[发明专利]一种基于VGG深度网络的视觉目标跟踪方法在审
| 申请号： | 201810346647.8 | 申请日： | 2018-04-18 |
| 公开（公告）号： | CN108665482A | 公开（公告）日： | 2018-10-16 |
| 发明（设计）人： | 王彩玲;徐烨超;荆晓远 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06T7/246 | 分类号： | G06T7/246;G06N3/04 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 姚姣阳 |
| 地址： | 210023 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明揭示了一种基于VGG深度网络的视觉目标跟踪方法，包括如下步骤：S1、编译MatConvNet的运行环境；S2、构建VGG深度神经网络；S3、进行视频帧输入，并判断输入帧是否为初始帧，若输入帧为非初始帧，则进入S4，若输入帧为初始帧，则跳过S4、进入S5；S4、进行目标新状态估计，随后进入S5；S5、进行滤波器模型的在线更新。本发明与传统的视觉目标跟踪方法相比，在特征上包含了更多的语义信息，可以有更高的跟踪精度。而与利用高层深度特征的视觉目标跟踪方法相比，本发明所使用的低层数据既可以节约计算损耗，而又不缺失语义信息。因此，本发明在跟踪精度和跟踪速度上做了权衡，获得了优异的跟踪性能。 | ||
| 搜索关键词： | 跟踪 视觉目标 初始帧 输入帧 语义信息 滤波器模型 低层数据 跟踪性能 深度特征 神经网络 运行环境 在线更新 传统的 视频帧 新状态 构建 跳过 编译 网络 节约 高层 | ||
【主权项】：
1.一种基于VGG深度网络的视觉目标跟踪方法，其特征在于，包括如下步骤：S1、编译MatConvNet的运行环境；S2、构建VGG深度神经网络；S3、进行视频帧输入，并判断输入帧是否为初始帧，若输入帧为非初始帧，则进入S4，若输入帧为初始帧，则跳过S4、进入S5；S4、进行目标新状态估计，随后进入S5；S5、进行滤波器模型的在线更新。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810346647.8/，转载请声明来源钻瓜专利网。
