)日：2022-01-18
申请号：CN202111228280.8
申请日：2021-10-21
Applicant: 江南大学
Abstract: 本发明公开了一种鸡肉中指示性多氯联苯的测定方法，属于检测技术领域。本发明以丙酮为提取剂，无水硫酸镁与醋酸钠混合萃取盐包为萃取盐，N‑丙基乙二胺、弗罗里硅土及封端十八烷基硅胶混合净化包为吸附剂，提取、净化鸡肉中指示性多氯联苯，使用GC‑MS/MS测定。七种指示性多氯联苯在线性范围0～100μg/L内，相关系数均在0.9980以上，检出限在0.1～0.5μg/kg之间，定量限在0.3～1.5μg/kg之间，灵敏度较高。本方法前处理步骤少、以基质校正曲线消除基质效应、仪器灵敏度高，具有简便、准确、高效等优点，对于鸡肉样品中指示性多氯联苯的批量、快速检测具有良好的应用前景。
-
公开(公告)号：CN106408594A
公开(公告)日：2017-02-15
申请号：CN201610860087.9
申请日：2016-09-28
Applicant: 江南大学
IPC: G06T7/277
CPC classification number: G06T2207/10016
Abstract: 本发明公开了一种基于多伯努利特征协方差的视频多目标跟踪方法，它属于人工智能和智能信息处理技术领域，主要解决复杂环境下数目未知且变化的视频多目标跟踪中存在目标紧邻、尺寸变化及跟踪不准确的问题。该方法通过在多伯努利滤波框架下，引入积分图思想，并结合多特征协方差技术，采用粒子滤波方法实现对数目变化的视频多目标跟踪；在此基础上，提出目标紧邻自适应机制和目标尺寸自适应机制，分别实现对紧邻目标及跟踪窗的自适应处理；最后采用粒子标记方法实现对视频多目标的运动轨迹自适应识别跟踪。本发明具有较强的鲁棒性和抗干扰能力，可以满足实际工程系统的设计需求，具有良好的工程应用价值。
-
公开(公告)号：CN116662733A
公开(公告)日：2023-08-29
申请号：CN202310578309.8
申请日：2023-05-22
Applicant: 江南大学
Abstract: 本发明公开了基于高斯过程回归的变分滤波机动目标跟踪方法，属于目标跟踪领域。所述方法首先采用时间预测方法得到目标状态的预测后验分布、过程噪声协方差的预测后验分布和预测量测值，然后使用变分滤波方法更新目标状态和过程噪声协方差的联合后验分布；本发明使用变分推断技术，通过迭代估计目标状态和过程噪声协方差的联合后验，解决了滤波方法中过程噪声未知的问题，在均方根误差上达到了比使用标准噪声参数的卡尔曼滤波更好的效果；使用高斯过程回归技术，通过高斯模型预测量测和阈值方法去除异常量测，解决了机动目标跟踪中出现异常量测的问题，相较于现有技术取得了更好的跟踪效果。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
