-
公开(公告)号：CN113379787A
公开(公告)日：2021-09-10
申请号：CN202110656004.5
申请日：2021-06-11
申请人： 西安理工大学
摘要： 本发明公开了一种基于3D卷积孪生神经网络和模板更新的目标跟踪方法，首先训练神经网络，由给定的初始目标位置在视频序列的第一帧图片上截取并传入神经网络生成目标模板；对于当前跟踪任务进行到的时刻t对应的视频序列图片，以时刻t‑1所得到跟踪结果为中心截取出不同尺寸的搜索区域，再以目标模板为卷积核对搜索区域进行卷积运算得到响应图；计算出响应图的APCE参数，生成t+1时刻的响应图；计算响应图的APCE参数判断是否保留，最终得到整个视频的跟踪结果，生成视频序列中每一帧图片中目标的位置信息，完成跟踪任务。本发明解决了现有技术中存在的对于跟踪中物体外表形变鲁棒性较差的问题。
-
公开(公告)号：CN114743005B
公开(公告)日：2024-10-25
申请号：CN202210379574.9
申请日：2022-04-12
申请人： 西安理工大学
摘要： 本发明公开了基于阈值区域生长与灰度差的红外弱小目标检测方法，具体为：步骤1，对原始图像进行预处理操作，增强目标的同时抑制高亮背景区域，得到预处理图像；步骤2，在步骤1得到的预处理图像上筛选出np个种子点，并对每个种子点进行阈值区域生长；步骤3，对每个生长区域计算区域覆盖比；步骤4，对每个生长区域计算自适应灰度差；步骤5，采用自适应阈值分割的方法来分离出真实目标与背景杂波。本发明方法解决了在复杂背景下红外检测系统很难同时兼顾检测精度与检测效率的问题。
-
公开(公告)号：CN113628246B
公开(公告)日：2024-04-12
申请号：CN202110855602.5
申请日：2021-07-28
申请人： 西安理工大学
IPC分类号： G06T7/246 , G06N3/0464 , G06N3/0985
摘要： 本发明公开了一种基于3D卷积模板更新的孪生网络目标跟踪方法，具体按照以下步骤实施：步骤1、构建整体网络，并对网络进行端到端的训练；步骤2、对训练好的网络进行初始化跟踪设置；步骤3、开始正常跟踪流程，使用APCE判断当前跟踪结果是否可靠，若可靠则保留，并继续跟踪；步骤4、在每一帧跟踪结束时，判断是否满足模板更新条件，若满足则进行模板更新，否则不更新，继续跟踪；步骤5、使用更新后的模板对跟踪到的视频帧后续的视频图像序列继续跟踪；步骤6、重复步骤3～步骤5，得到视频每一帧中目标位置，跟踪任务结束。本发明解决了现有技术中存在的对于跟踪中物体外表形变鲁棒性较差的问题以及进行模板更新导致速度较慢的问题。
-
公开(公告)号：CN115409868A
公开(公告)日：2022-11-29
申请号：CN202211057027.5
申请日：2022-08-30
申请人： 西安理工大学
摘要： 本发明公开了一种基于图注意力网络的多模板融合目标跟踪算法，具体按照以下步骤实施构建整体网络，并对整体网络的结构进行端到端的训练；使用训练好的整体网络对即将进行跟踪的视频图像序列进行初始化跟踪处理，得到本次跟踪任务的初始目标模板与目标的初始位置信息；得到初始目标模板后，开始跟踪流程，视频图像序列的每一帧将计算出一个目标在图像中的位置，并在图像中对应处显示出来，得到跟踪结果响应图；得到跟踪结果响应图后，使用两阶段模板更新阈值判断机制判断当前跟踪结果是否可靠，若可靠则更新模板，若不可靠则不更新模板；若保留的可靠跟踪结果达到2个，则用最新的结果替换最老的结果。
-
公开(公告)号：CN114743005A
公开(公告)日：2022-07-12
申请号：CN202210379574.9
申请日：2022-04-12
申请人： 西安理工大学
摘要： 本发明公开了基于阈值区域生长与灰度差的红外弱小目标检测方法，具体为：步骤1，对原始图像进行预处理操作，增强目标的同时抑制高亮背景区域，得到预处理图像；步骤2，在步骤1得到的预处理图像上筛选出np个种子点，并对每个种子点进行阈值区域生长；步骤3，对每个生长区域计算区域覆盖比；步骤4，对每个生长区域计算自适应灰度差；步骤5，采用自适应阈值分割的方法来分离出真实目标与背景杂波。本发明方法解决了在复杂背景下红外检测系统很难同时兼顾检测精度与检测效率的问题。
-
公开(公告)号：CN114581486B
公开(公告)日：2024-10-29
申请号：CN202210213267.3
申请日：2022-03-04
申请人： 西安理工大学
IPC分类号： G06T7/246 , G06N3/0464 , G06N3/045 , G06N3/08
摘要： 本发明公开了基于全卷积孪生网络多层特征的模板更新目标跟踪算法，具体为：构建整体网络并进行训练；使用训练好的网络对即将进行跟踪的视频图像序列进行初始化跟踪设置，得到初始目标模板与目标的初始位置信息；进入正常跟踪流程，得到当前帧的跟踪结果响应图；使用基于标准互信息的模板更新条件判断方法判断当前跟踪结果是否可靠，若可靠则更新模板，若不可靠则不更新模板，若保留的可靠跟踪结果达到2个，则用最新的结果替换最老的结果，使用最新模板对当前跟踪到的视频帧后续的视频图像序列继续进行正常跟踪；重复步骤3～步骤5，直至跟踪完毕所有视频图像序列，由此得到视频每一帧中目标所在位置，跟踪任务结束。
-
公开(公告)号：CN116342492A
公开(公告)日：2023-06-27
申请号：CN202310176034.5
申请日：2023-02-28
申请人： 西安理工大学
摘要： 本发明基于局部对比度的红外弱小目标检测方法，具体为：建立新型窗口，计算红外图像中每个像素点的局部对比度DLCM；采用加权函数对局部对比度加权；计算每个像素点在不同尺度下的WDLCM，并通过最大池化操作得到最终的WDLCM显著性映射；通过自适应阈值分割区分目标和背景。本发明方法能够在较少的算法耗时内，尽可能地增大检测率和减小虚警率。
-
公开(公告)号：CN113379787B
公开(公告)日：2023-04-07
申请号：CN202110656004.5
申请日：2021-06-11
申请人： 西安理工大学
IPC分类号： G06T7/20 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于3D卷积孪生神经网络和模板更新的目标跟踪方法，首先训练神经网络，由给定的初始目标位置在视频序列的第一帧图片上截取并传入神经网络生成目标模板；对于当前跟踪任务进行到的时刻t对应的视频序列图片，以时刻t‑1所得到跟踪结果为中心截取出不同尺寸的搜索区域，再以目标模板为卷积核对搜索区域进行卷积运算得到响应图；计算出响应图的APCE参数，生成t+1时刻的响应图；计算响应图的APCE参数判断是否保留，最终得到整个视频的跟踪结果，生成视频序列中每一帧图片中目标的位置信息，完成跟踪任务。本发明解决了现有技术中存在的对于跟踪中物体外表形变鲁棒性较差的问题。
-
公开(公告)号：CN114627362A
公开(公告)日：2022-06-14
申请号：CN202210212451.6
申请日：2022-03-04
申请人： 西安理工大学
摘要： 本发明公开了基于改进加权增强局部对比度测量的红外小目标检测方法，具体为：步骤1，使用一个嵌套窗口计算原始红外图像中每个像素点的最终的ELCM；步骤2，对步骤1得到的ELCM进行加权计算IW；步骤3，计算像素点(x,y)在每一个尺度下的SIWELCM，然后通过最大池化操作得到最终的IWELCM；步骤4，将经步骤3处理后的红外图像归一化处理至0～255灰度级的范围内；步骤5，采用自适应阈值分割的方法计算经步骤4处理后的红外图像的阈值。本发明方法解决了现有技术在复杂背景下检测目标易出现虚警的问题。
-
公开(公告)号：CN114581486A
公开(公告)日：2022-06-03
申请号：CN202210213267.3
申请日：2022-03-04
申请人： 西安理工大学
摘要： 本发明公开了基于全卷积孪生网络多层特征的模板更新目标跟踪算法，具体为：构建整体网络并进行训练；使用训练好的网络对即将进行跟踪的视频图像序列进行初始化跟踪设置，得到初始目标模板与目标的初始位置信息；进入正常跟踪流程，得到当前帧的跟踪结果响应图；使用基于标准互信息的模板更新条件判断方法判断当前跟踪结果是否可靠，若可靠则更新模板，若不可靠则不更新模板，若保留的可靠跟踪结果达到2个，则用最新的结果替换最老的结果；使用最新模板对当前跟踪到的视频帧后续的视频图像序列继续进行正常跟踪；重复步骤3～步骤5，直至跟踪完毕所有视频图像序列，由此得到视频每一帧中目标所在位置，跟踪任务结束。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.021 秒)
