-
公开(公告)号：CN109934846B
公开(公告)日：2023-06-06
申请号：CN201910201525.4
申请日：2019-03-18
Applicant: 南京信息工程大学
IPC: G06T7/20 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于时间和空间网络的深度集成目标跟踪方法，采用VGG‑16网络提取第三、四、五层的特征，将传统相关滤波算法表示成一层卷积神经网络以获取相关滤波网络，在相关滤波网络的基础上构建时间网络和空间网络，进一步捕捉目标的时间信息和空间信息，提高算法的精确度，同时本发明通过自适应权重的集成学习算法融合所有弱跟踪器成强跟踪器来实现目标跟踪，集成学习使得本发明有较好的鲁棒性，能应对复杂场景下的目标跟踪，最后提出短时更新与长时更新相结合的更新策略，确保模型的稳定性。
-
公开(公告)号：CN110189361A
公开(公告)日：2019-08-30
申请号：CN201910451153.0
申请日：2019-05-28
Applicant: 南京信息工程大学
IPC: G06T7/246
Abstract: 本发明在传统核相关滤波的基础上，提供一种多通道特征和择优并行更新的目标跟踪；首先采用预训练方式得到一个适用于目标跟踪的网络结构，之后提出新的特征提取方式：上支路利用训练好的网络提取深度特征，下支路则提取传统的HOG和CN特征构成手工特征集，较之于传统的单一特征实现了更鲁棒的特征外观表示。同时本发明提出新型的更新方式：择优并行更新，两路并行的跟踪框架在当前帧得到了两个不同的响应值，根据较大的响应值找到最佳的目标位置，在下一帧利用最佳位置对应的参数同时更新两路滤波器的滤波模板和特征模板，在随后的跟踪过程总是采用这一策略择优并行更新，直到跟踪结束。
-
公开(公告)号：CN109934846A
公开(公告)日：2019-06-25
申请号：CN201910201525.4
申请日：2019-03-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于时间和空间网络的深度集成目标跟踪方法，采用VGG-16网络提取第三、四、五层的特征，将传统相关滤波算法表示成一层卷积神经网络以获取相关滤波网络，在相关滤波网络的基础上构建时间网络和空间网络，进一步捕捉目标的时间信息和空间信息，提高算法的精确度，同时本发明通过自适应权重的集成学习算法融合所有弱跟踪器成强跟踪器来实现目标跟踪，集成学习使得本发明有较好的鲁棒性，能应对复杂场景下的目标跟踪，最后提出短时更新与长时更新相结合的更新策略，确保模型的稳定性。
-
公开(公告)号：CN110569706A
公开(公告)日：2019-12-13
申请号：CN201910546908.5
申请日：2019-06-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于时间和空间网络的深度集成目标跟踪算法，利用VGG-16网络提取深度特征并得到特征映射图，构建由相关滤波网络、时间网络以及空间网络构成的深度网络，将特征映射图送入由相关滤波网络、时间网络以及空间网络连接成的深度网络中，同时训练模型，直到收敛为止，以前一帧预测的目标位置为中心在当前帧的图片中提取搜索块，用VGG-16网络提取搜索块的特征送入与之对应训练好的模型中来生成响应映射，利用自适应权重的集成学习算法融合所有弱跟踪器得到最终的目标位置，采用尺度估计算法对目标大小进行预测，利用当前帧的搜索块和预测值组成训练对，输入到模型中进行在线更新。可以进一步提高算法的精确度。
-
-
-
Search Results
4
records
(took 0.024 seconds)
