公开(公告)号：CN106056628B

公开(公告)日：2019-06-18

申请号：CN201610371378.1

申请日：2016-05-30

Applicant: 中国科学院计算技术研究所

Inventor： 秦磊 ,  齐元凯 ,  张盛平 ,  姚鸿勋 ,  黄庆明 ,  林钟禹 ,  杨明轩

IPC: G06T7/246

Abstract: 本发明提出基于深度卷积神经网络特征融合的目标跟踪方法及系统，涉及模式识别技术领域，该方法包括步骤1，通过深度卷积神经网络，获取视频图像中目标的多种特征，通过滤波器方法计算每种特征的特征置信权重，根据特征置信权重，获取目标当前的跟踪目标位置；步骤2，计算每种特征当前帧的预测精度损失，并根据预测精度损失，对每种特征，建立在△t时间内的稳定性模型，通过稳定性模型计算每个特征在当前帧的稳定性，根据每种特征的稳定性及累积的预测精度损失，更新每种特征的置信权重；步骤3，重复步骤1至步骤2完成所有帧的目标跟踪。本发明合理地融合多种特征的跟踪结果，实现鲁棒的目标跟踪。

公开(公告)号：CN106056628A

公开(公告)日：2016-10-26

申请号：CN201610371378.1

申请日：2016-05-30

Applicant: 中国科学院计算技术研究所

Inventor： 秦磊 ,  齐元凯 ,  张盛平 ,  姚鸿勋 ,  黄庆明 ,  林钟禹 ,  杨明轩

IPC: G06T7/20

CPC classification number: G06T7/20 ,  G06T2207/10016 ,  G06T2207/20081

Abstract: 本发明提出基于深度卷积神经网络特征融合的目标跟踪方法及系统，涉及模式识别技术领域，该方法包括步骤1，通过深度卷积神经网络，获取视频图像中目标的多种特征，通过滤波器方法计算每种特征的特征置信权重，根据特征置信权重，获取目标当前的跟踪目标位置；步骤2，计算每种特征当前帧的预测精度损失，并根据预测精度损失，对每种特征，建立在△t时间内的稳定性模型，通过稳定性模型计算每个特征在当前帧的稳定性，根据每种特征的稳定性及累积的预测精度损失，更新每种特征的置信权重；步骤3，重复步骤1至步骤2完成所有帧的目标跟踪。本发明合理地融合多种特征的跟踪结果，实现鲁棒的目标跟踪。