-
公开(公告)号：CN110060280B
公开(公告)日：2021-03-30
申请号：CN201910349109.9
申请日：2019-04-28
Applicant: 东华大学
Abstract: 本发明公开了一种基于外观自适应空间正则化相关滤波器的目标跟踪方法，包括：利用在线K‑means聚类算法对跟踪结果图像块进行目标与背景的的分割，并得到目标区域模板；利用目标区域模板生成空间正则化权重矩阵；用交替方向乘子法(ADMM)训练学习具有空间正则化的相关滤波器，对目标进行跟踪。本发明能够有效的限制相关滤波器学习内容，减少相关滤波器的背景信息，抑制相关滤波器的边界效应。与传统的带有空间正则化的相关滤波器相比，更精准的对目标区域与背景区域进行不同程度抑制；能够扩大相关滤波器的搜索范围，提升相关滤波器对目标大位移的鲁棒性。
-
公开(公告)号：CN110060280A
公开(公告)日：2019-07-26
申请号：CN201910349109.9
申请日：2019-04-28
Applicant: 东华大学
Abstract: 本发明公开了一种基于外观自适应空间正则化相关滤波器的目标跟踪方法，包括：利用在线K-means聚类算法对跟踪结果图像块进行目标与背景的的分割，并得到目标区域模板；利用目标区域模板生成空间正则化权重矩阵；用交替方向乘子法(ADMM)训练学习具有空间正则化的相关滤波器，对目标进行跟踪。本发明能够有效的限制相关滤波器学习内容，减少相关滤波器的背景信息，抑制相关滤波器的边界效应。与传统的带有空间正则化的相关滤波器相比，更精准的对目标区域与背景区域进行不同程度抑制；能够扩大相关滤波器的搜索范围，提升相关滤波器对目标大位移的鲁棒性。
-
公开(公告)号：CN110084834B
公开(公告)日：2021-04-06
申请号：CN201910349128.1
申请日：2019-04-28
Applicant: 东华大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于快速张量奇异值分解特征降维的目标跟踪方法，包括：对每一帧视频数据提取多种特征并构建张量结构；对构建的张量进行奇异值分解；对降维后的特征训练相关滤波器，对目标进行跟踪。本发明能够有效的减少特征数量，加快跟踪速度，与传统的基于向量的主成分分析特征降维等方式相比，更好的保留了特征的结构信息；张量奇异值分解对特征的旋转具有不变性增强跟踪器对目标旋转的鲁棒性。
-
公开(公告)号：CN110084834A
公开(公告)日：2019-08-02
申请号：CN201910349128.1
申请日：2019-04-28
Applicant: 东华大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于快速张量奇异值分解特征降维的目标跟踪方法，包括：对每一帧视频数据提取多种特征并构建张量结构；对构建的张量进行奇异值分解；对降维后的特征训练相关滤波器，对目标进行跟踪。本发明能够有效的减少特征数量，加快跟踪速度，与传统的基于向量的主成分分析特征降维等方式相比，更好的保留了特征的结构信息；张量奇异值分解对特征的旋转具有不变性增强跟踪器对目标旋转的鲁棒性。
-
-
-
Search Results
4
records
(took 0.013 seconds)
