公开(公告)号：CN110175649B

公开(公告)日：2022-06-07

申请号：CN201910451171.9

申请日：2019-05-28

Applicant: 南京信息工程大学

Inventor： 胡昭华 ,  黄嘉净

IPC: G06V10/77 ,  G06K9/62 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明提出了一种关于深度特征与重新检测的快速多尺度估计目标跟踪算法。通过深度学习的方法来表示目标的特征，提高了目标的特征表达能力。在跟踪阶段，提取不同的尺度图像块的特征时，通过PCA降维，可以减少计算量，提高整体的计算速度。在峰值旁瓣比（PSR）和置信度平滑约束（SCCM）两个判别指标的基础上，提出一种新的检测指标，从而可以更加准确地度量当前帧的跟踪可靠度。若当前帧的可靠度较低，则通过Edgeboxes的方法产生一系列目标候选框从而进行重新检测。

公开(公告)号：CN110175649A

公开(公告)日：2019-08-27

申请号：CN201910451171.9

申请日：2019-05-28

Applicant: 南京信息工程大学

Inventor： 胡昭华 ,  黄嘉净

IPC: G06K9/62

Abstract: 本发明提出了一种关于深度特征与重新检测的快速多尺度估计目标跟踪算法。通过深度学习的方法来表示目标的特征，提高了目标的特征表达能力。在跟踪阶段，提取不同的尺度图像块的特征时，通过PCA降维，可以减少计算量，提高整体的计算速度。在峰值旁瓣比（PSR）和置信度平滑约束（SCCM）两个判别指标的基础上，提出一种新的检测指标，从而可以更加准确地度量当前帧的跟踪可靠度。若当前帧的可靠度较低，则通过Edgeboxes的方法产生一系列目标候选框从而进行重新检测。