公开(公告)号：CN108734722B

公开(公告)日：2022-03-15

申请号：CN201810346646.3

申请日：2018-04-18

Applicant: 南京邮电大学

Inventor： 王彩玲 ,  徐烨超 ,  荆晓远

IPC: G06T7/246 ,  G06T7/262

Abstract: 本发明揭示了一种基于PSR的视觉跟踪错误修正方法，包括如下步骤：S1、计算出第一帧的相关滤波器；S2、限定实施错误修正的范围；S3、计算出与；S4、将与进行比较；S5、提取目标在新状态下的特征；S6、重复上述步骤，完成后续检测修正。当出现物体遮挡、视角变化、目标形变、周围光照变化等情况时，本发明的方法可以通过使用第一帧训练得到的相关滤波器来对后续跟踪检测过程中的状态估计进行判定，若第一帧有比当前帧正在使用的滤波器更高的可信度，则使用第一帧来进行状态估计，从而减少了视觉跟踪过程中错误发生的几率，提高了视觉跟踪的精度。

公开(公告)号：CN108665482A

公开(公告)日：2018-10-16

申请号：CN201810346647.8

申请日：2018-04-18

Applicant: 南京邮电大学

Inventor： 王彩玲 ,  徐烨超 ,  荆晓远

IPC: G06T7/246 ,  G06N3/04

Abstract: 本发明揭示了一种基于VGG深度网络的视觉目标跟踪方法，包括如下步骤：S1、编译MatConvNet的运行环境；S2、构建VGG深度神经网络；S3、进行视频帧输入，并判断输入帧是否为初始帧，若输入帧为非初始帧，则进入S4，若输入帧为初始帧，则跳过S4、进入S5；S4、进行目标新状态估计，随后进入S5；S5、进行滤波器模型的在线更新。本发明与传统的视觉目标跟踪方法相比，在特征上包含了更多的语义信息，可以有更高的跟踪精度。而与利用高层深度特征的视觉目标跟踪方法相比，本发明所使用的低层数据既可以节约计算损耗，而又不缺失语义信息。因此，本发明在跟踪精度和跟踪速度上做了权衡，获得了优异的跟踪性能。

公开(公告)号：CN108734722A

公开(公告)日：2018-11-02

申请号：CN201810346646.3

申请日：2018-04-18

Applicant: 南京邮电大学

Inventor： 王彩玲 ,  徐烨超 ,  荆晓远

IPC: G06T7/246 ,  G06T7/262

Abstract: 本发明揭示了一种基于PSR的视觉跟踪错误修正方法，包括如下步骤：S1、计算出第一帧的相关滤波器；S2、限定实施错误修正的范围；S3、计算出 与 ；S4、将 与 进行比较；S5、提取目标在新状态下的特征；S6、重复上述步骤，完成后续检测修正。当出现物体遮挡、视角变化、目标形变、周围光照变化等情况时，本发明的方法可以通过使用第一帧训练得到的相关滤波器来对后续跟踪检测过程中的状态估计进行判定，若第一帧有比当前帧正在使用的滤波器更高的可信度，则使用第一帧来进行状态估计，从而减少了视觉跟踪过程中错误发生的几率，提高了视觉跟踪的精度。