-
公开(公告)号：CN110796679B
公开(公告)日：2023-04-07
申请号：CN201911043274.8
申请日：2019-10-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种面向航拍影像的目标跟踪方法，包括：S100在上一帧的目标位置周围，执行增量式的搜索策略；S200采样的样本经过孪生网络和区域推荐网络，得到预测位置的目标；S300通过计算预测位置的目标与目标模板的相似度判断预测是否成功；若预测成功，则保存具体的目标位置并用于下一次预测；预测失败时，若系统在连续的N帧内有n帧预测失败，则判断为目标丢失，进入步骤S400，否则判断为误检测；S400将检测框初始化，并置于当前帧图像的中心点，执行增量式的搜索策略，重新检测和跟踪，直到重新定位到目标。本发明对于目标被遮挡后的重新检测速度有明显的提升，减少了检测框的误采样计算，能够快速的重新定位。
-
公开(公告)号：CN111696137B
公开(公告)日：2022-08-02
申请号：CN202010518472.1
申请日：2020-06-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多层特征混合与注意力机制的目标跟踪方法，该方法利用改进的FPN结构将图像浅层特征加以更好的保留利用，这种对浅层特征有更好保留的改进的FPN结构可以输出具有多维度、多尺度特征的融合特征。对不同尺度大小的目标，以及大小在不断变化的目标拥有更好的跟踪能力。将FPN用于级联的RPN上，对于特征提取更加精准，对于保证跟踪时对于相似干扰物有更好的区分，减少错误跟踪的情况发生。同时，利用注意力机制，在空间尺度上，使得网络对目标可能出现的位置给予更多关注，以减少由目标半遮挡，形变，光照等造成的目标丢失或目标跟踪错误的情况。
-
公开(公告)号：CN112215767A
公开(公告)日：2021-01-12
申请号：CN202011036966.2
申请日：2020-09-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种抗块效应的图像视频增强方法，属于计算机视觉和图像增强领域。该方法首先将压缩图像或视频帧进行颜色空间转换，通过神经网络结合图像或视频编码模型学习编码块的块效应可能出现的位置和强度，对增强的强度做出自适应调整，在满足图像和视频被有效增强的同时，抑制或消除可能被增强算法放大的块效应，提升增强图像的视觉观感和后续处理质量。
-
公开(公告)号：CN110516643A
公开(公告)日：2019-11-29
申请号：CN201910818457.6
申请日：2019-08-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于联合热力图的人脸3D关键点检测方法及系统，包括：将数据库中人脸关键点的N个3D参考坐标向量在三个二维平面进行降维投影，每个二维平面中包括N个与所述N个3D参考坐标向量相对应的2D参考坐标向量；构建联合热力图人脸3D关键点检测模型；利用联合热力图人脸3D关键点检测模型将每个二维平面下的N个2D参考坐标向量联合编码为2D联合热力图；并将三个二维平面下的2D联合热力图叠加为3D联合热力图；并将3D联合热力图解码为N个3D检测坐标向量。本方法结合了现有的2D及3D人脸关键点检测方法的优点，所采用的联合热力图表示方法减小了计算量和模型复杂度，在保持较高检测精度的同时，减小模型参数量、提高模型运行速度。
-
公开(公告)号：CN110796679A
公开(公告)日：2020-02-14
申请号：CN201911043274.8
申请日：2019-10-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种面向航拍影像的目标跟踪方法，包括：S100在上一帧的目标位置周围，执行增量式的搜索策略；S200采样的样本经过孪生网络和区域推荐网络，得到预测位置的目标；S300通过计算预测位置的目标与目标模板的相似度判断预测是否成功；若预测成功，则保存具体的目标位置并用于下一次预测；预测失败时，若系统在连续的N帧内有n帧预测失败，则判断为目标丢失，进入步骤S400，否则判断为误检测；S400将检测框初始化，并置于当前帧图像的中心点，执行增量式的搜索策略，重新检测和跟踪，直到重新定位到目标。本发明对于目标被遮挡后的重新检测速度有明显的提升，减少了检测框的误采样计算，能够快速的重新定位。
-
Patent Agency Ranking
公开(公告)号：CN111696136B
公开(公告)日：2023-06-16
申请号：CN202010518310.8
申请日：2020-06-09
Applicant: 电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于编解码结构的目标跟踪方法，该方法使用编码器‑解码器与鉴别器组合，构建类似生成对抗网络结构，使得编码器提取的特征更加泛化，学习到被跟踪对象的本质特征。由于对象帧中存在被半遮挡、受到光照、运动模糊影响的对象，使得网络受到这些影响更小，更具鲁棒性。使用Focal Loss使用替代传统的交叉熵损失函数，使得网络减少易分类样本的损失，使得模型更关注于困难的、错分的样本，同时平衡正负样本数量的不均衡。使用Distance‑U loss作为回归损失，不仅关注重叠区域，还关注其他的非重合区域，具有尺度不变性，可以为边界框提供移动方向，同时具有较快的收敛速度。
-
公开(公告)号：CN110942471B
公开(公告)日：2022-07-01
申请号：CN201911057813.3
申请日：2019-11-01
Applicant: 电子科技大学
IPC: G06T7/246 , G06V20/56 , G06V10/82 , G06V10/774 , G06N3/04
Abstract: 本发明公开了一种基于时空约束的长时目标跟踪方法，其特征在于，包括如下步骤：S100根据图像分割网络，提取拍摄图像的道路区域信息；S200根据道路区域信息与模板帧，通过目标跟踪网络，得到目标位置信息；S300根据目标的历史位置信息计算目标的运动速度矢量；S400道路区域信息和运动速度矢量作为时空约束条件，根据时空约束对目标进行跟踪，得到约束后的目标位置信息。避免了误检测情况的发生，更加精确，具有更快的检测速度，提升了系统的鲁棒性，实现了长时跟踪的目的。
-
公开(公告)号：CN112215080B
公开(公告)日：2022-05-03
申请号：CN202010974350.3
申请日：2020-09-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种利用时序信息的目标跟踪方法，涉及图像处理和计算机视觉领域。该方法使用的方法关键步骤分为如下两个阶段，其中第一阶段输入第一帧与搜索帧，第二阶段输出目标在搜索框上的位置。本发明在特征提取阶段使用非对称卷积模块，选择三种不同形态的卷积核共同使用提升了模型对图像翻转和旋转的鲁棒性，提高网络的抗旋转鲁棒性。在候选框精修中，使用双径候选框分类回归网络，分类支路与回归支路分别处理候选框的分类结果与精修后的候选框，相比单纯依赖卷积网络或全连接网络的网络，进一步提高了结果精度。同时利用时序信息进行目标跟踪后处理，选择更加契合之前结果的跟踪框，减少错误跟踪目标的情况发生。
-
公开(公告)号：CN112215079A
公开(公告)日：2021-01-12
申请号：CN202010972556.2
申请日：2020-09-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种全局多阶段目标跟踪方法，涉及图像处理和计算机视觉领域。该方法使用的方法关键步骤分为如下两个阶段，第一阶段输入为第一帧与搜索帧，第二阶段输出一系列带有置信度的跟踪目标边界框。本发明在目标跟踪网络的特征提取阶段使用可变形卷积结构，使得网络对目标的特征提取具有更强的形变鲁棒性。在区域候选网络使用导向锚框机制，让网络自行学习产生锚框，使得锚框与当前输入特征有更好的契合程度，同时在使用不同数据集进行训练时，模型对不同的数据集也有良好的拟合能力。使用正样本判别阈值递增的多阶段级联的候选框分类回归网络进行候选框的精修，使得候选框质量与不同阶段的判别阈值相匹配，进一步提升结果框的精确度。
-
公开(公告)号：CN110942471A
公开(公告)日：2020-03-31
申请号：CN201911057813.3
申请日：2019-11-01
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于时空约束的长时目标跟踪方法，其特征在于，包括如下步骤：S100根据图像分割网络，提取拍摄图像的道路区域信息；S200根据道路区域信息与模板帧，通过目标跟踪网络，得到目标位置信息；S300根据目标的历史位置信息计算目标的运动速度矢量；S400道路区域信息和运动速度矢量作为时空约束条件，根据时空约束对目标进行跟踪，得到约束后的目标位置信息。避免了误检测情况的发生，更加精确，具有更快的检测速度，提升了系统的鲁棒性，实现了长时跟踪的目的。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.023 seconds)
