[发明专利]基于分类CNN的目标追踪方法、装置及电子设备在审
| 申请号： | 201810827419.2 | 申请日： | 2018-07-25 |
| 公开（公告）号： | CN109190635A | 公开（公告）日： | 2019-01-11 |
| 发明（设计）人： | 庄骏飞;董远;白洪亮;熊风烨 | 申请（专利权）人： | 北京飞搜科技有限公司 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹;吴欢燕 |
| 地址： | 100876 北京市海淀区西土城路*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于分类CNN的目标追踪方法、装置及电子设备，该方法包括：对于目标追踪的任一帧图像，采用目标标注框框选该帧图像中待追踪目标的子图像，并采用候选框，框选目标标注框周围给定范围内的多个候选区域子图像；基于多个候选区域子图像的方向梯度直方图特征，利用改进分类CNN模型，计算图像序列的下一帧图像中各候选框的区域属于待追踪目标的概率；基于各候选框分别对应的概率，预测下一帧图像中待追踪目标的位置；其中，改进分类CNN模型为预先根据时间连续的多帧历史图像和待追踪目标，对CNN模型进行结构变换并进行离线训练获取的。本发明能够在保证目标追踪准确率的同时，有效加快目标追踪的速度，提高目标追踪效率。 | ||
| 搜索关键词： | 目标追踪 帧图像 候选框 子图像 追踪 装置及电子设备 分类 候选区域 方向梯度直方图 结构变换 离线训练 历史图像 时间连续 图像序列 标注框 准确率 多帧 概率 框选 标注 改进 预测 保证 | ||
【主权项】：
1.一种基于分类CNN的目标追踪方法，其特征在于，包括：对于目标追踪的任一帧图像，采用目标标注框框选该帧图像中待追踪目标的子图像，并采用候选框，框选所述目标标注框周围给定范围内的多个候选区域子图像；基于所述多个候选区域子图像的方向梯度直方图特征，利用改进分类CNN模型，计算图像序列的下一帧图像中各所述候选框的区域属于所述待追踪目标的概率；基于各所述候选框分别对应的所述概率，预测所述下一帧图像中所述待追踪目标的位置；其中，所述改进分类CNN模型为预先根据时间连续的多帧历史图像和所述待追踪目标，对CNN模型进行结构变换并进行离线训练获取的。
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北京飞搜科技有限公司，未经北京飞搜科技有限公司许可，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/201810827419.2/，转载请声明来源钻瓜专利网。
