-
公开(公告)号：CN112132872A
公开(公告)日：2020-12-25
申请号：CN202010982221.9
申请日：2020-09-17
Applicant: 厦门大学
Abstract: 一种针对深度相关滤波目标跟踪算法的评测方法，涉及计算机视觉技术。将基于深度相关滤波的目标跟踪算法分为五个独立的部分，即移动模型、特征提取器、相关滤波模型、相关滤波模板更新器、定位模型；并对这五个独立的部分单独进行评测，从而评测出各个部分对算法的影响大小；最后通过综合这五个部分的单独评测结果，实现对基于深度相关滤波的目标跟踪方法进行改进。所获得的评测结果能够直观的评测基于深度相关滤波的目标跟踪算法，可以进一步用于基于深度相关滤波的运动分割、特征匹配等计算机视觉领域的重要任务。在多个经典的深度相关滤波目标跟踪算法上进行实验验证，能够有效对算法进行评价，从而实现对算法性能评测与针对性提升。
-
公开(公告)号：CN112132866A
公开(公告)日：2020-12-25
申请号：CN202011000090.6
申请日：2020-09-22
Applicant: 厦门大学 , 腾讯科技(深圳)有限公司
Abstract: 本申请实施例提供一种目标对象跟踪方法、装置、设备及计算机可读存储介质，涉及人工智能技术领域。方法包括：接收目标跟踪请求；响应于所标跟踪请求，对初始模板、当前累积模板和待跟踪图像对应的待跟踪区域分别进行特征提取，对应得到初始特征嵌入、当前累积特征嵌入和待跟踪特征嵌入；对模板聚合特征嵌入和特征提取得到的待跟踪特征嵌入进行互相关处理，得到每一子区域与目标对象之间的相似度；根据所述相似度，在至少两个子区域中确定所述目标跟踪请求的跟踪结果，并输出所述跟踪结果。通过本申请实施例，能够在比较低的时间复杂度下捕获目标对象外观的长程变化，提高目标对象的跟踪性能和跟踪的准确率。
-
公开(公告)号：CN112132152A
公开(公告)日：2020-12-25
申请号：CN202010994613.7
申请日：2020-09-21
Applicant: 厦门大学
Abstract: 一种利用短程关联和长程修剪的多目标跟踪与分割方法，涉及计算机视觉。训练用于分割和跟踪的卷积神经网络，将视频图片输入训练后的网络，得视频图片中每个目标实例对应的分割位置和实例表征向量；使用欧式距离度量不同实例之间表征向量的空间距离及实例掩码中心距离，度量转化成向量相似性得分和掩码中心相似性得分；用实例掩码和边缘框在相邻帧之间的传播得分得掩码相似性得分和边缘框相似性得分；利用四种相似性得分和匈牙利算法得视频中目标实例的运动轨迹；在目标实例轨迹中，使用先前帧的目标实例置信得分对当前帧目标实例置信得分进行调整，并清除实例置信得分低的运动轨迹，得到高置信得分的长程运动轨迹。具有较高精度和鲁棒性。
-
公开(公告)号：CN110189362B
公开(公告)日：2020-12-25
申请号：CN201910452361.2
申请日：2019-05-28
Applicant: 厦门大学
Abstract: 基于多分支自编码对抗网络的高效目标跟踪方法。在有标记的离线目标跟踪数据集中收集大量目标模板和包含有目标的搜索区域样本对；使用均方误差损失，通过全监督的方式对所提出的目标概率生成器进行初步训练；引入判别器，加入对抗训练的方式共同优化目标概率生成器和判别器；给定测试视频中的第一帧，采样其标注的目标区域作为初始目标模板；给定测试帧，以当前目标长宽的N倍大小的窗口进行随机的位移来得到搜索区域；将搜索区域和目标模板输入目标概率生成器，输出得到目标概率图，选取目标概率图中最大值点的位置作为目标中心；根据目标概率图分布估计目标在当前帧的尺度；根据当前帧估计的目标区域进行目标模板更新。
-
公开(公告)号：CN111862167A
公开(公告)日：2020-10-30
申请号：CN202010705423.9
申请日：2020-07-21
Applicant: 厦门大学
IPC: G06T7/277
Abstract: 一种基于稀疏紧凑相关滤波器的快速鲁棒目标跟踪方法，涉及计算机视觉技术。由目标及其上下文构造基本样本，由基本样本的所有循环平移样本构成训练样本，DCF训练多通道相关滤波器的损失函数；在多任务学习中将排它性稀疏正则项与组稀疏正则项整合构造组内-组间稀疏正则项，在目标跟踪中引入时间一致性约束缓解DCF随时间退化的问题，引入组内-组间稀疏正则项以及时间正则项定义回归损失函数，学习稀疏相关滤波器；通道剪枝将冗余的滤波器整体去除，根据重要性程度对D通道滤波器排序，选取排序靠前的通道滤波器进行跟踪；构造拉格朗日函数，采用ADMM算法优化回归损失。有效提高滤波器的判别性以及可解释性，精度高，速度快。
-
Patent Agency Ranking
公开(公告)号：CN108734151B
公开(公告)日：2020-04-14
申请号：CN201810613931.7
申请日：2018-06-14
Applicant: 厦门大学
Abstract: 基于相关滤波以及深度孪生网络的鲁棒长程目标跟踪方法，涉及计算机视觉技术。通过将相关滤波以及深度孪生网络结合在一个统一的跟踪框架下，能够有效处理长视频中目标遮挡、消失视野等挑战。在该跟踪方法中，所提出的基于D‑expert以及C‑expert的专家评估机制能有效地对相关滤波以及深度孪生网络共同产生的目标候选位置进行评估筛选，得到最佳的目标跟踪结果，使用该结果来更新相关滤波跟踪器，从而有效避免了相关滤波跟踪器被错误样本更新。提出的目标跟踪方法对长视频中的各类挑战较为鲁棒，能够长时间稳定跟踪目标。
-
公开(公告)号：CN110263881A
公开(公告)日：2019-09-20
申请号：CN201910418340.9
申请日：2019-05-20
Applicant: 厦门大学
Abstract: 一种结合局部不对称几何的多模型拟合方法，涉及计算机视觉技术。能够利用数据点之间更多的信息，即每个数据点的局部邻居不对称性适合于建模数据点之间的关系。首先，考虑几何空间的关系，搜索每个数据点的空间邻域，以及在空间邻域中计算数据点之间的相似性，从而生成一个有向图。接着，基于该有向图，计算数据点之间的路径相似性。特别是，所构造的有向图对噪点更加的鲁棒。最后，提出自适应二分有向图，从而生成一个二值图，该有向图有效地提升了，所提出的方法在估计模型实例时的计算效率。
-
公开(公告)号：CN109859241A
公开(公告)日：2019-06-07
申请号：CN201910019982.1
申请日：2019-01-09
Applicant: 厦门大学
IPC: G06T7/246
Abstract: 自适应特征选择和时间一致性鲁棒相关滤波视觉跟踪方法，涉及计算机视觉技术。将弹性网络和时间一致性约束同时引入到相关滤波学习中，能够自适应地选择判别性特征抑制干扰特征，同时，能够将模型的学习与更新结合在一起，能够有效地缓解传统相关滤波器判别性不强以及随时间退化的问题，提高算法对遮挡、形变、旋转以及背景干扰的鲁棒性。通过弹性网络和时间一致性约束，相关滤波器自适应地选择时间上连续的、具有区域特性的判别性特征。推导出的相关滤波学习问题能够通过ADMM求解，仅仅用少数几次迭代就能高效地求解该问题。能够取得较好的性能，精度高，速度快。
-
公开(公告)号：CN105975918B
公开(公告)日：2019-04-02
申请号：CN201610278401.2
申请日：2016-04-29
Applicant: 厦门大学
IPC: G06K9/00
Abstract: 基于多模型估计的面向移动摄像机的运动目标检测方法，涉及计算机视觉技术。对输入视频图像序列预处理，并进行特征提取；从匹配对F中估计出第一个投影变换模型S1；从匹配对F中提取第二个投影变换模型S2；分别使用两个变换模型将S1,S2把前一帧Ik‑1投影到当前帧Ik并进行帧差，得到两个差分图d1和d2；将前一帧的检测结果Mk‑1作为置信区域，对d1和d2进行二值化得到两个二值化差分图mask1和mask2；将mask1和mask2进行逻辑与操作得到二值化图maskAndk，再进行形态学处理得到最终的检测结果Mk。
-
公开(公告)号：CN108960296A
公开(公告)日：2018-12-07
申请号：CN201810613941.0
申请日：2018-06-14
Applicant: 厦门大学
IPC: G06K9/62
CPC classification number: G06K9/6232 , G06K9/6218 , G06K9/6272
Abstract: 一种基于连续潜在语义分析的模型拟合方法，涉及计算机视觉技术。准备数据集。融合偏好分析和潜在语义分析构造潜在语义空间。分析潜在语义空间的数据分布。在潜在语义空间中自适应地去除离群点。在潜在语义空间中对剩下的数据点进行聚类分析。根据聚类结果估计模型参数，完成模型拟合。通过融合连续偏好分析和潜在语义分析快速有效地构造潜在语义空间，并将输入数据投影到所构造的潜在语义空间中，使得离群点靠近原点而来自不同模型实例的内点分布在不同的子空间中，从而将复杂的模型拟合问题看作成潜在语义空间中子空间恢复问题。本发明能够快速且有效地处理模型拟合问题。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.034 seconds)
