公开(公告)号：CN106651915A

公开(公告)日：2017-05-10

申请号：CN201611201895.0

申请日：2016-12-23

Applicant: 大连理工大学

Inventor： 唐爽硕 ,  王凡 ,  胡小鹏

IPC: G06T7/246 ,  G06K9/62

CPC classification number: G06K9/6257 ,  G06K9/6267 ,  G06T2207/20016 ,  G06T2207/20081 ,  G06T2207/20084

Abstract: 本发明属于图像处理技术领域，提供基于卷积神经网络的多尺度表达的目标跟踪方法，包括：多尺度卷积神经网络结构预训练；利用多尺度特征表达构建多示例分类器；改进多示例在线跟踪；多步差模型更新。该算法利用卷积神经网络的自动学习深层特征的能力，可以获取涉及语义信息的深层图像表达，同时利用拉普拉斯金字塔构建图像的多尺度表达，训练多尺度的卷积神经网络结构。结合改进的多示例学习算法，构建在线跟踪器，实现目标的稳定跟踪。

公开(公告)号：CN106651915B

公开(公告)日：2019-08-09

申请号：CN201611201895.0

申请日：2016-12-23

Applicant: 大连理工大学

Inventor： 唐爽硕 ,  王凡 ,  胡小鹏

IPC: G06T7/246 ,  G06K9/62

Abstract: 本发明属于图像处理技术领域，提供基于卷积神经网络的多尺度表达的目标跟踪方法，包括：多尺度卷积神经网络结构预训练；利用多尺度特征表达构建多示例分类器；改进多示例在线跟踪；多步差模型更新。该算法利用卷积神经网络的自动学习深层特征的能力，可以获取涉及语义信息的深层图像表达，同时利用拉普拉斯金字塔构建图像的多尺度表达，训练多尺度的卷积神经网络结构。结合改进的多示例学习算法，构建在线跟踪器，实现目标的稳定跟踪。