-
公开(公告)号：CN111008996B
公开(公告)日：2023-04-07
申请号：CN201911250349.X
申请日：2019-12-09
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明公开一种通过分层特征响应融合的目标跟踪方法，涉及计算机视觉目标跟踪领域；包括：步骤10、对参数进行初始化；步骤20、提取目标图像分层特征进行响应值融合得到位置模型；步骤30、训练尺度相关滤波器的最大尺度响应值得到尺度模型；步骤40、当步骤20中所述响应值融合后得到的融合响应值小于等于设定阈值，对目标图像进行重检测，得到一候选区域，并返回步骤20；当所述融合响应值大于设定阈值时，更新位置模型以及尺度模型，然后进入步骤50；步骤50、将更新后的位置模型与尺度模型用于下一帧跟踪，返回步骤40。本发明提供的方法，改变了分层特征自适应融合和模型更新的条件，提高了相关滤波器跟踪的精确度，使跟踪效果更为理想。
-
公开(公告)号：CN111612809A
公开(公告)日：2020-09-01
申请号：CN202010466649.8
申请日：2020-05-28
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明提供了视觉跟踪领域的一种结合时空正则化约束的视觉跟踪定位方法，包括如下步骤：步骤S10、对参数进行初始化；步骤S20、基于初始化的所述参数，利用脊回归项、时空正则化模块以及约束模块建立跟踪框的目标函数；步骤S30、将所述目标函数矩阵化；步骤S40、将矩阵化的所述目标函数转为频域函数；步骤S50、将所述频域函数最小化以求取最优解；步骤S60、利用所述最优解更新拉格朗日参数；步骤S70、基于更新的所述拉格朗日参数更新跟踪框的目标函数进行视觉跟踪。本发明的优点在于：极大的提升了视觉跟踪的准确性以及有效性。
-
公开(公告)号：CN111612809B
公开(公告)日：2023-04-07
申请号：CN202010466649.8
申请日：2020-05-28
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
IPC: G06T7/20 , G06F17/16 , G06T7/246 , G06V10/25 , G06V10/774
Abstract: 本发明提供了视觉跟踪领域的一种结合时空正则化约束的视觉跟踪定位方法，包括如下步骤：步骤S10、对参数进行初始化；步骤S20、基于初始化的所述参数，利用脊回归项、时空正则化模块以及约束模块建立跟踪框的目标函数；步骤S30、将所述目标函数矩阵化；步骤S40、将矩阵化的所述目标函数转为频域函数；步骤S50、将所述频域函数最小化以求取最优解；步骤S60、利用所述最优解更新拉格朗日参数；步骤S70、基于更新的所述拉格朗日参数更新跟踪框的目标函数进行视觉跟踪。本发明的优点在于：极大的提升了视觉跟踪的准确性以及有效性。
-
公开(公告)号：CN111008996A
公开(公告)日：2020-04-14
申请号：CN201911250349.X
申请日：2019-12-09
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明公开一种通过分层特征响应融合的目标跟踪方法，涉及计算机视觉目标跟踪领域；包括：步骤10、对参数进行初始化；步骤20、提取目标图像分层特征进行响应值融合得到位置模型；步骤30、训练尺度相关滤波器的最大尺度响应值得到尺度模型；步骤40、当步骤20中所述响应值融合后得到的融合响应值小于等于设定阈值，对目标图像进行重检测，得到一候选区域，并返回步骤20；当所述融合响应值大于设定阈值时，更新位置模型以及尺度模型，然后进入步骤50；步骤50、将更新后的位置模型与尺度模型用于下一帧跟踪，返回步骤40。本发明提供的方法，改变了分层特征自适应融合和模型更新的条件，提高了相关滤波器跟踪的精确度，使跟踪效果更为理想。
-
-
Patent Agency Ranking
公开(公告)号：CN111612001B
公开(公告)日：2023-04-07
申请号：CN202010466175.7
申请日：2020-05-28
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明提供了视觉目标跟踪领域的一种基于特征融合的目标跟踪定位方法，包括：步骤S10、给定第1帧图像的目标位置，以目标位置为中心剪裁第1帧图像生成目标模板，并创建搜索区域；步骤S20、提取目标模板以及搜索区域的HOG特征、CN特征以及深度特征，并进行融合生成融合响应值；步骤S30、使用正则化线性回归计算视频的变化因子Pt‑1以及Qt‑1；步骤S40、基于融合响应值、Pt‑1以及Qt‑1计算得到最新的目标位置；步骤S50、计算融合响应值的平均峰值相关能量，并依据平均峰值相关能量更新Pt‑1以及Qt‑1，对下一帧图像进行跟踪。本发明的优点在于：极大的提升了目标跟踪的精确度。
-
公开(公告)号：CN111612001A
公开(公告)日：2020-09-01
申请号：CN202010466175.7
申请日：2020-05-28
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明提供了视觉目标跟踪领域的一种基于特征融合的目标跟踪定位方法，包括：步骤S10、给定第1帧图像的目标位置，以目标位置为中心剪裁第1帧图像生成目标模板，并创建搜索区域；步骤S20、提取目标模板以及搜索区域的HOG特征、CN特征以及深度特征，并进行融合生成融合响应值；步骤S30、使用正则化线性回归计算视频的变化因子Pt-1以及Qt-1；步骤S40、基于融合响应值、Pt-1以及Qt-1计算得到最新的目标位置；步骤S50、计算融合响应值的平均峰值相关能量，并依据平均峰值相关能量更新Pt-1以及Qt-1，对下一帧图像进行跟踪。本发明的优点在于：极大的提升了目标跟踪的精确度。
-
公开(公告)号：CN108564592A
公开(公告)日：2018-09-21
申请号：CN201810178714.X
申请日：2018-03-05
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明公开了一种基于动态多种群集成差分进化算法的图像分割方法，在种群结构规划方面采用原始种群进行划分和重新分配子种群机制，保证种群进化过程的多样性和避免出现局部最优现象；在变异策略上采用局部搜索变异和全局搜索变异相结合，以此来达到种群勘测最优阈值和加快收敛的平衡；还通过交叉概率因子的抛物线式的动态递增变化，有效地针对了标准差分进化算法固定参数带来的不足。通过与其他进化算法在基准测试集上的比较结果可以明显看出改进后算法寻优和收敛速度的显著性，并将改进后的差分进化算法应用于图像的分割，无论在准确度还是速度都有效果显著。
-
公开(公告)号：CN109002877A
公开(公告)日：2018-12-14
申请号：CN201810987172.0
申请日：2018-08-28
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
IPC: G06N3/00
Abstract: 本发明公开了一种多尺度协同差分进化优化方法，其先采用多种群机制的种群结构，利用每一子种群结合相应的变异策略来保证进化过程个体多样性.然后，通过种群间的协方差学习，为交叉操作建立一个适当旋转的坐标系统；同时，使用自适应控制参数来平衡种群的勘测与收敛能力.最后，在单峰函数、多峰函数、偏移函数和高维函数的25个基准测试函数上进行测试，并同其他先进的进化算法对比；实验结果表明所提算法相较于其他算法在求解全局优化问题上达到最优效果。
-
公开(公告)号：CN108564592B
公开(公告)日：2021-05-11
申请号：CN201810178714.X
申请日：2018-03-05
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明公开了一种基于动态多种群集成差分进化算法的图像分割方法，在种群结构规划方面采用原始种群进行划分和重新分配子种群机制，保证种群进化过程的多样性和避免出现局部最优现象；在变异策略上采用局部搜索变异和全局搜索变异相结合，以此来达到种群勘测最优阈值和加快收敛的平衡；还通过交叉概率因子的抛物线式的动态递增变化，有效地针对了标准差分进化算法固定参数带来的不足。通过与其他进化算法在基准测试集上的比较结果可以明显看出改进后算法寻优和收敛速度的显著性，并将改进后的差分进化算法应用于图像的分割，无论在准确度还是速度都有效果显著。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.03 seconds)
