-
公开(公告)号:CN115908480A
公开(公告)日:2023-04-04
申请号:CN202211238582.8
申请日:2022-10-11
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于收缩增强损失函数的多视图置信度感知跟踪方法,属于目标跟踪技术领域,用于解决传统孪生跟踪算法很少考虑模板中相似目标背景难以区分,导致的跟踪结果不准确问题。本发明首先设计了一个收缩增强损失函数,通过在回归学习训练时收缩简单背景负样本的影响,增大困难背景负样本的贡献,平衡训练样本,最终挑选对目标更敏感的通道特征;同时,为进一步增强置信度图可靠性,构造了一种多视图置信度感知方法。本发明通过多视图置信度指南将模板、前景和背景的响应图进行整合,突出目标特征,抑制背景干扰,从而获得更具判别力的目标响应图,提升跟踪结果的鲁棒性。
-
公开(公告)号:CN117095027A
公开(公告)日:2023-11-21
申请号:CN202311092333.7
申请日:2023-08-28
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种用于鲁棒视觉跟踪的互惠层间‑时间判别目标模型,属于目标跟踪技术领域,用于解决传统孪生跟踪算法很少考虑模板和搜索区域的信息交互,导致类目标干扰的累积误差影响跟踪结果的问题。本发明首先构建了一个层间目标感知增强模型,通过在特征提取过程中建立模板与搜索区域的逐像素相关性,实现层间特征信息交互,减轻了因目标对搜索区域不可见导致的累积误差,增强了对目标的感知;同时,为减弱干扰的影响,设计了一种时间干扰评估策略,利用帧间候选传播模块建立相邻帧多个候选位置之间的相似关系,再根据确定的相似得分消除相似干扰,获得更可靠的目标位置,实现鲁棒跟踪。
-