公开(公告)号：CN108346159B

公开(公告)日：2021-10-15

申请号：CN201810080582.7

申请日：2018-01-28

Applicant: 北京工业大学

Inventor： 李嘉锋 ,  张时雨 ,  卓力 ,  张辉 ,  马春杰

IPC: G06T7/246 ,  G06T7/223 ,  G06T7/262 ,  G06K9/62

Abstract: 本发明公开了一种基于跟踪‑学习‑检测的视觉目标跟踪方法，属于计算机视觉领域。首先，本发明从深度特征和核相关滤波的角度出发，建立了一种基于跟踪‑学习‑检测的视觉目标跟踪方法，可完成复杂场景下长时间目标跟踪的任务；其次，本发明针对卷积神经网络的特征图进行了研究和测试，并分析了不同卷积层的特征图对视觉目标跟踪的影响。最后，本发明融入目标检测的思想，可以进行跟踪失败后对目标进行再检测，从而实现对单目标的长时间跟踪。本方法将相关滤波跟踪方法与深度学习相结合，从而提高目标在复杂场景下目标跟踪的鲁棒性。

公开(公告)号：CN108346159A

公开(公告)日：2018-07-31

申请号：CN201810080582.7

申请日：2018-01-28

Applicant: 北京工业大学

Inventor： 李嘉锋 ,  张时雨 ,  卓力 ,  张辉 ,  马春杰

IPC: G06T7/246 ,  G06T7/223 ,  G06T7/262 ,  G06K9/62

Abstract: 本发明公开了一种基于跟踪-学习-检测的视觉目标跟踪方法，属于计算机视觉领域。首先，本发明从深度特征和核相关滤波的角度出发，建立了一种基于跟踪-学习-检测的视觉目标跟踪方法，可完成复杂场景下长时间目标跟踪的任务；其次，本发明针对卷积神经网络的特征图进行了研究和测试，并分析了不同卷积层的特征图对视觉目标跟踪的影响。最后，本发明融入目标检测的思想，可以进行跟踪失败后对目标进行再检测，从而实现对单目标的长时间跟踪。本方法将相关滤波跟踪方法与深度学习相结合，从而提高目标在复杂场景下目标跟踪的鲁棒性。