-
公开(公告)号：CN111291679B
公开(公告)日：2022-05-27
申请号：CN202010081733.8
申请日：2020-02-06
Applicant: 厦门大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 一种基于孪生网络的目标特定响应注意力目标跟踪方法，涉及计算机视觉技术。针对原有的基于孪生网络的目标跟踪方法对目标快速运动、遮挡、旋转、背景杂乱等复杂跟踪场景不够鲁棒的缺点，提出一种基于孪生网络的目标特定响应注意力目标跟踪方法，提出的目标响应注意力模块有效弱化跟踪过程中噪声信息对于跟踪性能的影响，同时强化对目标对象外观变化具有判别性的特征信息，使得孪生网络产生的比较好的目标响应图，使用该目标响应图进行目标位置预测，从而实现更鲁棒的跟踪性能。包含五个主要部分：CNN特征提取；逐通道互相关生成响应图；利用注意力网络产生权重，对各通道响应图加权；最终响应图上确定目标位置，以及所提出模型的训练方法。
-
公开(公告)号：CN108898621B
公开(公告)日：2021-01-12
申请号：CN201810662407.9
申请日：2018-06-25
Applicant: 厦门大学
IPC: G06T7/246
Abstract: 一种基于实例感知目标建议窗口的相关滤波跟踪方法，能够在基于CNN的相关滤波框架中根据检测的稳定性自适应地选择尺度估计模式以及目标重检测模式，提高算法在尺度估计、快速运动、遮挡、背景干扰等方面的鲁棒性。由EdgeBoxes生成的目标建议窗口基于表观相似度和空间加权排序后得到的都是与目标实例具有高相似度的目标建议窗口，称为实例感知目标建议窗口。实例感知的目标建议窗口由基于CNN的相关滤波器进一步引导至最优位置，从中选取最显著的经引导后的实例感知目标建议窗口，作为目标的尺度估计或者重检测结果，可有效地解决跟踪过程中的尺度变化以及目标丢失。在标准数据集上，提出的方法获得很高的性能指标。
-
公开(公告)号：CN111291679A
公开(公告)日：2020-06-16
申请号：CN202010081733.8
申请日：2020-02-06
Applicant: 厦门大学
Abstract: 一种基于孪生网络的目标特定响应注意力目标跟踪方法，涉及计算机视觉技术。针对原有的基于孪生网络的目标跟踪方法对目标快速运动、遮挡、旋转、背景杂乱等复杂跟踪场景不够鲁棒的缺点，提出一种基于孪生网络的目标特定响应注意力目标跟踪方法，提出的目标响应注意力模块有效弱化跟踪过程中噪声信息对于跟踪性能的影响，同时强化对目标对象外观变化具有判别性的特征信息，使得孪生网络产生的比较好的目标响应图，使用该目标响应图进行目标位置预测，从而实现更鲁棒的跟踪性能。包含五个主要部分：CNN特征提取；逐通道互相关生成响应图；利用注意力网络产生权重，对各通道响应图加权；最终响应图上确定目标位置，以及所提出模型的训练方法。
-
公开(公告)号：CN111862167B
公开(公告)日：2022-05-10
申请号：CN202010705423.9
申请日：2020-07-21
Applicant: 厦门大学
IPC: G06T7/277
Abstract: 一种基于稀疏紧凑相关滤波器的快速鲁棒目标跟踪方法，涉及计算机视觉技术。由目标及其上下文构造基本样本，由基本样本的所有循环平移样本构成训练样本，DCF训练多通道相关滤波器的损失函数；在多任务学习中将排它性稀疏正则项与组稀疏正则项整合构造组内‑组间稀疏正则项，在目标跟踪中引入时间一致性约束缓解DCF随时间退化的问题，引入组内‑组间稀疏正则项以及时间正则项定义回归损失函数，学习稀疏相关滤波器；通道剪枝将冗余的滤波器整体去除，根据重要性程度对D通道滤波器排序，选取排序靠前的通道滤波器进行跟踪；构造拉格朗日函数，采用ADMM算法优化回归损失。有效提高滤波器的判别性以及可解释性，精度高，速度快。
-
公开(公告)号：CN110148159B
公开(公告)日：2021-03-26
申请号：CN201910418073.5
申请日：2019-05-20
Applicant: 厦门大学
IPC: G06T7/246
Abstract: 一种基于事件相机的异步目标跟踪方法，涉及计算机视觉技术。包含三个主要部分：开始的目标检测模块、目标跟踪模块和恢复跟踪模块；所述开始的目标检测模块用于提取ATSLTD帧上的目标建议窗口；所述目标跟踪模块根据最小化目标时空不一致信息原则选择最佳的目标建议窗口作为跟踪结果；所述恢复跟踪模块用于跟踪失败时恢复对目标的跟踪。该方法能够有效地应对目标跟踪中存在的目标快速运动和高动态范围场景等问题，取得了优于主流基于传统相机的目标跟踪算法的精度。
-
Patent Agency Ranking
公开(公告)号：CN112287999A
公开(公告)日：2021-01-29
申请号：CN202011166826.7
申请日：2020-10-27
Applicant: 厦门大学
Abstract: 利用卷积神经网络矫正梯度的弱监督目标定位方法，涉及计算机视觉技术领域。在给定的只包含类别标签的数据集上训练好一个用于分类功能的卷积神经网络，先对网络进行正向传递，然后指定待定位的目标的类别，进行卷积神经网络矫正梯度的反向传递，即从输出层向输入层逐层反向传递梯度，并且进行相应的矫正操作。卷积神经网络矫正梯度的反向传递包含对网络中全连接层、卷积层等传递的梯度进行了矫正。生成的热图中目标轮廓清晰，获取的定位精度高，同时能够区分不同类别的目标，定位的区域含有较少无关背景。对含有负值特征的模型具有鲁棒性。
-
公开(公告)号：CN108257148B
公开(公告)日：2020-09-25
申请号：CN201810046395.7
申请日：2018-01-17
Applicant: 厦门大学
Abstract: 特定对象的目标建议窗口生成方法及其在目标跟踪的应用，涉及计算机视觉技术。给定一帧训练视频，将该图像分成三个区域：完全的目标区域，完全的背景区域以及目标和背景的混合区域。对完全的目标区域和完全的背景区域分别计算目标像素和背景像素的概率分布图，更新目标像素和背景像素的概率分布图模型。给定一帧测试视频，利用训练好的概率分布图来预测图像中每个像素属于目标的概率，得到概率响应图。对原图和概率响应图分别提取目标建议窗口，把这些目标建议窗口都作为候选的目标建议窗口。对得到的目标建议窗口基于与对象的相似度进行排序，生成特定对象的目标建议窗口。把特定对象的目标建议窗口作为MDNET的训练样本实现目标跟踪。
-
公开(公告)号：CN112132872A
公开(公告)日：2020-12-25
申请号：CN202010982221.9
申请日：2020-09-17
Applicant: 厦门大学
Abstract: 一种针对深度相关滤波目标跟踪算法的评测方法，涉及计算机视觉技术。将基于深度相关滤波的目标跟踪算法分为五个独立的部分，即移动模型、特征提取器、相关滤波模型、相关滤波模板更新器、定位模型；并对这五个独立的部分单独进行评测，从而评测出各个部分对算法的影响大小；最后通过综合这五个部分的单独评测结果，实现对基于深度相关滤波的目标跟踪方法进行改进。所获得的评测结果能够直观的评测基于深度相关滤波的目标跟踪算法，可以进一步用于基于深度相关滤波的运动分割、特征匹配等计算机视觉领域的重要任务。在多个经典的深度相关滤波目标跟踪算法上进行实验验证，能够有效对算法进行评价，从而实现对算法性能评测与针对性提升。
-
公开(公告)号：CN112132866A
公开(公告)日：2020-12-25
申请号：CN202011000090.6
申请日：2020-09-22
Applicant: 厦门大学 , 腾讯科技(深圳)有限公司
Abstract: 本申请实施例提供一种目标对象跟踪方法、装置、设备及计算机可读存储介质，涉及人工智能技术领域。方法包括：接收目标跟踪请求；响应于所标跟踪请求，对初始模板、当前累积模板和待跟踪图像对应的待跟踪区域分别进行特征提取，对应得到初始特征嵌入、当前累积特征嵌入和待跟踪特征嵌入；对模板聚合特征嵌入和特征提取得到的待跟踪特征嵌入进行互相关处理，得到每一子区域与目标对象之间的相似度；根据所述相似度，在至少两个子区域中确定所述目标跟踪请求的跟踪结果，并输出所述跟踪结果。通过本申请实施例，能够在比较低的时间复杂度下捕获目标对象外观的长程变化，提高目标对象的跟踪性能和跟踪的准确率。
-
公开(公告)号：CN111862167A
公开(公告)日：2020-10-30
申请号：CN202010705423.9
申请日：2020-07-21
Applicant: 厦门大学
IPC: G06T7/277
Abstract: 一种基于稀疏紧凑相关滤波器的快速鲁棒目标跟踪方法，涉及计算机视觉技术。由目标及其上下文构造基本样本，由基本样本的所有循环平移样本构成训练样本，DCF训练多通道相关滤波器的损失函数；在多任务学习中将排它性稀疏正则项与组稀疏正则项整合构造组内-组间稀疏正则项，在目标跟踪中引入时间一致性约束缓解DCF随时间退化的问题，引入组内-组间稀疏正则项以及时间正则项定义回归损失函数，学习稀疏相关滤波器；通道剪枝将冗余的滤波器整体去除，根据重要性程度对D通道滤波器排序，选取排序靠前的通道滤波器进行跟踪；构造拉格朗日函数，采用ADMM算法优化回归损失。有效提高滤波器的判别性以及可解释性，精度高，速度快。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.017 seconds)
