-
公开(公告)号：CN109242183A
公开(公告)日：2019-01-18
申请号：CN201811030222.2
申请日：2018-09-05
申请人： 山东师范大学
CPC分类号： G06Q10/047 , G06K9/00362 , G06K9/00711 , G06Q50/265 , G06T7/277
摘要： 本发明公开了一种基于人工鱼群算法与目标检测的人群仿真疏散方法与装置，所述方法包括以下步骤：根据疏散场景平面图建立拓扑地图，其中，结点表示疏散出口，连线表示两个出口连通，并且标记最终出口；根据视频数据对疏散人群的个体进行检测和跟踪，获得疏散人群的个体速度；采用所述个体速度表示鱼群进食行为中的进食速度，初始化鱼群，以场景的最终出口位置表示食物，基于人工鱼群算法对疏散人群个体进行路径规划；当最终出口的疏散人数等于总人数时疏散过程结束，得到疏散路径。本发明识别疏散中速度较慢的个体，指导人群进行疏散，从而照顾到疏散中的弱势群体，同时提高疏散效率，避免过分拥堵。
-
公开(公告)号：CN109146973A
公开(公告)日：2019-01-04
申请号：CN201811034579.8
申请日：2018-09-05
申请人： 鲁东大学
摘要： 本发明适用于计算机技术领域，提供了一种机器人场地特征识别和定位方法，其中，所述方法包括：响应机器人场地特征识别和定位请求，获取场地图像；根据所述场地图像，确定场地线的属性和类型；根据所述场地线的属性和类型，确定所述场地线交叉点的属性和类型；根据所述场地线的属性和类型以及场地线交叉点的属性和类型，确定场地特征；根据所述场地特征，计算所述机器人的具体坐标位置；本发明无需特意设置标记，避免了因为标记的遮挡和缺失导致的识别错误，并且无需使用大量传感器，大大降低了成本，同时，所用算法简单，可以保证运动中的机器人能快速识别出特征，用于定位等动作中，效果更好。
-
公开(公告)号：CN108805901A
公开(公告)日：2018-11-13
申请号：CN201810420210.4
申请日：2018-05-04
申请人： 北京航空航天大学
CPC分类号： G06T7/248 , G06T7/277 , G06T2207/10016
摘要： 本发明公开一种基于多核DSP的视觉目标快速检测跟踪并行计算及融合方法，包括：针对视觉目标在高速运动过程中的复杂环境，训练高效的离线分类器进行目标的快速检测及锁定；锁定目标后，采用核相关滤波跟踪算法实现高速的目标跟踪；通过卡尔曼滤波预测、置信度比较策略的判断，将卡尔曼滤波算子、检测算子和跟踪算子有效融合，形成多核跟踪算法；采用适合图像数据并行计算的高主频多核DSP作为嵌入式程序移植载体，按任务将不同算子分配给DSP的多核；采用多核并行计算技术、软件流水技术加快图像处理速度。本发明适用于视觉目标快速检测跟踪的机载、车载嵌入式处理设备，尤其适合复杂场景下目标运动速度快、计算量大、对实时性和准确性有较高要求的场合。
-
公开(公告)号：CN108022258A
公开(公告)日：2018-05-11
申请号：CN201710986013.4
申请日：2017-10-20
申请人： 南京邮电大学
CPC分类号： G06T7/277 , G06T7/292 , G06T7/90 , G06T2207/10016
摘要： 本发明公开了基于单次多框检测器与卡尔曼滤波的实时多目标跟踪方法，该方法包括首先读取视频流，然后调用单次多框检测器(Single Shot MultiBox Detector,SSD)模型对视频帧进行检测，之后采用卡尔曼滤波算法对检测结果进行单步预测(跟踪)，通过欧氏距离与HSV颜色直方图相似性联合判定检测框和跟踪框是否配对，并且对配对结果进行相应的更新，删除不满足新式的双判定条件的跟踪，最终完成多目标的实时跟踪。本发明可以在各种复杂场景和不同天气下较好地实现对多目标的实时稳定跟踪。
-
公开(公告)号：CN108010067A
公开(公告)日：2018-05-08
申请号：CN201711422471.1
申请日：2017-12-25
申请人： 北京航空航天大学
CPC分类号： G06T7/277 , G06K9/6268 , G06T7/262 , G06T2207/10016 , G06T2207/20056
摘要： 本发明涉及一种基于组合判断策略的视觉目标跟踪方法，步骤如下：(1)针对目标尺寸变换问题，建立一个自适应尺度，从而自动调整跟踪框大小；(2)针对目标被遮挡后无法继续确定目标所在位置的问题，采用卡尔曼滤波对当前观测量进行预测，当目标重新出现后继续使用KCF算法跟踪目标；(3)针对目标快速移动造成跟踪失败的问题。本发明通过检测目标在相邻帧中位置移动距离，以此计算目标运动速率，自适应的调节检测区域大小扩展系数，能够在不同的环境下获得较高的精度，有效提高整个跟踪系统的鲁棒性，并保持较高的计算速度，具有很高的工程实用价值。
-
公开(公告)号：CN104794733B
公开(公告)日：2018-05-08
申请号：CN201410025887.X
申请日：2014-01-20
申请人： 株式会社理光
IPC分类号： G06T7/277
CPC分类号： G06T7/204 , G06K9/00355 , G06K9/6212 , G06T7/248 , G06T7/277 , G06T2207/10024 , G06T2207/10028 , G06T2207/30196
摘要： 提供了对象跟踪方法和装置。对象跟踪方法可以包括：获得图像序列；预测被跟踪对象的候选目标区域；确定候选目标区域的深度加权图；获得目标模板，其中目标模板用特征的概率密度分布表示；对位置在候选目标区域中滑动的候选目标，用特征的概率密度分布表示，其中，在估计候选目标的特征的概率密度过程中，对各个像素既基于像素的颜色空间信息加权也基于像素的深度加权信息加权；基于目标模板的概率密度表示和候选目标的概率密度表示，计算目标模板和候选目标之间的相似度，从而得到候选目标区域的置信度图；基于候选目标区域的置信度图，定位被跟踪对象在当前图像中的位置。
-
公开(公告)号：CN107735797A
公开(公告)日：2018-02-23
申请号：CN201680039165.7
申请日：2016-06-10
申请人： 三菱电机株式会社
CPC分类号： G06K9/52 , B25J9/1697 , G05D1/0253 , G05D2201/0213 , G06K9/00791 , G06T7/20 , G06T7/246 , G06T7/277 , G06T11/206 , G06T2207/20072 , G06T2207/20081
摘要： 一种方法通过首先从由设置在运动物体上的摄像头获取的场景的第一图像和第二图像提取第一组关键点和第二组关键点来确定第一坐标系与第二坐标系之间的运动。从第一组关键点和第二组关键点确定第一姿态和第二姿态。使用评分函数和由训练数据构建的姿态过渡图确定针对第一姿态与第二姿态之间的各可能运动的得分，其中，姿态过渡图中的各节点表示相对姿态，并且各边表示两个连续相对姿态之间的运动。然后，基于得分选择最佳运动作为第一坐标系与第二坐标系之间的运动。
-
公开(公告)号：CN107680123A
公开(公告)日：2018-02-09
申请号：CN201710762884.8
申请日：2017-08-30
申请人： 王连圭
CPC分类号： G06T7/277 , G06T7/254 , G06T7/292 , G06T2207/10016 , G06T2207/20224 , G06T2207/30232
摘要： 本发明公开了一种跨区域人体视频单目标智能跟踪算法器，提出了卡尔曼滤波器与匈牙利优化算法相结合的创新混合式算法器算法，在跟踪视频中运动目标时，可以有效的领先预测出运动目标在下一帧图像中可能出现的位置，用卡尔曼滤波器预测目标位置，再用匈牙利优化算法计算人体运动目标最优位置。所提出的算法能够在一系列视频帧中检测人体运动，并在多个摄像机之间从帧到帧跟踪人体运动目标。当目标被严重遮挡或受到同色背景干扰时，本算法仍能快速准确的跟踪人体运动目标，并保持持久,具有很强的适应性和稳定性。
-
公开(公告)号：CN107657627A
公开(公告)日：2018-02-02
申请号：CN201710733989.0
申请日：2017-08-24
申请人： 北京理工大学
CPC分类号： G06T7/248 , G06T7/262 , G06T7/277 , G06T2207/10016 , G06T2207/20076
摘要： 本发明公开了一种基于人脑记忆机制的时空上下文目标跟踪方法。该方法将人脑记忆机制的视觉信息处理认知模型引入到STC方法的时空关系模型更新过程，使得每个模板都要经过瞬时记忆、短时记忆和长时记忆三个空间的传输和处理，形成基于记忆的模型更新策略。通过记忆先前出现的场景，使得该方法在当前目标发生光照变化、姿态突变、遮挡、短暂消失后重现等问题时依然能持续鲁棒的跟踪。此外，在根据时空上下文信息计算置信图时，设置N个目标中心位置候选点，从中选取与目标模板相似度最大的目标中心位置作为最终跟踪结果，从而减少了置信图引起的误差，提高了跟踪精度。最终，形成一种精度高、鲁棒性强的运动目标跟踪方法。
-
公开(公告)号：CN107507229A
公开(公告)日：2017-12-22
申请号：CN201710567820.2
申请日：2017-07-13
申请人： 西北工业大学
CPC分类号： G06T7/277 , G06F17/18 , G06K9/6212 , G06K2209/21
摘要： 本发明涉及一种基于均值飘移的机械臂实时跟踪方法，由均值漂移算法、检测器和卡尔曼滤波组成，通过均值算法来实现对目标的跟踪，跟踪是否成功是由巴氏参数决定，如果巴氏参数小于设定的值，则判断目标跟踪失败，同时目标的位置和大小由探测器再次初始化，同时在线学习过程更新跟踪目标模型，增加跟踪目标的鲁棒性；为了实现实时跟踪目标，检测目标区域由卡尔曼滤波和概率论确定，减少了搜索检测的时间，卡尔曼滤波不仅可以估计目标位置，而且当目标完全被遮挡时可以预测目标位置。本发明方法是高效的在解决古典均值漂移方法缺点时，从而增加目标追踪的鲁棒性、实时性和智能性。
-
-
-
-
-
-
-
-
-
搜索结果
203 条记录 (耗时 0.02 秒)
