公开(公告)号：CN110321937B

公开(公告)日：2022-05-17

申请号：CN201910526422.5

申请日：2019-06-18

Applicant: 哈尔滨工程大学

Inventor： 苏丽 ,  朱伟 ,  张智 ,  朱齐丹 ,  秦绪杰

IPC: G06V10/42 ,  G06K9/62 ,  G06N3/04 ,  G06T7/246 ,  G06V10/82

Abstract: 本发明公开了一种Faster‑RCNN结合卡尔曼滤波的运动人体跟踪方法，首先对Faster‑RCNN算法进行简化，留下卷积神经网络和RPN网络，输入图像经过以上两个网络输出运动人体候选位置；然后对经典卡尔曼滤波算法进行改进，将原算法中定义为常值矩阵的噪声协方差矩阵改为时变矩阵，将原状态向量由四维扩展为八维，增加状态向量中运动人体位置框的宽度、高度和宽高变化率信息；最后将得到的运动人体候选位置作为卡尔曼滤波算法观测值，结合卡尔曼滤波算法预测值，得到多个运动人体位置的估计值，通过最小二乘拟合，去除离群点，去剩余位置求取平均值得到运动人体位置最优估计。该方法实现了动态背景下运动人体准确跟踪的效果。

公开(公告)号：CN110321937A

公开(公告)日：2019-10-11

申请号：CN201910526422.5

申请日：2019-06-18

Applicant: 哈尔滨工程大学

Inventor： 苏丽 ,  朱伟 ,  张智 ,  朱齐丹 ,  秦绪杰

IPC: G06K9/62 ,  G06N3/04 ,  G06T7/246

Abstract: 本发明公开了一种Faster-RCNN结合卡尔曼滤波的运动人体跟踪方法，首先对Faster-RCNN算法进行简化，留下卷积神经网络和RPN网络，输入图像经过以上两个网络输出运动人体候选位置；然后对经典卡尔曼滤波算法进行改进，将原算法中定义为常值矩阵的噪声协方差矩阵改为时变矩阵，将原状态向量由四维扩展为八维，增加状态向量中运动人体位置框的宽度、高度和宽高变化率信息；最后将得到的运动人体候选位置作为卡尔曼滤波算法观测值，结合卡尔曼滤波算法预测值，得到多个运动人体位置的估计值，通过最小二乘拟合，去除离群点，去剩余位置求取平均值得到运动人体位置最优估计。该方法实现了动态背景下运动人体准确跟踪的效果。