-
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。
-
公开(公告)号：CN109325966B
公开(公告)日：2022-06-03
申请号：CN201811031171.5
申请日：2018-09-05
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明提供一种通过时空上下文进行视觉跟踪的方法，包括如下步骤：步骤1：初始化参数；步骤2：训练上下文感知滤波器得到位置模型；步骤3：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4：分类器输出响应图；判别相关滤波器生成与响应图峰值对应的峰值旁瓣比；步骤5：对比响应图峰值与峰值旁瓣比，如果响应图峰值大于峰值旁瓣比，则引入在线随机蕨分类器进行重检测；如果响应图峰值小于峰值旁瓣比，则更新步骤2的位置模型和步骤3的尺度模型；如果响应图峰值等于峰值旁瓣比，则继续维持当前视觉跟踪状态；步骤6：将更新好的位置模型与尺度模型作用于下一帧跟踪；返回步骤4。
-
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：CN109325966A
公开(公告)日：2019-02-12
申请号：CN201811031171.5
申请日：2018-09-05
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明提供一种通过时空上下文进行视觉跟踪的方法，包括如下步骤：步骤1：初始化参数；步骤2：训练上下文感知滤波器得到位置模型；步骤3：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4：分类器输出响应图；判别相关滤波器生成与响应图峰值对应的峰值旁瓣比；步骤5：对比响应图峰值与峰值旁瓣比，如果响应图峰值大于峰值旁瓣比，则引入在线随机蕨分类器进行重检测；如果响应图峰值小于峰值旁瓣比，则更新步骤2的位置模型和步骤3的尺度模型；如果响应图峰值等于峰值旁瓣比，则继续维持当前视觉跟踪状态；步骤6：将更新好的位置模型与尺度模型作用于下一帧跟踪；返回步骤4。
-
-
-
Search Results
4
records
(took 0.038 seconds)
