公开(公告)号：CN116109678B

公开(公告)日：2023-06-13

申请号：CN202310372849.0

申请日：2023-04-10

Applicant: 南昌工程学院

Inventor： 王员云 ,  张文双 ,  王军 ,  秦永

IPC: G06T7/246 ,  G06V20/40 ,  G06V10/62 ,  G06V10/82 ,  G06V10/74 ,  G06V10/764 ,  G06V10/766 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明提出一种基于上下文自注意力学习深度网络的目标跟踪方法与系统，所述方法包括：基于卷积神经网络模型与上下文自注意力学习模块，构建得到特征提取网络模型；利用区域建议网络分别对提取后的目标模板图像特征和搜索区域图像特征在分类分支和回归分支上分别进行特征融合深度卷积计算，得到对应的相似度得分图，最后将最大相似度得分值对应的相似度得分图确定为跟踪定位目标。在本发明中，通过重构所得到的特征提取网络，可增强模板分支与搜索分支的全局信息表示能力和自注意力学习能力，有利于区域建议网络的分类回归分支的相似度计算，最终实现更加精确的跟踪。

公开(公告)号：CN116109678A

公开(公告)日：2023-05-12

申请号：CN202310372849.0

申请日：2023-04-10

Applicant: 南昌工程学院

Inventor： 王员云 ,  张文双 ,  王军 ,  秦永

IPC: G06T7/246 ,  G06V20/40 ,  G06V10/62 ,  G06V10/82 ,  G06V10/74 ,  G06V10/764 ,  G06V10/766 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明提出一种基于上下文自注意力学习深度网络的目标跟踪方法与系统，所述方法包括：基于卷积神经网络模型与上下文自注意力学习模块，构建得到特征提取网络模型；利用区域建议网络分别对提取后的目标模板图像特征和搜索区域图像特征在分类分支和回归分支上分别进行特征融合深度卷积计算，得到对应的相似度得分图，最后将最大相似度得分值对应的相似度得分图确定为跟踪定位目标。在本发明中，通过重构所得到的特征提取网络，可增强模板分支与搜索分支的全局信息表示能力和自注意力学习能力，有利于区域建议网络的分类回归分支的相似度计算，最终实现更加精确的跟踪。

公开(公告)号：CN115375737B

公开(公告)日：2023-02-03

申请号：CN202211308115.8

申请日：2022-10-25

Applicant: 南昌工程学院

Inventor： 王员云 ,  张文双 ,  王军 ,  刘坤龙

IPC: G06T7/246 ,  G06N3/0464 ,  G06T7/73 ,  G06V10/62 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提出一种基于自适应时间与序列化时空特征的目标跟踪方法与系统，首先在双分支跟踪网络框架下，基于深度卷积神经网络和自适应时间模块，构建得到特征提取网络；在提取目标特征的基础上，目标模板分支特征通过序列化时空特征模块得到增强的目标模板特征信息；将该特征信息输入到模型预测器，通过模型预测器得到适应性卷积核；搜索区域分支特征经过特征提取网络与卷积核进行卷积，得到融合之后的得分图，即进一步实现目标跟踪。在本发明中，通过重构基于自适应时间特征表示与序列化时空特征模块进行特征融合，从而提高了给定的目标图像和搜索区域图像的特征融合的性能，最终实现更加精确的目标跟踪。

公开(公告)号：CN115375737A

公开(公告)日：2022-11-22

申请号：CN202211308115.8

申请日：2022-10-25

Applicant: 南昌工程学院

Inventor： 王员云 ,  张文双 ,  王军 ,  刘坤龙

IPC: G06T7/246 ,  G06N3/04 ,  G06T7/73 ,  G06V10/62 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提出一种基于自适应时间与序列化时空特征的目标跟踪方法与系统，首先在双分支跟踪网络框架下，基于深度卷积神经网络和自适应时间模块，构建得到特征提取网络；在提取目标特征的基础上，目标模板分支特征通过序列化时空特征模块得到增强的目标模板特征信息；将该特征信息输入到模型预测器，通过模型预测器得到适应性卷积核；搜索区域分支特征经过特征提取网络与卷积核进行卷积，得到融合之后的得分图，即进一步实现目标跟踪。在本发明中，通过重构基于自适应时间特征表示与序列化时空特征模块进行特征融合，从而提高了给定的目标图像和搜索区域图像的特征融合的性能，最终实现更加精确的目标跟踪。

公开(公告)号：CN113109803A

公开(公告)日：2021-07-13

申请号：CN202110426186.7

申请日：2021-04-20

Applicant: 南昌工程学院

Inventor： 王军 ,  王员云 ,  章利民 ,  张文双 ,  赖昌旺 ,  尹鹏 ,  杨文烩 ,  邓承志

IPC: G01S13/66 ,  G01S7/02 ,  G01S13/58 ,  G01P3/64

Abstract: 本发明公开了一种基于测速信息的目标跟踪装置，包括壳体、测速装置、智能测速系统、以及所述壳体内设置的拆卸装置和固定装置；当需要进行测速时，首先将该装置放置在待测物体的顶部，通过该装置底部设置的磁性块与物体的顶部相互吸合，进行初步固定，在进行测速时，通过物体的移动使得风吹动叶轮的转动，进而通过转杆的转动带动第一锥齿轮的转动，进而通过第二锥齿轮和转轴带动齿轮转动，通过齿轮的转动使得拉杆拉动密封板向上滑动，使得通孔内以及皮搋内部形成负压，使得皮搋与物体的顶部充分吸合，保证了在对物体进行测速时的稳定性，防止测速时速度过快导致该装置掉落，造成损坏，确保了测速得到的数据的准确性，使得试验数据更具有参考价值。