-
公开(公告)号：CN106408594B
公开(公告)日：2018-10-02
申请号：CN201610860087.9
申请日：2016-09-28
Applicant: 江南大学
IPC: G06T7/277
Abstract: 本发明公开了一种基于多伯努利特征协方差的视频多目标跟踪方法，它属于人工智能和智能信息处理技术领域，主要解决复杂环境下数目未知且变化的视频多目标跟踪中存在目标紧邻、尺寸变化及跟踪不准确的问题。该方法通过在多伯努利滤波框架下，引入积分图思想，并结合多特征协方差技术，采用粒子滤波方法实现对数目变化的视频多目标跟踪；在此基础上，提出目标紧邻自适应机制和目标尺寸自适应机制，分别实现对紧邻目标及跟踪窗的自适应处理；最后采用粒子标记方法实现对视频多目标的运动轨迹自适应识别跟踪。本发明具有较强的鲁棒性和抗干扰能力，可以满足实际工程系统的设计需求，具有良好的工程应用价值。
-
公开(公告)号：CN104793993A
公开(公告)日：2015-07-22
申请号：CN201510203345.1
申请日：2015-04-24
Applicant: 江南大学
CPC classification number: Y02D10/24
Abstract: 本发明公开了一种基于服务收益与功耗的云计算任务调度模型和基于Levy飞行的人工蜂群粒子群算法的云计算任务调度方法。针对绿色云计算的思路，提出了一种引入处理机功耗和任务调度收益的多QoS调度模型。并提出了一种基于Levy飞行的人工蜂群粒子群算法用来解决多QoS云计算任务调度的。在本发明中，在粒子群算法中引入人工蜂群局部搜索策略提高算法的局部搜索精度，并通过对全局最优值进行Levy操作来避免陷入局部最优，从而提高收敛精度。本发明所述的方法，能够有效的提高云计算任务调度收益，并能够降低用户等待时间和处理机功耗。
-
公开(公告)号：CN104777465A
公开(公告)日：2015-07-15
申请号：CN201410010460.2
申请日：2014-01-09
Applicant: 江南大学
IPC: G01S7/41
CPC classification number: G01S7/41
Abstract: 本发明公开了一种基B样条函数的扩展目标跟踪与形状估计方法，它属于制导和智能信息处理技术领域，主要解决对任意形状扩展目标跟踪与形状估计问题。该方法通过引入多时刻联合统计的方法，构建了扩展目标的伪量测集，并根据伪量测集更新目标形状信息，采用B样条函数估计目标形状，从而实现了对任意几何形状扩展目标的跟踪与形状估计，且具有良好的形状估计精确度和鲁棒性，可以满足实际工程系统的设计需求，具有良好的工程应用价值。
-
公开(公告)号：CN114092512B
公开(公告)日：2025-03-25
申请号：CN202111394334.8
申请日：2021-11-15
Applicant: 江南大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于自适应多核相关滤波的雷达多扩展目标检测与跟踪方法，属于目标检测与跟踪领域。所述方法首先采用新生目标自适应算法得到存活目标集合，然采用三步航迹估计算法对所述存活目标集合中的每个目标进行预测；本发明将单扩展目标跟踪扩展为多扩展目标跟踪，通过提出的新生目标自适应算法，避免了原MKCF方案漏跟问题；通过使用动态提取目标三帧鲁棒图像的方法为目标建立KCF跟踪器，解决了MKCF算法中产生非鲁棒KCF模板的问题；提出了三步航迹估计算法，解决了原MKCF延伸为多扩展目标跟踪中出现目标难匹配、目标形变、目标遮挡、目标紧邻与杂波过大的问题，并在多扩展目标跟踪上取得了鲁棒的结果。
-
公开(公告)号：CN116381672A
公开(公告)日：2023-07-04
申请号：CN202310200991.7
申请日：2023-03-06
Applicant: 江南大学
Abstract: 本发明公开了基于孪生网络雷达X波段多扩展目标自适应跟踪方法，属于目标检测与跟踪领域。本发明利用神经网络最后三层特征图进行输出计算，并提出一种特征向量图融合架构，可以应对雷达数据存在大量杂波的情况；结合检测方法与速度信息，本发明提出一种神经网络与传统方法结合的航迹估计模块，取得了很好的跟踪效果；本发明引入特征截取模块，来针对多目标跟踪中存在大量目标的情况，以此来降低目标特征提取时间；实验结果证明，本发明的多扩展目标自适应跟踪方法在过桥遮挡、小目标紧邻、目标形变的场景下均能保持理想的跟踪精度，跟踪效果大大提升。
-
Patent Agency Ranking
公开(公告)号：CN111292355B
公开(公告)日：2023-06-16
申请号：CN202010089349.2
申请日：2020-02-12
Applicant: 江南大学
IPC: G06T7/246 , G06V10/764 , G06V10/75 , G06V10/774
Abstract: 本发明公开了一种融合运动信息的核相关滤波多目标跟踪方法，属于计算机视觉、智能信息处理领域。本发明在检测跟踪的基础上，引入了KCF进行多目标的跟踪，减少对检测器的过分依赖，实现对多个目标的精确跟踪；跟踪过程中将速度信息和SCCM机制结合到跟踪框架中，从而处理遮挡目标的跟踪以及跟踪框漂移问题；最后采用IOU和历史轨迹信息，对虚假目标进行判断，从而减少轨迹碎片。实验表明，本发明具有良好的跟踪效果和鲁棒性，能广泛满足智能视频监控、人机交互、智能交通管制等系统的实际设计需求。
-
公开(公告)号：CN114419732A
公开(公告)日：2022-04-29
申请号：CN202210036567.9
申请日：2022-01-11
Applicant: 江南大学
Abstract: 本发明公开了基于注意力机制优化的HRNet人体姿态识别方法，属于人体姿态识别，深度学习处理领域。所述方法首先在不同分辨率特征图跨通道融合过程中加入扩张卷积，在不产生额外的参数和计算量的情况下能够在不改变低分辨率特征图的尺寸下增加感受野，确保做出决策时没有忽略重要信息；其次提出新的特征融合的策略，通过引入通道注意力机制对不同分辨率的特征图进行加权融合，通过自适应地重新校准特征映射的另一个方向，以增强有意义的特征，同时抑制弱特征，加快了收敛速度，优化了人体姿态识别性能，并且在检测精度上有了进一步提升。
-
公开(公告)号：CN111562571B
公开(公告)日：2022-04-29
申请号：CN202010466368.2
申请日：2020-05-28
Applicant: 江南大学
IPC: G01S13/70
Abstract: 本发明公开了一种未知新生强度的机动多目标跟踪与航迹维持方法，属于智能信息处理技术领域。本发明方法在CPHD滤波框架下，引入参数自适应估计和粒子标识航迹关联技术以及新生目标识别策略，提出一种基于参数自适应CPHD滤波方法，以解决对复杂环境下新生目标强度未知，数目未知且时变的机动多目标跟踪的问题。本发明方法中将目标状态和时变的模型参数进行联合在线估计，采用包含不同模型参数的粒子对系统模型进行融合估计，以提高对机动目标的适应能力；滤波过程中对所有粒子进行身份标识，实现了对于新生目标可以通过量测自动识别和对多目标的航迹管理；具有较强的鲁棒性和抗干扰能力，可以满足实际工程系统的设计需求，具有良好的工程应用价值。
-
公开(公告)号：CN110532921B
公开(公告)日：2022-01-07
申请号：CN201910774255.6
申请日：2019-08-21
Applicant: 江南大学
Abstract: 本发明公开了一种基于SSD检测广义标签多伯努利视频多目标跟踪方法，属于计算机视觉、图像处理领域。所述方法通过利用一种无需离线学习且鲁棒性好的卷积特征表述目标外观，并采用广义标签多伯努利(GLMB)滤波实现视频多目标跟踪。考虑到多目标跟踪中，未知新生目标的不确定性导致目标跟踪结果不精确的问题，在GLMB滤波框架中引入SSD检测器对未知的新生目标进行初步识别，并采用一种权值求和的融合方法，将检测结果和跟踪结果进行融合得到最终的跟踪结果，并对目标模板进行自适应更新，不仅解决了滤波算法中跟踪偏移的问题，同时解决了检测技术中漏检、误检的问题，大大提高多目标跟踪状态的精度。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.022 seconds)
