-
公开(公告)号：CN110211150A
公开(公告)日：2019-09-06
申请号：CN201910340918.3
申请日：2019-04-25
Applicant: 南开大学
Abstract: 一种具有尺度协调机制的实时视觉目标识别方法，以目标分割确定待识别主体的大小，协调实时目标跟踪中待识别区域的尺度，从而提高识别精度。该方法首先对采集到的图像按对比度作图像分割，将待识别主体从背景中分割出来以确定待识别主体的大小。此外，在普通的实时视觉目标识别流程中，目标跟踪算法计算出每一帧中跟踪目标主体位置，并将主体位置提供给目标识别算法完成识别。当目标分割后的主体大小与目标跟踪后的主体大小之比高于阈值时，启动尺度协调机制，以目标分割大小为准，调整识别框基于跟踪框的扩大倍数。所提方法能够有效应对目标主体形变、旋转等问题。
-
公开(公告)号：CN110211150B
公开(公告)日：2023-04-18
申请号：CN201910340918.3
申请日：2019-04-25
Applicant: 南开大学
IPC: G06V20/40 , G06T7/246 , G06T7/277 , G06T7/11 , G06V10/25 , G06V10/26 , G06V10/50 , G06V10/56 , G06V10/52 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种具有尺度协调机制的实时视觉目标识别方法，以目标分割确定待识别主体的大小，协调实时目标跟踪中待识别区域的尺度，从而提高识别精度。该方法首先对采集到的图像按对比度作图像分割，将待识别主体从背景中分割出来以确定待识别主体的大小。此外，在普通的实时视觉目标识别流程中，目标跟踪算法计算出每一帧中跟踪目标主体位置，并将主体位置提供给目标识别算法完成识别。当目标分割后的主体大小与目标跟踪后的主体大小之比高于阈值时，启动尺度协调机制，以目标分割大小为准，调整识别框基于跟踪框的扩大倍数。所提方法能够有效应对目标主体形变、旋转等问题。
-
公开(公告)号：CN111508006A
公开(公告)日：2020-08-07
申请号：CN202010325315.9
申请日：2020-04-23
Applicant: 南开大学
Abstract: 本发明提供一种基于深度学习的运动目标同步检测、识别与跟踪方法，所述方法的步骤为：获取相机采集的待检测视频数据，并输入视频序列；对视频序列进行视频抓取；利用SSD目标检测模型对目标进行检测出感兴趣区域；使用显著性检测的方法分割出目标区域；采用加权的交叉熵损失函数进行目标识别；利用卡尔曼方程预测跟踪对象在下一个关键帧的位置；使用卡尔曼方程预测出的位置与目标检测算法算得的位置进行特征匹配；计算分割框边长与识别框边长的比值进行尺度更新判定。本发明保证了算法实时性，且能够应用在各种领域，而非应用于单一领域，并且能够解决各种动态复杂环境下的实时检测识别跟踪问题，且设计的最终目标是形成实用化和通用化的技术架构。
-
-
Search Results
3
records
(took 0.013 seconds)
