-
公开(公告)号：CN108961308A
公开(公告)日：2018-12-07
申请号：CN201810558287.8
申请日：2018-06-01
Applicant: 南京信息工程大学
CPC classification number: G06T7/251 , G06K9/629 , G06T7/248 , G06T2207/10016 , G06T2207/20081 , G06T2207/20084 , G06T2207/30232
Abstract: 本发明公开了一种漂移检测的残差深度特征目标跟踪方法，通过卷积神经网络提取分层特征，然后在卷积神经网络加入残差结构，连接不同的网络层，实现浅层和深层特征的融合，不需要人为设计特征融合方式，网络结构能够自动实现特征融合的功能，用深度特征区分目标和背景，比传统特征更具有分辨力；在预测当前帧的目标位置时，提出了一个检测模型漂移的策略，设计了一个响应强度下降计数器，通过对比相邻帧响应强度的大小计数，根据计数器的数值，用来判断是否出现模型漂移，以采取相对应的模型更新方案作为补救措施，实现精确跟踪。
-
公开(公告)号：CN108961308B
公开(公告)日：2021-07-02
申请号：CN201810558287.8
申请日：2018-06-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种漂移检测的残差深度特征目标跟踪方法，通过卷积神经网络提取分层特征，然后在卷积神经网络加入残差结构，连接不同的网络层，实现浅层和深层特征的融合，不需要人为设计特征融合方式，网络结构能够自动实现特征融合的功能，用深度特征区分目标和背景，比传统特征更具有分辨力；在预测当前帧的目标位置时，提出了一个检测模型漂移的策略，设计了一个响应强度下降计数器，通过对比相邻帧响应强度的大小计数，根据计数器的数值，用来判断是否出现模型漂移，以采取相对应的模型更新方案作为补救措施，实现精确跟踪。
-
Search Results
2
records
(took 0.086 seconds)
