[发明专利]基于分层卷积特征的长时间目标跟踪方法及系统有效
| 申请号： | 201811318709.0 | 申请日： | 2018-11-07 |
| 公开（公告）号： | CN109087337B | 公开（公告）日： | 2020-07-14 |
| 发明（设计）人： | 刘允刚;生晓晓;梁会军;李峰忠 | 申请（专利权）人： | 山东大学 |
| 主分类号： | G06T7/246 | 分类号： | G06T7/246;G06N3/04 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 李圣梅 |
| 地址： | 250061 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于分层卷积特征的长时间目标跟踪方法及系统，采用预训练好的深度卷积神经网络，对每一帧视频数据提取各层的卷积特征；按照基于相关滤波器模型求取卷积层的响应，并进行加权计算，将最终响应的最大值作为当前帧的目标中心；在逐帧更新的过程中设定阈值，只有当跟踪响应值大于阈值时进行更新相关滤波器模型，否则采用上一帧的相关滤波器模型，同时，跟踪响应值低于设定的阈值时，采用随机蕨算法进行目标的重检测。本公开采用深度学习进行特征提取，提高了目标跟踪的精度；改变的模型更新方式降低了整个跟踪过程中的计算冗余，提高了跟踪速度；在目标遮挡等恶劣情况下使用随机蕨算法进行目标重检测，保证了实际跟踪结果的可靠性。 | ||
| 搜索关键词： | 基于 分层 卷积 特征 长时间 目标 跟踪 方法 系统 | ||
【主权项】：
1.基于分层卷积特征的长时间目标跟踪方法，其特征是，包括：采用预训练好的深度卷积神经网络，对每一帧视频数据提取各层的卷积特征；按照基于相关滤波器模型求取卷积层的响应，并进行加权计算，将最终响应的最大值作为当前帧的目标中心；在逐帧更新的过程中设定阈值，只有当跟踪响应值大于阈值时进行更新相关滤波器模型，否则采用上一帧的相关滤波器模型，同时，跟踪响应值低于设定的阈值时，采用随机蕨算法进行目标的重检测。
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山东大学，未经山东大学许可，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/201811318709.0/，转载请声明来源钻瓜专利网。
