-
公开(公告)号：CN116245907B
公开(公告)日：2025-03-04
申请号：CN202310233769.7
申请日：2023-03-03
Applicant: 清华大学
IPC: G06T7/223 , G06T7/246 , G06V10/62 , G06V10/75 , G06V10/762
Abstract: 本申请提供一种基于密度聚类的稠密场景下多目标跟踪方法及装置，涉及多目标跟踪技术领域，所述方法包括：利用上一图像帧中所有运动目标的运动信息，得到上一图像帧中所有运动目标在当前图像帧中的预测框；获取检测器输出的当前图像帧中的所有运动目标的检测框；对所有运动目标的检测框进行密度状态的分类；构建类别为稀疏状态的检测框与所有预测框之间的第一关联代价矩阵，利用预设的宽松阈值得到匹配成功的检测框的目标序号以及未匹配成功的预测框；构建类别为稠密状态的检测框与未匹配成功的预测框之间的第二关联代价矩阵，利用预设的严格阈值得到匹配成功的检测框的目标序号，其中，宽松阈值大于严格阈值。本申请提高了运动目标的匹配精度。
-
公开(公告)号：CN116245907A
公开(公告)日：2023-06-09
申请号：CN202310233769.7
申请日：2023-03-03
Applicant: 清华大学
IPC: G06T7/223 , G06T7/246 , G06V10/62 , G06V10/75 , G06V10/762
Abstract: 本申请提供一种基于密度聚类的稠密场景下多目标跟踪方法及装置，涉及多目标跟踪技术领域，所述方法包括：利用上一图像帧中所有运动目标的运动信息，得到上一图像帧中所有运动目标在当前图像帧中的预测框；获取检测器输出的当前图像帧中的所有运动目标的检测框；对所有运动目标的检测框进行密度状态的分类；构建类别为稀疏状态的检测框与所有预测框之间的第一关联代价矩阵，利用预设的宽松阈值得到匹配成功的检测框的目标序号以及未匹配成功的预测框；构建类别为稠密状态的检测框与未匹配成功的预测框之间的第二关联代价矩阵，利用预设的严格阈值得到匹配成功的检测框的目标序号，其中，宽松阈值大于严格阈值。本申请提高了运动目标的匹配精度。
-
公开(公告)号：CN116612154B
公开(公告)日：2025-04-22
申请号：CN202310652524.8
申请日：2023-06-02
Applicant: 清华大学
Abstract: 本申请提供基于最优运动模型轨迹预测的高稳定多目标跟踪方法，涉及多目标跟踪技术领域，包括：获取检测器输出的当前图像帧中的所有运动目标的检测框；利用上一图像帧中所有运动目标的运动信息，基于运动目标所属类别的最优运动方程，得到上一图像帧中所有轨迹在当前图像帧中的预测框；其中，行人的最优运动方程为恒定速度的运动方程；自行车的最优运动方程为恒定加速度的运动方程；汽车和摩托车的最优运动方程为恒定转弯率和速度幅度的运动方程；卡车的最优运动方程为恒定转弯率和加速度的运动方程；基于各检测框和各预测框之间的关联代价矩阵，得到当前图像帧中匹配成功的检测框。本申请提高了运动目标的轨迹预测精度，由此提高了跟踪精度。
-
Patent Agency Ranking
公开(公告)号：CN116416277A
公开(公告)日：2023-07-11
申请号：CN202310006289.7
申请日：2023-01-04
Applicant: 清华大学
Abstract: 本申请提供了一种基于运动方程轨迹预测的多目标跟踪方法及装置，涉及多目标跟踪技术领域，所述方法包括：获取检测器输出的当前图像帧中的所有运动目标的检测框；利用上一图像帧中所有轨迹的状态向量，基于恒定角速度和恒定线加速度的运动方程，利用扩展卡尔曼滤波得到上一图像帧中所有轨迹在当前图像帧中的预测框；基于各检测框和各预测框之间的关联代价矩阵，使用匹配算法得到当前图像帧中匹配成功的检测框；使用当前图像帧中匹配成功的检测框的运动信息更新对应的预测框。本申请提高了轨迹预测的精度，从而提高了多目标跟踪精度。
-
公开(公告)号：CN115908498B
公开(公告)日：2024-01-02
申请号：CN202211685567.8
申请日：2022-12-27
Applicant: 清华大学
IPC: G06T7/246
Abstract: 本申请提供了一种基于类别最优匹配的多目标跟踪方法及装置，涉及智能驾驶技术领域，所述方法包括：获取检测器输出的当前图像帧中的所有运动目标的检测框，对检测框进行分类；利用上一图像帧中所有运动目标的运动信息，得到上一图像帧中所有运动目标在当前图像帧中的预测框；根据预先设定的每个类别的代价函数，计算所属类别的检测框和所有预测框的关联值，由此构建每个类别的第一关联代价矩阵；每个类别的代价函数为：二维交并比、三维交并比、二维广义交并比、三维广义交并比或欧氏距离；基于每个类别的第一关联代价矩阵，使用匹配算法得到当前图像帧中匹配成功的检测框。本申请(56)对比文件任珈民;宫宁生;韩镇阳.基于YOLOv3与卡尔曼滤波的多目标跟踪算法.计算机应用与软件.2020,(第05期),全文.仇男豪;曹杰;马俊杰;龚永富.一种改进的无人机对地小目标检测方法.电子设计工程.2020,(第12期),全文.
-
公开(公告)号：CN116416277B
公开(公告)日：2025-03-04
申请号：CN202310006289.7
申请日：2023-01-04
Applicant: 清华大学
Abstract: 本申请提供了一种基于运动方程轨迹预测的多目标跟踪方法及装置，涉及多目标跟踪技术领域，所述方法包括：获取检测器输出的当前图像帧中的所有运动目标的检测框；利用上一图像帧中所有轨迹的状态向量，基于恒定角速度和恒定线加速度的运动方程，利用扩展卡尔曼滤波得到上一图像帧中所有轨迹在当前图像帧中的预测框；基于各检测框和各预测框之间的关联代价矩阵，使用匹配算法得到当前图像帧中匹配成功的检测框；使用当前图像帧中匹配成功的检测框的运动信息更新对应的预测框。本申请提高了轨迹预测的精度，从而提高了多目标跟踪精度。
-
公开(公告)号：CN116612154A
公开(公告)日：2023-08-18
申请号：CN202310652524.8
申请日：2023-06-02
Applicant: 清华大学
Abstract: 本申请提供基于最优运动模型轨迹预测的高稳定多目标跟踪方法，涉及多目标跟踪技术领域，包括：获取检测器输出的当前图像帧中的所有运动目标的检测框；利用上一图像帧中所有运动目标的运动信息，基于运动目标所属类别的最优运动方程，得到上一图像帧中所有轨迹在当前图像帧中的预测框；其中，行人的最优运动方程为恒定速度的运动方程；自行车的最优运动方程为恒定加速度的运动方程；汽车和摩托车的最优运动方程为恒定转弯率和速度幅度的运动方程；卡车的最优运动方程为恒定转弯率和加速度的运动方程；基于各检测框和各预测框之间的关联代价矩阵，得到当前图像帧中匹配成功的检测框。本申请提高了运动目标的轨迹预测精度，由此提高了跟踪精度。
-
公开(公告)号：CN115908498A
公开(公告)日：2023-04-04
申请号：CN202211685567.8
申请日：2022-12-27
Applicant: 清华大学
IPC: G06T7/246
Abstract: 本申请提供了一种基于类别最优匹配的多目标跟踪方法及装置，涉及智能驾驶技术领域，所述方法包括：获取检测器输出的当前图像帧中的所有运动目标的检测框，对检测框进行分类；利用上一图像帧中所有运动目标的运动信息，得到上一图像帧中所有运动目标在当前图像帧中的预测框；根据预先设定的每个类别的代价函数，计算所属类别的检测框和所有预测框的关联值，由此构建每个类别的第一关联代价矩阵；每个类别的代价函数为：二维交并比、三维交并比、二维广义交并比、三维广义交并比或欧氏距离；基于每个类别的第一关联代价矩阵，使用匹配算法得到当前图像帧中匹配成功的检测框。本申请提高了检测框匹配的正确率，提高了多类别多目标的跟踪精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
