-
公开(公告)号：CN110111362A
公开(公告)日：2019-08-09
申请号：CN201910342327.X
申请日：2019-04-26
Applicant: 辽宁工程技术大学
Abstract: 本发明提供一种局部特征块相似匹配目标跟踪方法，涉及计算机视觉技术领域。该方法读取待跟踪视频图像序列，将第一帧待跟踪视频图像序列作为训练图像，并建立待跟踪视频图像的初始目标模型；然后读取待跟踪视频图像序列的第t帧作为当前帧图像，在当前帧中，根据第一帧圈定的初始目标区域的中心和对角线长度得到当前帧的匹配前景区域；利用陆地移动距离模型匹配算法进行目标检测，确定匹配到的跟踪目标；利用阈值决策方法判断目标模型T中各个局部特征块是否发生严重遮挡，并对当前待跟踪视频图像的目标模型T进行更新；对所有待跟踪视频图像序列进行目标检测，得到待跟踪视频图像序列的跟踪结果。本发明方法能够准确的匹配到目标，匹配结果更鲁棒。
-
公开(公告)号：CN107833239A
公开(公告)日：2018-03-23
申请号：CN201711029450.3
申请日：2017-10-26
Applicant: 辽宁工程技术大学
CPC classification number: G06T7/223 , G06T7/11 , G06T2207/10016 , G06T2207/20081
Abstract: 本发明提供一种基于加权模型约束的寻优匹配目标跟踪方法，涉及计算机视觉技术领域。该方法以第一帧图像为训练图像，建立带权目标模型，逐帧读取视频图像，并以前一帧为基础得到当前帧的匹配前景区域，利用双向最优相似匹配方法进行目标检测，得到跟踪结果区域；当帧数大于6时，利用距离决策方法对发生误匹配的情况进行重构；当帧数为5的倍数时，根据当前帧的跟踪结果和当前带权目标模型进行加权融合来更新带权目标模型。本发明的方法用于对视频图像序列进行目标跟踪，能防止目标在发生形变、局部遮挡时因目标特征匹配不完全而导致跟踪偏移问题，并能避免背景信息的干扰，保证匹配到的目标更准确。
-
公开(公告)号：CN107833239B
公开(公告)日：2021-05-18
申请号：CN201711029450.3
申请日：2017-10-26
Applicant: 辽宁工程技术大学
Abstract: 本发明提供一种基于加权模型约束的寻优匹配目标跟踪方法，涉及计算机视觉技术领域。该方法以第一帧图像为训练图像，建立带权目标模型，逐帧读取视频图像，并以前一帧为基础得到当前帧的匹配前景区域，利用双向最优相似匹配方法进行目标检测，得到跟踪结果区域；当帧数大于6时，利用距离决策方法对发生误匹配的情况进行重构；当帧数为5的倍数时，根据当前帧的跟踪结果和当前带权目标模型进行加权融合来更新带权目标模型。本发明的方法用于对视频图像序列进行目标跟踪，能防止目标在发生形变、局部遮挡时因目标特征匹配不完全而导致跟踪偏移问题，并能避免背景信息的干扰，保证匹配到的目标更准确。
-
Patent Agency Ranking
公开(公告)号：CN106780564B
公开(公告)日：2019-05-14
申请号：CN201710071152.4
申请日：2017-02-09
Applicant: 辽宁工程技术大学
Abstract: 本发明提供一种基于先验模型约束的抗干扰轮廓跟踪方法，该方法采用SLIC算法和均值漂移聚类算法建立待跟踪视频图像的初始先验模型作为目标模型，采用目标模型的目标特征分布对当前帧图像进行水平集演化，采用SLIC算法和均值漂移聚类算法确定当前帧图像的目标区域，并根据当前图像遮挡情况进行先验模型的更新；本发明方法去除了图像跟踪过程中图像中非目标信息的干扰，使得先验模型对目标的描述更准确。保证模型的准确性。
-
公开(公告)号：CN107832791A
公开(公告)日：2018-03-23
申请号：CN201711074990.3
申请日：2017-11-06
Applicant: 辽宁工程技术大学
IPC: G06K9/62
CPC classification number: G06K9/6218 , G06K9/6232
Abstract: 本发明提供一种基于高维重叠数据分析的子空间聚类方法，涉及机器学习技术领域。该方法针对需要聚类的数据矩阵建立加权的混合范数子空间表示模型，利用线性交替方向法得到加权的混合范数子空间表示模型中优化后的系数矩阵，根据优化后的系数矩阵建立相似度矩阵，应用谱聚类算法对相似度矩阵进行子空间划分，得到初始聚类结果，建立子空间的重叠概率模型，采用重叠概率模型应用于初始子空间划分结果中，对子空间进行重叠判断，校验子空间聚类结果，得到最终的聚类结果。本发明提供的一种基于高维重叠数据分析的子空间聚类方法，能提高同一子空间数据的稠密性和不同子空间数据的稀疏性，提高聚类的准确率。
-
公开(公告)号：CN106780564A
公开(公告)日：2017-05-31
申请号：CN201710071152.4
申请日：2017-02-09
Applicant: 辽宁工程技术大学
CPC classification number: G06K9/6218 , G06K9/6256 , G06K9/6265 , G06K9/629 , G06T2207/10016
Abstract: 本发明提供一种基于先验模型约束的抗干扰轮廓跟踪方法，该方法采用SLIC算法和均值漂移聚类算法建立待跟踪视频图像的初始先验模型作为目标模型，采用目标模型的目标特征分布对当前帧图像进行水平集演化，采用SLIC算法和均值漂移聚类算法确定当前帧图像的目标区域，并根据当前图像遮挡情况进行先验模型的更新；本发明方法去除了图像跟踪过程中图像中非目标信息的干扰，使得先验模型对目标的描述更准确。保证模型的准确性。
-
公开(公告)号：CN104392469B
公开(公告)日：2017-05-31
申请号：CN201410777880.3
申请日：2014-12-15
Applicant: 辽宁工程技术大学
IPC: G06T7/20
Abstract: 一种基于软特征理论的目标跟踪方法，属于计算机视觉技术领域。该方法包括：目标区域初始化；提取目标的软特征信息；对目标的软特征信息进行前趋预测；修复目标的软特征信息；目标跟踪。采用软特征对运动目标进行跟踪,对目标形状变化和尺度伸缩具有很好的抗干扰性,使得该方法对形变严重运动目标的跟踪具有较高的准确性、稳定性和很好的鲁棒性能；采用前趋冲击强度对目标前趋进行预测，可以很好的解决目标受到遮挡而导致丢失的问题；由于缩小了目标检测范围,软特征数据量较小，不需要存储目标多种姿态模型,其计算复杂度和空间复杂度较低,跟踪实时性较高。
-
公开(公告)号：CN104392469A
公开(公告)日：2015-03-04
申请号：CN201410777880.3
申请日：2014-12-15
Applicant: 辽宁工程技术大学
IPC: G06T7/20
CPC classification number: G06T7/269
Abstract: 一种基于软特征理论的目标跟踪方法，属于计算机视觉技术领域。该方法包括：目标区域初始化；提取目标的软特征信息；对目标的软特征信息进行前趋预测；修复目标的软特征信息；目标跟踪。采用软特征对运动目标进行跟踪,对目标形状变化和尺度伸缩具有很好的抗干扰性,使得该方法对形变严重运动目标的跟踪具有较高的准确性、稳定性和很好的鲁棒性能；采用前趋冲击强度对目标前趋进行预测，可以很好的解决目标受到遮挡而导致丢失的问题；由于缩小了目标检测范围,软特征数据量较小，不需要存储目标多种姿态模型,其计算复杂度和空间复杂度较低,跟踪实时性较高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
