-
公开(公告)号：CN113506317A
公开(公告)日：2021-10-15
申请号：CN202110631768.9
申请日：2021-06-07
Applicant: 北京百卓网络技术有限公司 , 北京邮电大学
Abstract: 本发明提供了一种基于Mask R‑CNN和表观特征融合的多目标跟踪方法。该方法包括：通过Mask R‑CNN网络搜索待识别的图像，获得图像中的目标的候选区域及特征图；基于候选区域在特征图上切割出特征作为孪生神经网络的输入，生成特征矩阵；通过空间注意力模块根据所述特征矩阵对所述图像中关键区域进行空间结构加强处理，得到具有空间注意力加权的目标特征；通过长短时记忆网络利用所述具有空间注意力加权的特征对目标轨迹的历史位置信息进行计算，得到预测的目标位置信息。本发明提出了基于空间注意模型的抗遮挡多目标跟踪算法，通过空间信息来增加跟踪模型的特征区分度，对图像中关键点进行加权融合，有效地提高目标跟踪过程中身份信息稳定的概率。
-
公开(公告)号：CN115100565B
公开(公告)日：2023-06-09
申请号：CN202210680138.5
申请日：2022-06-16
Applicant: 北京邮电大学
IPC: G06V20/40 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/084
Abstract: 本发明提供了一种基于空间相关性与光流配准的多目标跟踪方法。该方法包括：将视频帧图像输入到空间信息与拓扑关系融合网络中，融合不同尺寸的图像特征，输出融合后的特征图；将融合特征图输入至空间信息与拓扑关系融合网络，并连接四个任务头，分别完成热图生成、偏移量生成、包围框尺寸生成和外观特征生成四个任务，以确定目标包围框的大小和位置，生成用于轨迹匹配的外观特征；将外观特征及其置信度作为结合稀疏光流的分层关联算法的输入，关联不同帧图像的检测结果，生成目标跟踪轨迹。本发明方法通过在多尺度空间注意网络和相关性融合网络引入多尺度的空间信息与拓扑信息，增加网络的表征能力，提高了目标轨迹的稳定性。
-
公开(公告)号：CN115100565A
公开(公告)日：2022-09-23
申请号：CN202210680138.5
申请日：2022-06-16
Applicant: 北京邮电大学
IPC: G06V20/40 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/08
Abstract: 本发明提供了一种基于空间相关性与光流配准的多目标跟踪方法。该方法包括：将视频帧图像输入到空间信息与拓扑关系融合网络中，融合不同尺寸的图像特征，输出融合后的特征图；将融合特征图输入至空间信息与拓扑关系融合网络，并连接四个任务头，分别完成热图生成、偏移量生成、包围框尺寸生成和外观特征生成四个任务，以确定目标包围框的大小和位置，生成用于轨迹匹配的外观特征；将外观特征及其置信度作为结合稀疏光流的分层关联算法的输入，关联不同帧图像的检测结果，生成目标跟踪轨迹。本发明方法通过在多尺度空间注意网络和相关性融合网络引入多尺度的空间信息与拓扑信息，增加网络的表征能力，提高了目标轨迹的稳定性。
-
公开(公告)号：CN113506317B
公开(公告)日：2022-04-22
申请号：CN202110631768.9
申请日：2021-06-07
Applicant: 北京百卓网络技术有限公司 , 北京邮电大学
Abstract: 本发明提供了一种基于Mask R‑CNN和表观特征融合的多目标跟踪方法。该方法包括：通过Mask R‑CNN网络搜索待识别的图像，获得图像中的目标的候选区域及特征图；基于候选区域在特征图上切割出特征作为孪生神经网络的输入，生成特征矩阵；通过空间注意力模块根据所述特征矩阵对所述图像中关键区域进行空间结构加强处理，得到具有空间注意力加权的目标特征；通过长短时记忆网络利用所述具有空间注意力加权的特征对目标轨迹的历史位置信息进行计算，得到预测的目标位置信息。本发明提出了基于空间注意模型的抗遮挡多目标跟踪算法，通过空间信息来增加跟踪模型的特征区分度，对图像中关键点进行加权融合，有效地提高目标跟踪过程中身份信息稳定的概率。
-
-
-
Search Results
4
records
(took 0.015 seconds)
