-
公开(公告)号：CN111754545B
公开(公告)日：2024-05-03
申请号：CN202010547158.6
申请日：2020-06-16
Applicant: 江南大学
IPC: G06T7/246 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于IOU匹配的双滤波器视频多目标跟踪方法,属于信息处理技术领域。本发明在多伯努利滤波中，引入相关滤波器作为弱滤波器来采样粒子，首先提取泛化能力较强的VGG19网络卷积特征训练多个相关滤波器，利用训练好的相关滤波器，得到多个目标状态估计，最后对得到的目标状态集进行扩充作为采样的粒子集。本发明能有效减少标签跳变和轨迹碎片，提高目标跟踪精度。
-
公开(公告)号：CN110532921A
公开(公告)日：2019-12-03
申请号：CN201910774255.6
申请日：2019-08-21
Applicant: 江南大学
Abstract: 本发明公开了一种基于SSD检测广义标签多伯努利视频多目标跟踪方法，属于计算机视觉、图像处理领域。所述方法通过利用一种无需离线学习且鲁棒性好的卷积特征表述目标外观，并采用广义标签多伯努利(GLMB)滤波实现视频多目标跟踪。考虑到多目标跟踪中，未知新生目标的不确定性导致目标跟踪结果不精确的问题，在GLMB滤波框架中引入SSD检测器对未知的新生目标进行初步识别，并采用一种权值求和的融合方法，将检测结果和跟踪结果进行融合得到最终的跟踪结果，并对目标模板进行自适应更新，不仅解决了滤波算法中跟踪偏移的问题，同时解决了检测技术中漏检、误检的问题，大大提高多目标跟踪状态的精度。
-
公开(公告)号：CN110084831B
公开(公告)日：2021-08-24
申请号：CN201910328735.X
申请日：2019-04-23
Applicant: 江南大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于YOLOv3多伯努利视频多目标检测跟踪方法，属于机器视觉、智能信息处理领域。本发明在多伯努利滤波框架下引入YOLOv3检测技术，采用抗干扰的卷积特征描述目标，并交互融合检测结果和跟踪结果，实现对数目未知且时变的视频多目标状态进行精确估计；跟踪过程中，将匹配的检测框与目标轨迹及目标模板相结合，实时进行目标新生判断与遮挡目标重识别，同时考虑检测目标和估计目标的身份标记信息，实现对目标身份识别及航迹跟踪，可以有效提高对被遮挡目标的跟踪精度，减少轨迹碎片。实验表明，本发明具有良好的跟踪效果和鲁棒性，能广泛满足智能视频监控、人机交互、智能交通管制等系统的实际设计需求。
-
Patent Agency Ranking
公开(公告)号：CN111754545A
公开(公告)日：2020-10-09
申请号：CN202010547158.6
申请日：2020-06-16
Applicant: 江南大学
Abstract: 本发明公开了一种基于IOU匹配的双滤波器视频多目标跟踪方法,属于信息处理技术领域。本发明在多伯努利滤波中，引入相关滤波器作为弱滤波器来采样粒子，首先提取泛化能力较强的VGG19网络卷积特征训练多个相关滤波器，利用训练好的相关滤波器，得到多个目标状态估计，最后对得到的目标状态集进行扩充作为采样的粒子集。本发明能有效减少标签跳变和轨迹碎片，提高目标跟踪精度。
-
公开(公告)号：CN111292355A
公开(公告)日：2020-06-16
申请号：CN202010089349.2
申请日：2020-02-12
Applicant: 江南大学
Abstract: 本发明公开了一种融合运动信息的核相关滤波多目标跟踪方法，属于计算机视觉、智能信息处理领域。本发明在检测跟踪的基础上，引入了KCF进行多目标的跟踪，减少对检测器的过分依赖，实现对多个目标的精确跟踪；跟踪过程中将速度信息和SCCM机制结合到跟踪框架中，从而处理遮挡目标的跟踪以及跟踪框漂移问题；最后采用IOU和历史轨迹信息，对虚假目标进行判断，从而减少轨迹碎片。实验表明，本发明具有良好的跟踪效果和鲁棒性，能广泛满足智能视频监控、人机交互、智能交通管制等系统的实际设计需求。
-
公开(公告)号：CN111292355B
公开(公告)日：2023-06-16
申请号：CN202010089349.2
申请日：2020-02-12
Applicant: 江南大学
IPC: G06T7/246 , G06V10/764 , G06V10/75 , G06V10/774
Abstract: 本发明公开了一种融合运动信息的核相关滤波多目标跟踪方法，属于计算机视觉、智能信息处理领域。本发明在检测跟踪的基础上，引入了KCF进行多目标的跟踪，减少对检测器的过分依赖，实现对多个目标的精确跟踪；跟踪过程中将速度信息和SCCM机制结合到跟踪框架中，从而处理遮挡目标的跟踪以及跟踪框漂移问题；最后采用IOU和历史轨迹信息，对虚假目标进行判断，从而减少轨迹碎片。实验表明，本发明具有良好的跟踪效果和鲁棒性，能广泛满足智能视频监控、人机交互、智能交通管制等系统的实际设计需求。
-
公开(公告)号：CN110532921B
公开(公告)日：2022-01-07
申请号：CN201910774255.6
申请日：2019-08-21
Applicant: 江南大学
Abstract: 本发明公开了一种基于SSD检测广义标签多伯努利视频多目标跟踪方法，属于计算机视觉、图像处理领域。所述方法通过利用一种无需离线学习且鲁棒性好的卷积特征表述目标外观，并采用广义标签多伯努利(GLMB)滤波实现视频多目标跟踪。考虑到多目标跟踪中，未知新生目标的不确定性导致目标跟踪结果不精确的问题，在GLMB滤波框架中引入SSD检测器对未知的新生目标进行初步识别，并采用一种权值求和的融合方法，将检测结果和跟踪结果进行融合得到最终的跟踪结果，并对目标模板进行自适应更新，不仅解决了滤波算法中跟踪偏移的问题，同时解决了检测技术中漏检、误检的问题，大大提高多目标跟踪状态的精度。
-
公开(公告)号：CN110084831A
公开(公告)日：2019-08-02
申请号：CN201910328735.X
申请日：2019-04-23
Applicant: 江南大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于YOLOv3多伯努利视频多目标检测跟踪方法，属于机器视觉、智能信息处理领域。本发明在多伯努利滤波框架下引入YOLOv3检测技术，采用抗干扰的卷积特征描述目标，并交互融合检测结果和跟踪结果，实现对数目未知且时变的视频多目标状态进行精确估计；跟踪过程中，将匹配的检测框与目标轨迹及目标模板相结合，实时进行目标新生判断与遮挡目标重识别，同时考虑检测目标和估计目标的身份标记信息，实现对目标身份识别及航迹跟踪，可以有效提高对被遮挡目标的跟踪精度，减少轨迹碎片。实验表明，本发明具有良好的跟踪效果和鲁棒性，能广泛满足智能视频监控、人机交互、智能交通管制等系统的实际设计需求。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
