[发明专利]一种无监督相似性判别学习的目标跟踪方法有效
| 申请号： | 201910846140.3 | 申请日： | 2019-09-09 |
| 公开（公告）号： | CN110569793B | 公开（公告）日： | 2022-06-07 |
| 发明（设计）人： | 卢学民;权伟;邹栋;周宁;张卫华;刘跃平;郭少鹏;彭宇晨;侯思帧;郑丹阳;郭永成;陈锦雄 | 申请（专利权）人： | 西南交通大学 |
| 主分类号： | G06V20/40 | 分类号： | G06V20/40;G06V10/764;G06K9/62 |
| 代理公司： | 成都点睛专利代理事务所(普通合伙) 51232 | 代理人： | 葛启函 |
| 地址： | 610031 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种无监督相似性判别学习的目标跟踪方法，涉及计算机视觉目标跟踪技术领域。采用t‑SNE将特征进行降维和聚类，得到图像类别伪标签及类别总数，然后将该伪标签作为图像真实标签，并将图像特征输入全连接层并进行分类，网络进行反向传播训练。训练完成后，网络具备了图像相似性判别能力。跟踪过程中，首先根据第一帧图像的目标位置，在当前输入帧对应的目标周围交并比IOU0.8得到待搜索区域，并使用粒子滤波获取目标候选块，再通过无监督相似性特征提取层获取目标候选块的特征，最后分类层将输出每一个目标候选块的置信度，然后将具有最大置信度的目标候选块作为目标图像块完成目标定位，从而实现对目标对象的跟踪。 | ||
| 搜索关键词： | 一种 监督 相似性 判别 学习 目标 跟踪 方法 | ||
【主权项】：
1.一种无监督相似性判别学习的目标跟踪方法，包括如下步骤：/n步骤一、目标选取/n从初始图像中选择并确定要跟踪的目标对象，目标选取过程通过运动目标检测方法自动提取或者人机交互方法手动指定；/n步骤二、训练数据集生成/n训练数据集生成分为两个步骤，首先是数据集的选取，然后是数据集的制作；选取目标跟踪数据集OTB 2015作为训练数据集，并从中选取其中一类进行数据集的制作，具体为，在每一个图像帧中按行和列进行图像块的循环移动，移动步长为10个像素，图像块尺寸大小为127×127像素，每一帧图像生成500个循环移动的图像块，若训练数据集共有M张图像帧，则最终则生成500×M个图像块；/n步骤三、无监督相似性判别网络的构建与训练/n该网络由特征提取层、聚类层和分类层三部分构成，采用在大型分类识别数据集ImageNet上预训练的VGG-16前16层作为特征提取层，并将得到的特征输入无监督聚类层，利用t-SNE降维得到数据的低维分布，将数据间欧式距离转化为相互间的条件概率，从而表示相互之间的相似度；具体为，给定L个高维特征X
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西南交通大学，未经西南交通大学许可，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/201910846140.3/，转载请声明来源钻瓜专利网。
