-
公开(公告)号：CN114119669A
公开(公告)日：2022-03-01
申请号：CN202111438516.0
申请日：2021-11-30
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于Shuffle注意力的图匹配目标跟踪方法与系统，该方法包括：基于卷积神经网络与Shuffle注意力模块建立特征提取主干网络；建立目标跟踪算法模型；采用离线方式对目标跟踪算法模型进行端对端训练；初始化视频序列的第一帧以获取目标模板图像，在后续帧中以前一帧目标中心位置的预设倍大小截取搜索区域图像，并将目标模板图像以及搜索区域图像送入到特征提取主干网络中以获得深度特征；对深度特征进行图匹配操作，以获得相似性得分图；对相似性得分图进行前景与背景的区别以及预测框的角点进行调整，以确定最终的目标跟踪位置。本发明具有很好的鲁棒性与实时性，实现良好的目标图像跟踪效果。
-
Patent Agency Ranking
公开(公告)号：CN113379806B
公开(公告)日：2021-11-09
申请号：CN202110929160.4
申请日：2021-08-13
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于可学习稀疏转换注意力机制的目标跟踪方法与系统，包括：对给定第一帧目标框中的图像初始化以生成目标模板图像；在后续帧中，以前一帧目标框中的图像的目标中心作为中心点，通过多尺度策略以获取得到多个搜索区域图像；将目标模板图像与搜索区域图像输入到共享权值的卷积神经网络模型中，通过卷积神经网络分别提取特征；基于可学习稀疏模型对提取的特征进行空间转换和通道转换；将目标模板深度特征作为卷积核，对搜索区域图像进行滑窗操作，以得到多个得分图，根据得分值最大位置推测出目标相对位移和尺度变化，以实现目标跟踪。本发明具有很好的鲁棒性与实时性，可实现良好的目标图像跟踪效果。
-
公开(公告)号：CN113379806A
公开(公告)日：2021-09-10
申请号：CN202110929160.4
申请日：2021-08-13
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于可学习稀疏转换注意力机制的目标跟踪方法与系统，包括：对给定第一帧目标框中的图像初始化以生成目标模板图像；在后续帧中，以前一帧目标框中的图像的目标中心作为中心点，通过多尺度策略以获取得到多个搜索区域图像；将目标模板图像与搜索区域图像输入到共享权值的卷积神经网络模型中，通过卷积神经网络分别提取特征；基于可学习稀疏模型对提取的特征进行空间转换和通道转换；将目标模板深度特征作为卷积核，对搜索区域图像进行滑窗操作，以得到多个得分图，根据得分值最大位置推测出目标相对位移和尺度变化，以实现目标跟踪。本发明具有很好的鲁棒性与实时性，可实现良好的目标图像跟踪效果。
-
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
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。
-
公开(公告)号：CN113256685B
公开(公告)日：2021-09-24
申请号：CN202110707429.4
申请日：2021-06-25
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于卷积神经网络字典对学习的目标跟踪方法及系统，该方法包括：在第一帧目标图像进行采样处理以生成正候选样本，根据正候选样本训练得到边界框回归模型；在后续帧目标框内的目标图像的邻域内重新进行采样以生成正负候选样本，对卷积神经网络模型的全连接参数进行微调；基于空间距离机制以及卷积神经网络模型获得训练样本的深度特征，基于训练样本的深度特征进行字典对模型学习以获得初始字典对；基于训练样本的特征并进行联合字典对模型学习；通过联合字典对中的原子的线性组合表示候选目标图像样本，以实现目标图像定位跟踪。本发明提出的目标跟踪方法，具有很好的鲁棒性与精确度，可以更好地处理目标外观变化，实现目标跟踪。
-
公开(公告)号：CN113256685A
公开(公告)日：2021-08-13
申请号：CN202110707429.4
申请日：2021-06-25
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于卷积神经网络字典对学习的目标跟踪方法及系统，该方法包括：在第一帧目标图像进行采样处理以生成正候选样本，根据正候选样本训练得到边界框回归模型；在后续帧目标框内的目标图像的邻域内重新进行采样以生成正负候选样本，对卷积神经网络模型的全连接参数进行微调；基于空间距离机制以及卷积神经网络模型获得训练样本的深度特征，基于训练样本的深度特征进行字典对模型学习以获得初始字典对；基于训练样本的特征并进行联合字典对模型学习；通过联合字典对中的原子的线性组合表示候选目标图像样本，以实现目标图像定位跟踪。本发明提出的目标跟踪方法，具有很好的鲁棒性与精确度，可以更好地处理目标外观变化，实现目标跟踪。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
