-
Patent Agency Ranking
公开(公告)号：CN108549839A
公开(公告)日：2018-09-18
申请号：CN201810206321.5
申请日：2018-03-13
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明公开了一种自适应特征融合的多尺度相关滤波视觉跟踪方法，该方法步骤包括：首先使用上下文感知相关滤波框架分别对目标Hog特征和color特征进行相关滤波，归一化两种特征下的响应值，按照响应值占比分配权重并线性加权融合，得到融合后的最终响应图，然后将其与预定义响应阈值进行判断是否更新滤波模型。最后在跟踪过程中引入尺度相关滤波器，提高算法的尺度适应能力。本发明的方法能够结合多种特征跟踪，发挥各自特征的性能优势，设计一种模型自适应的更新方法，此外还引入了一种精确尺度估计机制。能够有效地提高提高模型的更新质量以及跟踪精确度，并在尺度变化，快速运动，形变，遮挡等复杂场景下具有较好的鲁棒性。
-
公开(公告)号：CN108549839B
公开(公告)日：2021-09-28
申请号：CN201810206321.5
申请日：2018-03-13
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明公开了一种自适应特征融合的多尺度相关滤波视觉跟踪方法，该方法步骤包括：首先使用上下文感知相关滤波框架分别对目标Hog特征和color特征进行相关滤波，归一化两种特征下的响应值，按照响应值占比分配权重并线性加权融合，得到融合后的最终响应图，然后将其与预定义响应阈值进行判断是否更新滤波模型。最后在跟踪过程中引入尺度相关滤波器，提高算法的尺度适应能力。本发明的方法能够结合多种特征跟踪，发挥各自特征的性能优势，设计一种模型自适应的更新方法，此外还引入了一种精确尺度估计机制。能够有效地提高提高模型的更新质量以及跟踪精确度，并在尺度变化，快速运动，形变，遮挡等复杂场景下具有较好的鲁棒性。
-
公开(公告)号：CN110569957A
公开(公告)日：2019-12-13
申请号：CN201910825742.0
申请日：2019-09-03
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司 , 中科永大控股有限公司
IPC: G06N3/00
Abstract: 本发明公开了一种基于人工蜂群算法的优化方法，涉及仿生智能计算与优化领域。本发明采用一种新的初始化策略，从而获得较高质量的初始种群并减少寻优迭代次数；然后提出了两个新的搜索方程，其中一个用于增强局部搜索能力，另一个用于避免后期寻优过程的早熟收敛；进一步地，本发明对基本人工蜂群算法的框架进行了调整。本发明在于提供一种基于人工蜂群算法的优化方法，增强初始种群的多样性和分布性，提高搜索随机性，避免陷入局部最优，改进算法性能，无论在解的精度还是收敛速度方面，效果都有所提高。
-
公开(公告)号：CN108021869A
公开(公告)日：2018-05-11
申请号：CN201711127478.0
申请日：2017-11-15
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明公开的一种结合高斯核函数的卷积神经网络跟踪方法，该方法步骤包括：首先对首帧图像进行归一化处理并聚类提取目标信息，结合跟踪过程中目标背景信息共同作为卷积网络结构中的各阶滤波器，通过高斯核函数来提高卷积运算速度，提取目标简单抽象特征，然后叠加简单层的卷积结果得到目标的深层次表达，最后结合粒子滤波跟踪框架实现跟踪。本发明简化后的卷积网络结构，脱离苛刻深度学习运行环境提取的深度抽象特征，能够有效地应对低分辨率，目标遮挡与形变等场景，提高复杂背景下的跟踪效率。
-
公开(公告)号：CN107145934A
公开(公告)日：2017-09-08
申请号：CN201710322849.4
申请日：2017-05-09
Applicant: 华侨大学 , 泉州市华工智能技术有限公司
IPC: G06N3/00
CPC classification number: G06N3/006
Abstract: 本发明的一种基于增强局部搜索能力的人工蜂群优化方法，通过采用一种遍历性好、分布均匀的高维混沌序列产生方式，在一定程度上避免了ABC中随机初始化的盲目性，采用基于对数的适应度评价方式，扩大了种群个体适应值的差异性，减小了选择压力，并采用一种增强局部搜索能力的搜索策略，在一定程度上有效地避免了陷入局部最优，从而提高了收敛速度，改善算法性能。
-
-
-
-
Search Results
5
records
(took 0.031 seconds)
