-
公开(公告)号：CN119251254A
公开(公告)日：2025-01-03
申请号：CN202411363785.9
申请日：2024-09-28
Applicant: 兰州理工大学
Abstract: 本发明公开了基于非平稳异常噪声环境下的扩展目标跟踪方法，包括：S1、对目标的运动状态和扩展状态进行初始化，获得状态的初始化信息；S2、根据所述状态的初始化信息，获得目标的量测模型；S3、将所述目标的量测模型和运动状态模型为GSTM分布，通过引入伯努利变量，将目标状态一步预测密度和量测似然函数，构建分层高斯状态空间模型；S4、基于所述分层高斯状态空间模型，对目标的运动状态和扩展状态进行预测更新；S5、通过变分贝叶斯方法对目标状态参数量测更新，判断是否继续跟踪，继续跟踪则返回S4，反之则完成扩展目标跟踪。本发明有效解决了在复杂噪声环境中对扩展目标跟踪效果较差的问题，具有更强的鲁棒性和适应性。
-
公开(公告)号：CN119106334A
公开(公告)日：2024-12-10
申请号：CN202411219117.9
申请日：2024-09-02
Applicant: 兰州理工大学
IPC: G06F18/241 , G01S13/66 , G06N3/0455 , G06N3/048 , G06N3/0499
Abstract: 本发明公开了一种多目标跟踪滤波方法和装置，包括以下步骤：获取目标的量测数据，将所述量测数据输入到训练后的多目标跟踪模型中，基于编码器对所述量测数据进行特征提取，生成量测数据改进表示；将跟踪查询和检测查询级联输入到解码器中，对所述量测数据改进表示进行处理，获得查询向量；基于解码器对所述查询向量进行软数据关联，获得解码结果；将所述解码结果输入到预测器和分类器中进行处理，生成每个时间窗口的状态预测结果；基于QTM模块在跨帧目标对齐机制下处理所有时间窗口的状态预测结果，获得所有时间窗口的多目标跟踪查询结果，生成目标运动轨迹。本发明的多目标跟踪滤波方法提高了多目标长时跟踪精度，并且能够生成预测轨迹。
-
公开(公告)号：CN117665795A
公开(公告)日：2024-03-08
申请号：CN202311672047.8
申请日：2023-12-07
Applicant: 兰州理工大学
IPC: G01S13/72 , G06F30/20 , G01S13/58 , G01S7/41 , G06F119/02
Abstract: 本发明公开了一种基于轨迹集的泊松多伯努利多扩展目标跟踪方法，包括：基于轨迹有限集对若干个目标在空间中的运动轨迹进行建模，并对接收到的传感器量测集进行划分；利用随机矩阵对多扩展目标状态进行建模，然后分别进行多扩展目标轨迹预测、多扩展目标轨迹更新、多扩展目标状态修剪合并后，提取轨迹状态并输出跟踪结果；判断是否接收到新的量测集，若是，继续对量测集进行划分，迭代预测和更新多扩展目标的轨迹状态并输出跟踪结果；若否，结束轨迹算法。本发明可以完整的跟踪目标运动轨迹，极大的简化了计算量，有效的提高了该发明方法的运行速度，很好的跟踪了目标的扩展形状轮廓。
-
Patent Agency Ranking
公开(公告)号：CN117665795B
公开(公告)日：2024-10-29
申请号：CN202311672047.8
申请日：2023-12-07
Applicant: 兰州理工大学
IPC: G01S13/72 , G06F30/20 , G01S13/58 , G01S7/41 , G06F119/02
Abstract: 本发明公开了一种基于轨迹集的泊松多伯努利多扩展目标跟踪方法，包括：基于轨迹有限集对若干个目标在空间中的运动轨迹进行建模，并对接收到的传感器量测集进行划分；利用随机矩阵对多扩展目标状态进行建模，然后分别进行多扩展目标轨迹预测、多扩展目标轨迹更新、多扩展目标状态修剪合并后，提取轨迹状态并输出跟踪结果；判断是否接收到新的量测集，若是，继续对量测集进行划分，迭代预测和更新多扩展目标的轨迹状态并输出跟踪结果；若否，结束轨迹算法。本发明可以完整的跟踪目标运动轨迹，极大的简化了计算量，有效的提高了该发明方法的运行速度，很好的跟踪了目标的扩展形状轮廓。
-
公开(公告)号：CN119106334B
公开(公告)日：2025-04-08
申请号：CN202411219117.9
申请日：2024-09-02
Applicant: 兰州理工大学
IPC: G06F18/241 , G01S13/66 , G06N3/0455 , G06N3/048 , G06N3/0499
Abstract: 本发明公开了一种多目标跟踪滤波方法和装置，包括以下步骤：获取目标的量测数据，将所述量测数据输入到训练后的多目标跟踪模型中，基于编码器对所述量测数据进行特征提取，生成量测数据改进表示；将跟踪查询和检测查询级联输入到解码器中，对所述量测数据改进表示进行处理，获得查询向量；基于解码器对所述查询向量进行软数据关联，获得解码结果；将所述解码结果输入到预测器和分类器中进行处理，生成每个时间窗口的状态预测结果；基于QTM模块在跨帧目标对齐机制下处理所有时间窗口的状态预测结果，获得所有时间窗口的多目标跟踪查询结果，生成目标运动轨迹。本发明的多目标跟踪滤波方法提高了多目标长时跟踪精度，并且能够生成预测轨迹。
-
公开(公告)号：CN117849751B
公开(公告)日：2024-07-16
申请号：CN202410036824.8
申请日：2024-01-10
Applicant: 兰州理工大学
Abstract: 本发明公开了一种针对星凸形不规则形状扩展目标的跟踪方法及系统，属于雷达目标跟踪领域。本方法主要用于跟踪星凸形不规则形状的单扩展目标，能够准确将扩展目标的形状轮廓和细节刻画出来。主要步骤包括：获得传感器量测数据；根据量测数据进行状态初始化、目标状态初始化，获取量测信息；通过Kriging模型学习已知的状态与量测之间的映射关系，得到基于Kriging模型的非线性量测方程；加入非线性卡尔曼滤波器对状态和量测进行预测和更新，完成目标状态形状的跟踪和估计。本方法具有滤波性能好，运算时间快和对目标细节刻画相对准确的特点，可以较好的对扩展目标进行跟踪估计。
-
公开(公告)号：CN117849751A
公开(公告)日：2024-04-09
申请号：CN202410036824.8
申请日：2024-01-10
Applicant: 兰州理工大学
Abstract: 本发明公开了一种针对星凸形不规则形状扩展目标的跟踪方法及系统，属于雷达目标跟踪领域。本方法主要用于跟踪星凸形不规则形状的单扩展目标，能够准确将扩展目标的形状轮廓和细节刻画出来。主要步骤包括：获得传感器量测数据；根据量测数据进行状态初始化、目标状态初始化，获取量测信息；通过Kriging模型学习已知的状态与量测之间的映射关系，得到基于Kriging模型的非线性量测方程；加入非线性卡尔曼滤波器对状态和量测进行预测和更新，完成目标状态形状的跟踪和估计。本方法具有滤波性能好，运算时间快和对目标细节刻画相对准确的特点，可以较好的对扩展目标进行跟踪估计。
-
公开(公告)号：CN117351371A
公开(公告)日：2024-01-05
申请号：CN202311346895.X
申请日：2023-10-18
Applicant: 兰州理工大学
IPC: G06V20/13 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的遥感图像目标检测方法，包括：获取遥感图像数据集，对所述遥感图像数据集进行预处理；构建遥感图像目标检测模型，其中，所述遥感图像目标检测模型通过预处理后的遥感图像数据集进行训练得到；将待测遥感图像输入所述遥感图像目标检测模型，获取目标检测结果，其中，所述目标检测结果包括所述待测遥感图像中目标的位置及目标对应的类别。本发明基于深度学习，采用一种精细化特征提取的目标检测策略，对遥感图像进行快速精确的定位分类，能够实现对遥感图像中的目标精准检测，检测效率高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
