-
公开(公告)号:CN112541441B
公开(公告)日:2024-08-27
申请号:CN202011486143.X
申请日:2020-12-16
Applicant: 江南大学
Abstract: 本发明公开了一种融合相关滤波的GM‑PHD视频多目标跟踪方法,属于计算机视觉、模式识别和信息处理技术领域。所述方法采用相关滤波的思想,对目标进行跟踪,并加入图像信息的相交比判断,来对被遮挡的目标进行不更新目标模板和参数处理,从而减少目标模板的污染,减少误跟框,对于已经被遮挡的目标将会放入高斯混和概率假设密度滤波中进行位置预测更新操作,若后期目标重现将会重新关联上目标标签,从而减少碎片化的轨迹,弥补检测器漏检的缺点。最终通过在MOT17数据集上的结果证明,与目前有关GM‑PHD最好的跟踪算法GMPHDOGM17相比,多目标跟踪正确度MOTA指标上从原来的49.9提高至50.3。
-
公开(公告)号:CN112837351B
公开(公告)日:2024-05-03
申请号:CN202110142169.0
申请日:2021-02-02
Applicant: 江南大学
IPC: G06T7/277 , G06T7/246 , G06V10/774 , G06V10/74 , G06V10/80
Abstract: 本发明公开了一种改进的标签多伯努利分布式优化融合跟踪方法,属于智能信息处理技术和信号处理领域。所述方法通过在单传感器滤波跟踪算法与基于标签滤波器的GCI融合算法的基础上,引入了组变量Group(G)以及传感器唯一标识变量ID(d)用以辅助记录基于Murty最优分配算法所得到的融合映射信息;实际上相当于对历史信息的一种利用,在后续时刻的融合步骤中,利用历史融合信息获取标签伯努利项的映射代替传统算法中利用高时间复杂度的Murty算法,降低了融合步骤中的计算复杂度,同时也可以避免传统算法中利用Murty算法获取多个假设映射时可能导致的融合结果受到紧邻虚警目标的影响,间接提高了跟踪精度和跟踪时效性。
-
公开(公告)号:CN112651995B
公开(公告)日:2024-05-03
申请号:CN202011516155.2
申请日:2020-12-21
Applicant: 江南大学
IPC: G06T7/246 , G06T7/277 , G06V10/25 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了基于多功能聚合和跟踪模拟训练的在线多目标跟踪方法,属于计算机视觉技术领域。所述方法设计了一个聚合多个功能模块的网络结构,利用ECC与Kalman滤波器的融合模式作为运动模型,同时本申请采用了一种端对端的训练方法,利用目标的预测位置和真实位置扩充训练数据,最后,采用融合了目标历史外观信息的指标损失来训练网络中的外观提取模块。本发明方法能够提高各个功能模块之间的兼容性以及对于多目标跟踪任务的适应性,改善模型的身份保存能力,具有较好的在线多目标跟踪性能。
-
公开(公告)号:CN111754545B
公开(公告)日:2024-05-03
申请号:CN202010547158.6
申请日:2020-06-16
Applicant: 江南大学
IPC: G06T7/246 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于IOU匹配的双滤波器视频多目标跟踪方法,属于信息处理技术领域。本发明在多伯努利滤波中,引入相关滤波器作为弱滤波器来采样粒子,首先提取泛化能力较强的VGG19网络卷积特征训练多个相关滤波器,利用训练好的相关滤波器,得到多个目标状态估计,最后对得到的目标状态集进行扩充作为采样的粒子集。本发明能有效减少标签跳变和轨迹碎片,提高目标跟踪精度。
-
公开(公告)号:CN115099343B
公开(公告)日:2024-03-29
申请号:CN202210738739.7
申请日:2022-06-24
Applicant: 江南大学
IPC: G06F18/2321 , G06F18/214
Abstract: 本发明公开了一种有限视野下分布式标签多伯努利融合跟踪方法,属于智能信息处理技术和信号处理领域。首先利用泛洪传输使得单一传感器拥有传感器网络中所有目标后验分布信息,采取基于聚类的目标划分方法,对目标进行准确归类,可融合类目标执行GCI融合,不可融合类目标则直接提取该目标分布信息;针对跨传感器运动目标或单一传感器跟踪目标,本发明利用目标标签以及传感器标识信息建立航迹维持表,通过与航迹维持表进行匹配,恢复目标本地标签,使得目标航迹连续化。本发明有效地解决了有限视野传感器网络中进行GCI融合导致的非重叠区域目标分布信息丢失从而导致目标漏跟的问题,可输出网络全局视野中全部目标的状态信息和完整航迹。
-
公开(公告)号:CN115099343A
公开(公告)日:2022-09-23
申请号:CN202210738739.7
申请日:2022-06-24
Applicant: 江南大学
IPC: G06K9/62
Abstract: 本发明公开了一种有限视野下分布式标签多伯努利融合跟踪方法,属于智能信息处理技术和信号处理领域。首先利用泛洪传输使得单一传感器拥有传感器网络中所有目标后验分布信息,采取基于聚类的目标划分方法,对目标进行准确归类,可融合类目标执行GCI融合,不可融合类目标则直接提取该目标分布信息;针对跨传感器运动目标或单一传感器跟踪目标,本发明利用目标标签以及传感器标识信息建立航迹维持表,通过与航迹维持表进行匹配,恢复目标本地标签,使得目标航迹连续化。本发明有效地解决了有限视野传感器网络中进行GCI融合导致的非重叠区域目标分布信息丢失从而导致目标漏跟的问题,可输出网络全局视野中全部目标的状态信息和完整航迹。
-
公开(公告)号:CN114092512A
公开(公告)日:2022-02-25
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:CN110472577B
公开(公告)日:2022-02-15
申请号:CN201910755459.5
申请日:2019-08-15
Applicant: 江南大学
Abstract: 本发明公开了一种基于自适应相关滤波的长时视频跟踪方法,属于视频跟踪技术领域。所述方法融合了HOG特征、CN特征和灰度特征,增强特征判别力的同时结合Edgebox生成检测建议,找到最优建议实现跟踪器尺度与纵横比的自适应;利用高置信度跟踪结果避免模板被破坏,将目标移动速度与边缘组数结合起来形成了一种新的自适应更新率,并对每一帧目标框的尺度进行校正;在跟踪失败的情况下,应用增量学习检测器以滑动窗口的方式恢复目标位置。本发明使相关滤波器具有更好的尺度和长宽比自适应性,尺度的校正与高置信度更新机制也使模板的稳定性更好,在背景杂乱、遮挡、目标发生快速移动等情况下表现优异,适合长时间跟踪。
-
公开(公告)号:CN113887656A
公开(公告)日:2022-01-04
申请号:CN202111226922.0
申请日:2021-10-21
Applicant: 江南大学
Abstract: 本发明公开了一种联合深度学习与稀疏表示的高光谱图像分类方法,涉及高光谱图像处理技术领域,该方法包括:对高光谱图像数据,先用主成分分析提取光谱特征,并对主成分进行扩展形态学分析得到扩展形态学特征;划分训练集和测试集,将训练集对应的扩展形态学特征作为端元集合;将光谱特征和端元集合输入至联合稀疏表示的深度神经网络模型,输出分类概率图;根据分类概率图得到最终的分类预测结果。深度神经网络模型包含稀疏表示模块和自编码特征提取模块,深度丰度特征的求解与分类在统一的损失函数下训练,使得稀疏表示模块输出的深度丰度特征提取了样本间的相关性信息;自编码特征提取模块融合了深度丰度特征与光谱特征,可显著提高分类精度。
-
公开(公告)号:CN112837351A
公开(公告)日:2021-05-25
申请号:CN202110142169.0
申请日:2021-02-02
Applicant: 江南大学
Abstract: 本发明公开了一种改进的标签多伯努利分布式优化融合跟踪方法,属于智能信息处理技术和信号处理领域。所述方法通过在单传感器滤波跟踪算法与基于标签滤波器的GCI融合算法的基础上,引入了组变量Group(G)以及传感器唯一标识变量ID(d)用以辅助记录基于Murty最优分配算法所得到的融合映射信息;实际上相当于对历史信息的一种利用,在后续时刻的融合步骤中,利用历史融合信息获取标签伯努利项的映射代替传统算法中利用高时间复杂度的Murty算法,降低了融合步骤中的计算复杂度,同时也可以避免传统算法中利用Murty算法获取多个假设映射时可能导致的融合结果受到紧邻虚警目标的影响,间接提高了跟踪精度和跟踪时效性。
-
-
-
-
-
-
-
-
-