一种基于残差密集孪生网络的目标跟踪方法

    公开(公告)号:CN111179314B

    公开(公告)日:2023-05-02

    申请号:CN201911389973.8

    申请日:2019-12-30

    Abstract: 本发明提供了一种基于残差密集孪生网络的目标跟踪方法,该方法首先在视频第一帧图像中提取待跟踪目标的模板图像,并将其输入到残差密集网络,获得初始模板特征,将提取的特征进一步输入全局注意力模块,获得模板特征,完成跟踪器初始化;然后对第t帧图像裁剪提取搜索区域图像,并将其输入到残差密集网络获得搜索区域特征;最后,将模板特征和搜索区域特征输入候选区域生成网络,得到前景与背景分类置信度和边界框回归估计值,进一步得到第t帧跟踪结果。应用本发明,解决了现有基于孪生网络的目标跟踪方法无法有效处理背景杂乱、相似语义干扰的问题,还解决了现有基于孪生网络的目标跟踪方法跟踪准确度低,鲁棒性差的问题。

    一种融合运动特征的视频超分辨率重构方法

    公开(公告)号:CN112580473A

    公开(公告)日:2021-03-30

    申请号:CN202011464000.9

    申请日:2020-12-11

    Abstract: 本发明提供了一种融合运动特征的视频超分辨率重构方法,用于解决现阶段视频超分辨率重构方法重构精度不高,重构时间过长的问题。首先自适应关键帧判别子网自适应地从视频连续帧中判别出关键帧;关键帧经过高精度关键帧重构子网进行重构;对于非关键帧,则提取其与邻近关键帧之间的运动特征,并与邻近关键帧特征融合,再经过特征残差学习,得到非关键帧的特征,从而快速地获得非关键帧的重构结果。本发明能够自适应地判断视频中帧为关键帧或是非关键帧,并根据判断结果执行不同的重构策略,保证了视频整体重构结果的精准性;其次,本发明在图像特征层面进行运动信息的融合,避免了伪影的引入,减少了运动估计的提取时间。

    一种基于残差密集孪生网络的目标跟踪方法

    公开(公告)号:CN111179314A

    公开(公告)日:2020-05-19

    申请号:CN201911389973.8

    申请日:2019-12-30

    Abstract: 本发明提供了一种基于残差密集孪生网络的目标跟踪方法,该方法首先在视频第一帧图像中提取待跟踪目标的模板图像,并将其输入到残差密集网络,获得初始模板特征,将提取的特征进一步输入全局注意力模块,获得模板特征,完成跟踪器初始化;然后对第t帧图像裁剪提取搜索区域图像,并将其输入到残差密集网络获得搜索区域特征;最后,将模板特征和搜索区域特征输入候选区域生成网络,得到前景与背景分类置信度和边界框回归估计值,进一步得到第t帧跟踪结果。应用本发明,解决了现有基于孪生网络的目标跟踪方法无法有效处理背景杂乱、相似语义干扰的问题,还解决了现有基于孪生网络的目标跟踪方法跟踪准确度低,鲁棒性差的问题。

    一种融合运动特征的视频超分辨率重构方法

    公开(公告)号:CN112580473B

    公开(公告)日:2024-05-28

    申请号:CN202011464000.9

    申请日:2020-12-11

    Abstract: 本发明提供了一种融合运动特征的视频超分辨率重构方法,用于解决现阶段视频超分辨率重构方法重构精度不高,重构时间过长的问题。首先自适应关键帧判别子网自适应地从视频连续帧中判别出关键帧;关键帧经过高精度关键帧重构子网进行重构;对于非关键帧,则提取其与邻近关键帧之间的运动特征,并与邻近关键帧特征融合,再经过特征残差学习,得到非关键帧的特征,从而快速地获得非关键帧的重构结果。本发明能够自适应地判断视频中帧为关键帧或是非关键帧,并根据判断结果执行不同的重构策略,保证了视频整体重构结果的精准性;其次,本发明在图像特征层面进行运动信息的融合,避免了伪影的引入,减少了运动估计的提取时间。

    一种基于超图神经网络的遮挡行人重识别方法

    公开(公告)号:CN114419671B

    公开(公告)日:2024-03-26

    申请号:CN202210052859.1

    申请日:2022-01-18

    Abstract: 本发明公开了一种基于超图神经网络的遮挡行人重识别方法,用于解决行人重识别在行人图像被遮挡时识别精度不高,行人特征表示辨别力不强的问题,提升模型的准确性。首先引入行人特征提取模块,基于人体关键点信息提取行人图像的局部特征,获得带有可见性信息的行人局部特征表示;高阶信息融合模块基于超图神经网络自适应融合行人局部特征,获得更具判别性的行人特征;在此基础上,特征匹配模块将人体拓扑信息结合到图匹配过程中,对遮挡行人图像进行更准确的相似性度量。本发明能够获得较强的行人特征表示,在遮挡行人图像数据集上识别精度较高,并保持稳定的识别效果。

    一种基于超图神经网络的遮挡行人重识别方法

    公开(公告)号:CN114419671A

    公开(公告)日:2022-04-29

    申请号:CN202210052859.1

    申请日:2022-01-18

    Abstract: 本发明公开了一种基于超图神经网络的遮挡行人重识别方法,用于解决行人重识别在行人图像被遮挡时识别精度不高,行人特征表示辨别力不强的问题,提升模型的准确性。首先引入行人特征提取模块,基于人体关键点信息提取行人图像的局部特征,获得带有可见性信息的行人局部特征表示;高阶信息融合模块基于超图神经网络自适应融合行人局部特征,获得更具判别性的行人特征;在此基础上,特征匹配模块将人体拓扑信息结合到图匹配过程中,对遮挡行人图像进行更准确的相似性度量。本发明能够获得较强的行人特征表示,在遮挡行人图像数据集上识别精度较高,并保持稳定的识别效果。

Patent Agency Ranking