公开(公告)号：CN114332157A

公开(公告)日：2022-04-12

申请号：CN202111527248.X

申请日：2021-12-14

Applicant: 北京理工大学

Inventor： 邓宸伟 ,  王旭辰 ,  韩煜祺 ,  唐林波

IPC: G06T7/246 ,  G06V10/40

Abstract: 本发明提供了一种双阈值控制的长时跟踪方法，在不同的跟踪场景中均取得了不错的效果。本发明将验证网络和孪生网络进行整合，采用双阈值控制法，对长时间跟踪过程中各种情况进行判断，以保证算法的长时鲁棒性。本发明将两类网络进行融合，很好的利用的两者优势且弥补了相互的不足，以适应长时间跟踪场景。其中，基于MDNet的验证网络通过在线训练很好的利用了后续帧中的信息，弥补了基于孪生网络的跟踪算法中跟踪目标信息缺失的问题；基于孪生网络的跟踪算法通过模版匹配的方法，代替基于MDNet的跟踪算法中的网络预测过程，计算量较小，解决了基于MDNet的跟踪算法实时性较差的问题。

公开(公告)号：CN114332157B

公开(公告)日：2024-05-24

申请号：CN202111527248.X

申请日：2021-12-14

Applicant: 北京理工大学

Inventor： 邓宸伟 ,  王旭辰 ,  韩煜祺 ,  唐林波

IPC: G06T7/246 ,  G06V10/40

Abstract: 本发明提供了一种双阈值控制的长时跟踪方法，在不同的跟踪场景中均取得了不错的效果。本发明将验证网络和孪生网络进行整合，采用双阈值控制法，对长时间跟踪过程中各种情况进行判断，以保证算法的长时鲁棒性。本发明将两类网络进行融合，很好的利用的两者优势且弥补了相互的不足，以适应长时间跟踪场景。其中，基于MDNet的验证网络通过在线训练很好的利用了后续帧中的信息，弥补了基于孪生网络的跟踪算法中跟踪目标信息缺失的问题；基于孪生网络的跟踪算法通过模版匹配的方法，代替基于MDNet的跟踪算法中的网络预测过程，计算量较小，解决了基于MDNet的跟踪算法实时性较差的问题。

公开(公告)号：CN116433723A

公开(公告)日：2023-07-14

申请号：CN202310238764.3

申请日：2023-03-08

Applicant: 北京理工大学

Inventor： 邓宸伟 ,  武家鹏 ,  韩煜祺 ,  唐林波 ,  王文正 ,  王旭辰

IPC: G06T7/246 ,  G06V10/764 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种目标间关系建模的多目标跟踪方法。包括：对于当前帧检测器输出的目标，利用目标自身的位置、外观特征与目标间的拓扑关系构建帧内图；随后利用消息传递网络对帧内图的顶点、边特征进行更新，以进一步融合目标间的特征；然后结合过去帧的轨迹图与当前的帧内图构建帧间图，帧间图的边表示轨迹与检测的特征相似度；对帧间图进行消息传递过程以进一步融合；随后利用全连接层网络对边代表的匹配关系进行得分计算，并对易漏检的低置信度检测和因遮挡等原因丢失的轨迹进行恢复。本发明的方法利用目标间的拓扑关系建模，可以在相机非线性运动的场景中实现稳定关联，并利用近邻目标信息辅助恢复被遮挡目标的检测；一定程度上克服了主流多目标跟踪算法分立处理目标的缺陷，能够实现非线性运动与遮挡场景下的稳定跟踪。