公开(公告)号：CN113344971B

公开(公告)日：2023-03-28

申请号：CN202110559273.X

申请日：2021-05-21

Applicant: 河南科技大学

Inventor： 马建伟 ,  汪钰珠 ,  赵朝阳 ,  杨柳青 ,  吕进锋 ,  臧绍飞

IPC: G06T7/246 ,  G06T7/277 ,  G06T7/215 ,  G06V10/74 ,  G06V10/774 ,  G06V10/764 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种融合卡尔曼滤波的孪生红外目标跟踪方法，属于计算机视觉和深度学习领域。该方法在SiamRPN++的目标跟踪算法中融合了卡尔曼滤波算法，用来提升遮挡场景下对红外目标的跟踪性能。首先利用SiamRPN++得到的置信度得分与遮挡阈值进行比较，判别目标是否处于遮挡状态。一旦目标进入遮挡，对目标位置使用卡尔曼滤波进行预测。之后，在跟踪框架中引入CBAM注意力机制对遮挡周围的干扰物得分进行了抑制，提升了置信度判别策略的可靠性，有效解决了在遮挡时卡尔曼预测因受到干扰物影响而错误停止预测的问题。本发明提出的方法对遮挡问题有较好的鲁棒性，相比原始SiamRPN++算法在精确度和成功率方面有较大提升。

公开(公告)号：CN117036412A

公开(公告)日：2023-11-10

申请号：CN202311066240.7

申请日：2023-08-23

Applicant: 河南科技大学

Inventor： 马建伟 ,  杨柳青 ,  赵朝阳 ,  马超

IPC: G06T7/246 ,  G06N3/0464 ,  G06N3/082 ,  G06V10/762 ,  G06V10/774 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766

Abstract: 本发明涉及一种融合可变形卷积的孪生网络红外行人目标跟踪方法，属于计算机视觉和深度学习领域；该方法在SiamRPN++目标跟踪算法中融合了可变形卷积和注意力机制，用来提升红外场景下对行人的跟踪性能，首先：将主干网络ResNet‑50的最后三个卷积块替换为可变形卷积，提高模型的特征提取能力；然后：在互相关前，通过非共享的可变形注意力模块使同一个特征分支处的分类和回归关注不同的内容；最后：使用分类回归联合损失函数，解决的分类和回归不对齐的问题，本发明提出了一种融合可变形卷积的孪生网络红外行人目标跟踪方法，有效提升了对红外行人的跟踪性能。

公开(公告)号：CN113344971A

公开(公告)日：2021-09-03

申请号：CN202110559273.X

申请日：2021-05-21

Applicant: 河南科技大学

Inventor： 马建伟 ,  汪钰珠 ,  赵朝阳 ,  杨柳青 ,  吕进锋 ,  臧绍飞

IPC: G06T7/246 ,  G06T7/277 ,  G06T7/215 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种融合卡尔曼滤波的孪生红外目标跟踪方法，属于计算机视觉和深度学习领域。该方法在SiamRPN++的目标跟踪算法中融合了卡尔曼滤波算法，用来提升遮挡场景下对红外目标的跟踪性能。首先利用SiamRPN++得到的置信度得分与遮挡阈值进行比较，判别目标是否处于遮挡状态。一旦目标进入遮挡，对目标位置使用卡尔曼滤波进行预测。之后，在跟踪框架中引入CBAM注意力机制对遮挡周围的干扰物得分进行了抑制，提升了置信度判别策略的可靠性，有效解决了在遮挡时卡尔曼预测因受到干扰物影响而错误停止预测的问题。本发明提出的方法对遮挡问题有较好的鲁棒性，相比原始SiamRPN++算法在精确度和成功率方面有较大提升。