公开(公告)号：CN110675423A

公开(公告)日：2020-01-10

申请号：CN201910807794.5

申请日：2019-08-29

Applicant: 电子科技大学

Inventor： 张萍 ,  刘靖雯 ,  罗金 ,  卢韶强 ,  张灵怡

IPC: G06T7/20

Abstract: 本发明涉及图像处理技术领域，具体为一种基于孪生神经网络和注意力机制的无人机跟踪方法，应用于连续跟踪可视化单目标无人机。本发明使用两种注意力机制实现通道注意力和空间注意力的权重再分配，通过对孪生网络的模板分支使用注意力模型增强了模型对无人机目标外观模型的表征能力；通过多尺度缩放的方式预处理搜索图像并分别进行响应图计算，用该方式模拟无人机在画面中尺度变化的逆变换，将能够产生更大响应值的搜索因子作为无人机的尺度逆变换以纠正用来标记目标的边框大小，不改变边框的横纵比例。本发明测试得到0.513的跟踪精度(以平均重合率为量化精度标准)，相较于其他前沿跟踪方法具有明显的性能提升。

公开(公告)号：CN109063609A

公开(公告)日：2018-12-21

申请号：CN201810791861.4

申请日：2018-07-18

Applicant: 电子科技大学

Inventor： 张萍 ,  夏清 ,  刘靖雯 ,  杨晓迪 ,  费春 ,  张灵怡 ,  郭正奎 ,  申丰璨 ,  李俊宏

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

CPC classification number: G06K9/00778 ,  G06K9/6247 ,  G06K9/6256 ,  G06N3/0454

Abstract: 本发明提供一种基于光流特征与全卷积语义分割特征结合的异常行为检测方法，包括训练阶段：1)对搭建好的全卷积网络进行初始化训练；2)加入提取到的光流特征对新加入的一层卷积层进行再次训练得到最终的网络结构和网络参数。测试阶段：1)输入原始图像和提取到的光流特征通过训练好的卷积神经网络得到最初的异常检测结果；2)对初步检测的结果进行空间上的优化，在空间上，异常位置的存在不会是孤立的一些点，会有一定的区域，因此首先设置一个面积阈值去除一些噪声点；3)对空间上优化后的检测结果进行时间上的优化，常行为的发生在时域上是连续的，不会孤立的存在于某一帧，因此设置一个时间阈值，纠正一些检测错误的帧。本发明针对复杂场景下的异常行为检测，通过结合光流特征和全卷积语义分割特征，并通过空间和时间上的优化，有效的提高了检测的准确率和鲁棒性。