[发明专利]目标跟踪方法和目标跟踪装置有效
| 申请号： | 201611128715.0 | 申请日： | 2016-12-09 |
| 公开（公告）号： | CN106709939B | 公开（公告）日： | 2019-07-23 |
| 发明（设计）人： | 王胜;张学磊;田甜;石建飞;郭雪松;唐升波;董伟佳;段江涛 | 申请（专利权）人： | 中国电子科技集团公司第三研究所 |
| 主分类号： | G06T7/277 | 分类号： | G06T7/277;G06T7/254 |
| 代理公司： | 北京天盾知识产权代理有限公司 11421 | 代理人： | 韩金明;赵桂芳 |
| 地址： | 100015 *** | 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： | 本发明涉及目标跟踪方法和目标跟踪装置。该目标跟踪方法包括：获取包含目标的第一图像，该第一图像为直角坐标系下的图像；计算该第一图像的相邻帧之间的差值以得到第二图像；使用交互式多模型算法对该第二图像中的该目标进行跟踪，以获得该目标的第一轨迹；利用分段重采样方法拟合该第一轨迹，以获得拟合后的第二轨迹；和输出该第二轨迹。通过根据本发明的目标跟踪方法和目标跟踪装置，能够基于运动轨迹的分段拟合有效地跟踪运动目标的轨迹。 | ||
| 搜索关键词： | 目标跟踪 图像 目标跟踪装置 跟踪运动目标 交互式多模型 直角坐标系 分段拟合 运动轨迹 相邻帧 有效地 重采样 拟合 算法 分段 输出 跟踪 | ||
【主权项】：
1.一种目标跟踪方法，包括：获取包含目标的第一图像，所述第一图像为直角坐标系下的图像；计算所述第一图像的相邻帧之间的差值以得到第二图像；使用交互式多模型算法对所述第二图像中的所述目标进行跟踪，以获得所述目标的第一轨迹；利用分段重采样方法拟合所述第一轨迹，以获得拟合后的第二轨迹；和输出所述第二轨迹；所述利用分段重采样方法拟合所述第一轨迹以获得拟合后的第二轨迹的步骤具体包括：将直角坐标系划分为n*n的网状方格；对包含所述第一轨迹的方格求均值；如果方格中的点不连续，则求轨迹点经过的两个方格的均值；和将所有的方格点按照时间顺序排列，以形成所述第二轨迹。
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中国电子科技集团公司第三研究所，未经中国电子科技集团公司第三研究所许可，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/201611128715.0/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种基于分形特征估计的多目标视频跟踪系统-201810977594.X
- 朱继红;徐本连;鲁明丽;朱培逸 - 常熟理工学院
- 2018-08-27 - 2019-11-12 - G06T7/277
- 本发明公开了一种基于分形特征估计的多目标视频跟踪系统，包括图像的局部分形特征估计模块、观测模型建立和似然函数计算模块以及多贝努利滤波器跟踪模块；所述局部分形特征估计模块计算每一帧图像的局部分形特征并形成新的Hurst指数图像；所述观测模型建立和似然函数计算模块利用局部分形特征建立观测模型和Hurst指数计算似然函数；所述多贝努利滤波器跟踪模块对Hurst指数图像中的多个目标实施跟踪。本发明在传感器静止或移动条件下，均能对多个目标进行正确跟踪，且对目标进入与离开、目标部分被遮挡、目标数量变化等复杂跟踪都具有较好的鲁棒性。
- 基于Mean shift聚类的粒子滤波机动目标追踪方法-201710273502.5
- 屈耀红;王卓雅;吴佳驹;牟雪;闫建国 - 西北工业大学
- 2017-04-25 - 2019-11-01 - G06T7/277
- 本发明涉及一种基于Mean shift聚类的粒子滤波机动目标追踪算法，该算法首先利用Mean shift的特征空间方法自适应的计算粒子集的聚类，无需初始化聚类中心与聚类个数，便能自适应的准确确定粒子集中的聚类，通过聚类精确表示目标。其次在进行目标概率密度估计与相似性度量时，使用核函数描述像素点的位置信息，综合像素点的位置信息与空间信息进行目标概率估计，精确描述目标模板，增加目标追踪精度。在粒子滤波追踪结果确定时，对当前追踪结果概率模型赋予一定权值，对目标模板进行更新，可以增强算法的动态性，提高追踪过程的抗干扰能力。
- 一种基于残差回归网络的单目标跟踪方法-201910548289.3
- 颜成钢;杨洪楠;王瑞海;孙垚棋;张继勇;张勇东 - 杭州电子科技大学
- 2019-06-24 - 2019-10-25 - G06T7/277
- 本发明公开了一种基于残差回归网络的单目标跟踪方法。本发明包括如下步骤：步骤1、对原始训练数据进行预处理；步骤2、将预处理后的数据输入残差回归网络模型，进行参数训练，并确定好网络参数；步骤3、确定好网络参数后，将待跟踪视频序列按照与步骤1相同的方式进行预处理；步骤4、将待跟踪视频序列的预处理结果输入到残差回归网络模型中，得到跟踪结果。本发明提高了速度，并允许实时跟踪对象。并与残差网络相结合，有效解决梯度弥散和网络精度问题，同时对于精度下降的问题有效的进行了遏制，降低了深度网络的训练难度，极大的提高了单目标跟踪的精度，为之后的单目标跟踪领域提供了一个新的解决问题的方向和思路。
- 基于轻量卷积神经网络结构的前视声纳运动目标跟踪方法-201810510986.5
- 叶秀芬;孙悦;李传龙;刘文智;马兴龙;赵新华;贾云鹏 - 哈尔滨工程大学
- 2018-05-25 - 2019-10-22 - G06T7/277
- 本发明提供的是一种基于轻量卷积神经网络结构的前视声纳运动目标跟踪方法。(1)检测出目标首次出现时的那一帧图像的所在位置，经过去均值、L2正则化的预处理；(2)采用无需训练的两层卷积神经网络结构，对图像进行滑动窗口采样，采用k‑means聚类的方法从图像块中聚类出滤波器作为卷积核，对目标图像周围的区域随机采样出m个样本，对每一个样本用滑动窗口的方法采样L个图像块；(3)采用稀疏表达的方式表示特征；(4)通过粒子滤波的跟踪框架进行跟踪。本发明易于使用、能很好地克服前视声纳图像中严重的噪声干扰、对目标的跟踪效果更好。该方法很大程度上提高了系统的处理帧率，使得跟踪过程的实时性有了很大保障。
- 基于改进TLD的多目标追踪方法-201611028830.0
- 吴磊;岳翰;武德安;陈鹏;冯江远 - 电子科技大学;成都国科海博信息技术股份有限公司
- 2016-11-18 - 2019-10-18 - G06T7/277
- 本发明公开了一种基于改进TLD的多目标追踪方法，包括以下步骤：每当用户指定一个新目标，追踪管理模块即调用追踪建立功能，产生扫描窗集合；初始化独立多目标卡尔曼滤波器，获得第一帧图像；从第二帧图像开始，按照下述方法处理：调用滤波器对当前帧所有目标进行检测；调用追踪器对上一帧所有目标进行追踪；调用追踪整合功能，整合滤波器与追踪器的结果；调用追踪更新功能，更新滤波器；每当用户删除一个目标，追踪管理模块即调用追踪删除功能，删除相应的追踪过程。本发明的优点在于并利用追踪管理模块对独立多目标卡尔曼滤波器和多目标Median‑Flow追踪器进行整合，所以实现了支持对多个未知目标进行追踪的目的，而且处理速度高于TLD。
- 基于随机超曲面的CBMeMBer多目标跟踪方法-201810079318.1
- 姬红兵;张海涛;张永权;刘龙 - 西安电子科技大学
- 2018-01-26 - 2019-10-11 - G06T7/277
- 本发明公开了一种基于随机超曲面的CBMeMBer多目标跟踪方法，主要解决在对多扩展目标跟踪过程中无法估计出多扩展目标形状问题，并且也能降低算法复杂度的同时提高对多扩展目标跟踪的精度。本发明实现的步骤如下：(1)输入量测；(2)量测划分；(3)随机超曲面建模目标量测源；(4)预测目标状态；(5)更新目标状态；(6)修剪目标状态；(7)提取目标状态；(8)判断是否为最后一次迭代，若是，则结束，否则，返回步骤(2)进行下一次跟踪。本发明通过利用随机超曲面建模目标量测源，使得能对目标质心位置实时精确估计的同时，也能够估计出目标的形状，于此同时降低了算法的时间复杂度。
- 一种基于CNN的自适应粒子滤波视频目标跟踪方法及系统-201910368348.9
- 张莉君;陈鹏;郭辉;黄顺 - 中国地质大学（武汉）
- 2019-05-05 - 2019-09-20 - G06T7/277
- 一种基于CNN的自适应粒子滤波视频目标跟踪方法及系统，本发明针对目标跟踪算法在精度和鲁棒性上的要求，提出了将深度学习与模板更新相结合的目标跟踪方案。首先对视频图像进行预处理；然后构建卷积神经网络来学习图像的特征；再经过滤、PCA运算后，把待跟踪目标的特征样本输入到粒子滤波系统；最后粒子群优化粒子滤波进行特征跟踪。实验表明，改进后的算法在具有挑战的跟踪视频序列上实验，具有良好的跟踪精度和鲁棒性，能够应对目标形变、部分遮挡、光照变化等复杂条件。本发明在军事方面包括无人飞行器、精确制导、空中预警、战场监视等；民用方面包括移动机器人、智能视频监控、智能交通系统、人机交互、虚拟现实等上也有较为广阔的应用前景。
- 一种基于卡尔曼滤波的机器人运动学参数标定方法-201610411182.0
- 蒋志宏;周伟刚;莫洋;李辉;黄强 - 北京理工大学
- 2016-06-13 - 2019-08-23 - G06T7/277
- 本发明公开了一种基于卡尔曼滤波的机器人运动学参数标定方法，该方法通过建立机器人的运动学模型得到机器人末端坐标系相对于机器人基坐标系的位姿变换矩阵。通过测量仪器可以得到机器人末端实际位姿矩阵P。再通过微分运动学将末端位姿矩阵全微分可得到机器人末端位姿误差与机器人运动学参数误差间的线性关系。考虑到系统中存在噪声对标定结果的影响，利用卡尔曼滤波算法对运动学参数进行卡尔曼滤波估计。该方法考虑了系统噪声的影响，标定结果更准确能使机器人达到更高的定位精度。
- 面向监视系统的鲁棒群目标跟踪方法及跟踪系统-201910289828.6
- 敬忠良;高磊 - 上海交通大学
- 2019-04-11 - 2019-08-13 - G06T7/277
- 本发明提供了一种面向监视系统的鲁棒群目标跟踪方法，包括以下步骤：S1、混合观测模型的建立；S2、监视系统的各状态变量和量测的完全数据联合概率密度的计算；S3、近似后验概率密度的计算；S4、量测中的杂波密度参数的计算；S5、根据各状态变量的近似后验概率密度和量测中的杂波密度参数，计算各状态变量的数学期望从而得到各状态变量的估计值，重复执行步骤S2－S4指定次数，认为跟踪结束；S6、群目标的跟踪估计：根据最终得到的各状态变量的估计值和杂波密度参数，实现群目标运动状态、形状和环境杂波密度的估计。本发明解决服从重尾分布的观测噪声、环境杂波带来的问题，同时在对群目标进行跟踪的时候对杂波密度进行估计。
- 基于FPGA的质心纠正且状态可辨的粒子滤波方法-201610254140.0
- 王姝慧;陆小锋;黄睿;钟宝燕;裴栋彬;颜柯;崔微;王桥元 - 上海大学
- 2016-04-23 - 2019-08-06 - G06T7/277
- 本发明提出了一种基于FPGA的质心纠正且状态可辨的粒子滤波算法。本算法的操作步骤如下：1）选择目标，2）计算目标特征，3）产生随机粒子，4）统计粒子直方图，5）计算粒子质心位置，6）计算粒子权重，7）输出目标位置，8）判断跟踪状态，9）显示目标状态与位置。本发明在节省存储空间的前提下，提高了算法的跟踪精度及计算效率，保证了跟踪的准确性与实时性。
- 目标跟踪方法和目标跟踪装置-201611128715.0
- 王胜;张学磊;田甜;石建飞;郭雪松;唐升波;董伟佳;段江涛 - 中国电子科技集团公司第三研究所
- 2016-12-09 - 2019-07-23 - G06T7/277
- 本发明涉及目标跟踪方法和目标跟踪装置。该目标跟踪方法包括：获取包含目标的第一图像，该第一图像为直角坐标系下的图像；计算该第一图像的相邻帧之间的差值以得到第二图像；使用交互式多模型算法对该第二图像中的该目标进行跟踪，以获得该目标的第一轨迹；利用分段重采样方法拟合该第一轨迹，以获得拟合后的第二轨迹；和输出该第二轨迹。通过根据本发明的目标跟踪方法和目标跟踪装置，能够基于运动轨迹的分段拟合有效地跟踪运动目标的轨迹。
- 基于卡尔曼滤波的高铁接触网目标检测与跟踪方法-201610898253.4
- 张文生;陈东杰;胡文锐;杨叶辉;杨阳;何泽文 - 中国科学院自动化研究所
- 2016-10-14 - 2019-07-19 - G06T7/277
- 本发明公开了一种基于卡尔曼滤波的高铁接触网目标检测与跟踪方法，所述方法包括以下步骤：采集样本图像；对于所述样本图像进行预处理；对于经过预处理后的样本图像，获取水平扫描线上的像素点并对其进行显著性排序，提取得到显著性像素点；基于提取到的显著性像素点，检测经过预处理后的样本图像中的承力索和导线；确定承力索和导线协同跟踪策略，并对承力索和导线进行跟踪；基于Kalman滤波预测目标运动轨迹，修正跟踪结果。本发明基于Kalman滤波原理，通过对复杂背景下的承力索和导线进行检测与跟踪，实现对接触网的实时监测，对行车途中弓网脱离等突发情况进行有效预警，在一定程度上避免了由于弓网滑脱而引发的意外事故。
- 一种基于距离传感器的多行人跟踪方法和系统-201610868031.8
- 邵肖伟;许永伟 - 深圳市鸿逸达科技有限公司
- 2016-09-28 - 2019-07-02 - G06T7/277
- 一种基于距离传感器的多行人跟踪方法，包括：S1，在观测现场布置一台或多台二维距离传感器，通过平面扫描获取行人的足部信息的激光点云数据，提取前景数据；S2，识别观测现场的特定标定物，并结合前景数据获得融合后的全局二维多传感器融合数据；S3，基于聚类方法对点云数据进行聚类，进行主分量分析，以获得各簇的信息；S4，基于现有目标状态参数信息，为每个行人分配一个跟踪代理；S5，引入多行人交互作用模型，基于行人交互作用模型进行目标参数预测；S6，在不需要显式数据关联关系的前提下，建立全体观测与单个行人之间的联系，基于隐式数据关联的目标参数更新多行人参数状态。本发明对应提出一种系统。本发明能够实时跟踪多个行人。
- 结合深度视频分析的WiFi目标定位方法-201710124953.2
- 张良;姜华;郝凯锋 - 中国民航大学
- 2017-03-03 - 2019-06-07 - G06T7/277
- 一种结合深度视频分析的WiFi目标定位方法。其包括构建结合深度视频分析的WiFi目标定位系统；获得人体运动轨迹点集合；获得移动终端设备运动轨迹点集合；形成轨迹曲线；输出人体运动轨迹和移动终端设备运动轨迹的匹配结果等步骤。本发明是将深度摄像头应用在WiFi定位领域，通过对深度摄像头和WiFi探针所探测到的多个目标的移动轨迹进行动态分析，确定待检测场景中目标与MAC地址的对应关系，进而得到每个WiFi目标的实际位置坐标。定位过程中并非直接使用RSSI信号值计算静态距离，而是利用了深度摄像头的位置探测功能，因而可以减小定位误差。
- 一种用于三维空间跟踪转弯机动目标的方法及系统-201710224049.9
- 刘宗香;吴德辉;李良群;谢维信 - 深圳大学
- 2017-04-07 - 2019-05-10 - G06T7/277
- 本发明提供了一种用于三维空间跟踪转弯机动目标的方法及系统，旨在解决现有技术中难以对三维空间中转弯率变化的机动目标进行有效跟踪的问题。本发明所提供的方法或系统通过预测、转弯率和转向角估计、更新、新目标生成及目标状态提取这些模块，将转弯率和转向角估计与序贯贝叶斯滤波器相结合，确定出各目标在当前时刻的状态估计与误差估计，从而实现了对三维空间中转弯率变化的机动目标进行有效跟踪。
- 一种基于DS证据理论的多光谱图像弱小目标跟踪方法-201711115738.2
- 蒋雯;胡伟伟;邓鑫洋 - 西北工业大学
- 2017-11-13 - 2019-05-10 - G06T7/277
- 本发明基于多光谱图像，提供一种用DS证据理论实现面空背景下弱小目标跟踪的方法，涉及目标跟踪、图像处理领域。本发明对目标、云、天空建立三角模糊模型，将模型展宽后对像素点分类，根据像素点分类结果得到目标位置实现对目标的跟踪，并用像素点分类结果更新当前三角模糊数模型。本发明采用DS证据理论对像素点分类，此分类方法较好的融合了不同波段的图像信息，能够实现目标跟踪，具有计算简单、实时性好的优点；本发明提出的干扰排除方法，很好的排除了随机干扰导致的误判，能够选取到真实的跟踪目标。
- 一种基于卡尔曼滤波器的图像位置运动估计方法-201811479235.8
- 于飞;李超;丁琳;刘成;侯帅;黄刚;赵丽婷;侯丹 - 北京空间机电研究所
- 2018-12-05 - 2019-05-03 - G06T7/277
- 一种基于卡尔曼滤波器的图像位置运动估计方法，于帧视频图像中选取待跟踪目标，利用以去均值归一化灰度积相关方法作为位置判定准则的计算方法，选取运动估计运算开始后的前三帧图像拟合目标运动参数，并进行一定范围内进行目标模板匹配相似度计算，同时通过卡尔曼滤波预估当前帧目标的预测位置，寻找满足判定条件的位置点，再通过预设阈值进行判断最终确定当前帧视频图像中目标位置坐标，解决了传统卡尔曼滤波预测算法容易出现计算误差，计算精度不高的情况。
- 状态估计装置、状态估计方法以及集成电路-201510820272.0
- 长谷川弘;生驹哲一 - 株式会社巨晶片;国立大学法人九州工业大学
- 2015-11-24 - 2019-04-12 - G06T7/277
- 实现一种状态估计装置，关于跟踪对象的物体，获取多个观测数据，使用从获取到的多个观测数据分别得到的似然度和观测数据的可靠度，对物体的内部状态进行估计。第一观测获取部获取第一观测数据，第二观测获取部获取第二观测数据。第一似然度获取部基于第一观测数据来获取第一似然度。第二似然度获取部基于第二观测数据来获取第二似然度。似然度合成部基于第一似然度、第二似然度、示出第一观测数据的可靠度的第一可靠度数据以及示出第二观测数据的可靠度的第二可靠度数据，来获取合成似然度。后验概率分布获取部根据合成似然度和预测概率分布数据，来获取在当前时刻t的、作为观测对象的内部状态的概率分布的后验概率分布数据。
- 基于卡尔曼滤波器的车道线追踪方法-201811403829.0
- 曲刚;曾宪玮 - 广州路派电子科技有限公司
- 2018-11-23 - 2019-04-02 - G06T7/277
- 本发明涉及一种基于卡尔曼滤波器的车道线追踪方法，包括：计数器初始化；输入k时刻Hough变换检测得到的车道线；将k时刻的车道线逐一地与k‑1时刻的车道线进行匹配，分别计算两个时刻参数的偏差；匹配计数器进行更新；当直线匹配数不小于计数器时，启动Kalman滤波器对车道线进行追踪；否则不进行追踪；追踪10帧车道线后，重新检测更新直线库。本发明解决了复杂环境中的一帧或几帧图像车道线漏检或检测不到的问题，提出了用估计值代替检测值的方法，增加了车道线检测的稳定性，当若干帧图像车道线检测失败时，仍然可以用估计值代替检测值输出，车道线检测的方法鲁棒性强，检测结果准确，提高了行车安全性。
- 一种顾及地物特征的Mean Shift滤波方法-201811223724.7
- 刘修国;陈启浩;行晓黎;周欣 - 中国地质大学（武汉）
- 2018-10-19 - 2019-03-26 - G06T7/277
- 本发明提供一种顾及地物特征的Mean Shift滤波方法，包括如下步骤，S1对待滤波极化的SAR图像进行极化白化滤波，得到单波段的滤波图像；S2计算该滤波图像中各个区域的变差系数；S3基于等效视数计算各个区域的异质程度阈值，并基于等效视数与对应的变差系数之间的关系，确定异质程度阈值与对应的变差系数之间的联系，比较各个像元与该像元所在区域的异质程度阈值，将滤波图像中的像元分为同质像元和异质像元；S4对异质像元使用最小均方误差滤波进行滤波，对同质像元使用综合了变差系数的Mean Shift滤波进行滤波；S5得到最终的滤波结果。有益效果：能够对不同异质程度的像元进行区别滤波，且算法简单。
- 一种基于视觉的四旋翼无人机行人跟踪方法-201811439663.8
- 郑恩辉;刘宇皓 - 中国计量大学
- 2018-11-29 - 2019-03-19 - G06T7/277
- 本发明公开了一种基于机器视觉的四旋翼无人机行人跟踪方法，步骤包括：S1.运动物体检测，运动物体检测是指在视频中检测出运动的物体，计算机利用相邻帧之间的关联性，检测视频中运动的物体；S2.行人检测，通过运动物体检测后，得到运动区域，但这个物体有可能是车辆或其他，因此需要对检测的运动物体分类，当分类结果为行人时，再进行下一步的跟踪；S3.行人跟踪，在视频的每帧图像中都能检测出人体在图像中的具体位置，并以此得到感兴趣人体的运动轨迹。本发明能够基于视觉实现四旋翼无人机对行人目标跟踪，本发明不仅能够降低在行人目标追踪中的人力物力，还提高了追踪效率。
- 一种基于Delta机器人下的视觉跟踪的方法及系统-201610996192.5
- 王亚梅;付兰慧;徐利华 - 华南智能机器人创新研究院
- 2016-11-11 - 2019-02-26 - G06T7/277
- 本发明公开了一种基于Delta机器人下的视觉跟踪的方法及系统，其方法包括：Delta机器人上的摄像头采用颜色直方图、纹理特征建立高斯混合背景模型；根据所述图像信息获取目标对象信息，并将获取的目标对象信息与Delta机器人上的模型匹配库进行匹配；在完成目标对象的定位之后，基于结构相似度的视频跟踪方法对目标对象进行视觉跟踪；将所述视觉跟踪的视频实时传输至控制室，并在视频显示中警示所示目标对象状态。通过本发明实施例可以有效的检测人物目标，从而实现对目标定位，保障工业化控制过程中的视觉跟踪效果，实现对人物的精准了解和优化做准备。
- 三维目标跟踪的方法和装置-201610266078.7
- 滕书华;张文广;李洪 - 湖南拓视觉信息技术有限公司
- 2016-04-26 - 2019-02-22 - G06T7/277
- 本发明实施例提供一种三维目标跟踪的方法和装置。所述方法包括：获取一帧包括预定跟踪目标在内的三维点云数据，从所述三维点云数据中所述跟踪目标所处的基准空间区域提取灰度特征，得到基准三维灰度图像；获取下一帧图像，并根据所述基准空间区域在所述三维点云中的位置，在所述下一帧图像中设定目标空间区域，并从所述目标空间区域提取灰度特征，得到目标三维灰度图像；根据所述基准三维灰度图像和所述目标三维灰度图像采用均值偏移算法确定所述跟踪目标在所述下一帧图像中的位置。采用本发明实施例，可以提高目标的跟踪精度。
- 一种基于变分BP-HMM的人的行为轨迹识别方法-201610292431.9
- 孙仕亮;戴海威;赵静 - 华东师范大学
- 2016-05-05 - 2019-01-18 - G06T7/277
- 本发明公开了一种基于变分BP‑HMM的人的行为轨迹识别方法，包括：提取行为样本的特征，建立行为轨迹及其数据集；确定用于模拟行为轨迹的模型，所述模型采用变分BP‑HMM模型；初始化贝塔过程的先验超参数；利用所述先验超参数训练所述模型，得到训练后的变分BP‑HMM模型；基于所述训练后的变分BP‑HMM模型，利用最大似然法识别人的行为轨迹。本发明创建并使用了一种能够用于人的行为轨迹识别的变分BP‑HMM。本发明的变分BP‑HMM模型构建了一个特征选择矩阵，并能够自动地学习出这个特征选择矩阵。本发明同时推导了变分BP‑HMM的自我学习更新的过程，给出了详细的推导算法，并指导性的给出了识别方法。
- 一种基于蒙特卡洛树搜索的对象跟踪方法-201610537417.0
- 权伟;刘志刚;陈锦雄;江永全;于小娟 - 西南交通大学
- 2016-07-11 - 2019-01-15 - G06T7/277
- 本发明提供了一种基于蒙特卡洛树搜索的对象跟踪方法，属于计算机视觉、图形图像技术领域。首先通过背景建模和前景提取方法，获取视频监控范围内各个车辆的图像区域，通过初始化蒙特卡洛树和预测轨迹的起始节点，并获取一段时间的视频图像，然后通过多次的节点选择、扩展、模拟和相似度计算来生成和评价预测轨迹，并据此更新树节点权重，然后将树中具有最大节点权重和的路径作为目标轨迹，完成对车辆的定位，进而实现车辆跟踪。最后，根据车辆目标跟踪的结果计算车辆目标在该时间段内运动的图像距离，并按照图像距离与实际距离的比例关系计算得到车辆在道路中的实际运动距离，进而得到车辆的行驶速度，完成车辆超速跟踪检测。
- 一种多目标跟踪方法-201811072967.5
- 任航;高明合;宋玉龙;孙辉;刘博超 - 中国科学院长春光学精密机械与物理研究所
- 2018-09-14 - 2019-01-11 - G06T7/277
- 本发明实施例公开一种基于概率图模型的粒子滤波的多目标跟踪方法。该多目标跟踪方法包括步骤初始化、状态转移、权值计算、概率图模型推理、状态估计和重采样。该多目标跟踪方法在基于粒子滤波的目标跟踪框架中，引入了概率图模型的数据关联理论，从而有效地解决多目标跟踪的不确定性；并且将多目标跟踪模型表示为一个无相图模型，利用图模型推理方法来解决多目标的跟踪问题，不仅简化了多目标跟踪中的数据关联，使得运算量减小，还能够处理众多目标之间的遮挡问题。
- 基于Meanshift、卡尔曼滤波和图像匹配的目标跟踪方法-201810864909.X
- 陶青;胡晨;刘顿;陈列;娄德元;杨奇彪;翟中生;郑重;成健 - 湖北工业大学
- 2018-08-01 - 2018-12-21 - G06T7/277
- 本发明提供基于Meanshift、卡尔曼滤波和图像匹配的目标跟踪方法。本发明一方面采用Meanshift中的Kroneckerdelta函数和相似度函数，通过迭代的不断更新，将目标特征空间进行量化，并快速衡量目标模型和候选的目标模型的相似度，使得目标追踪过程能达到更高的准确率；另一方面采用卡尔曼滤波和图像匹配方法，能够减少外界不良因素对目标追踪过程的干扰，对目标进行精准定位，获得更加准确、更加清晰的目标信息。采用图像匹配的方法可以消除外界环境干扰，通过比较每一帧图像中目标出现的可靠位置，精确锁定目标所在位置。
- 一种基于组合判断策略的视觉目标跟踪方法-201711422471.1
- 张弘;饶波;李伟鹏 - 北京航空航天大学
- 2017-12-25 - 2018-12-07 - G06T7/277
- 本发明涉及一种基于组合判断策略的视觉目标跟踪方法，步骤如下：(1)针对目标尺寸变换问题，建立一个自适应尺度，从而自动调整跟踪框大小；(2)针对目标被遮挡后无法继续确定目标所在位置的问题，采用卡尔曼滤波对当前观测量进行预测，当目标重新出现后继续使用KCF算法跟踪目标；(3)针对目标快速移动造成跟踪失败的问题。本发明通过检测目标在相邻帧中位置移动距离，以此计算目标运动速率，自适应的调节检测区域大小扩展系数，能够在不同的环境下获得较高的精度，有效提高整个跟踪系统的鲁棒性，并保持较高的计算速度，具有很高的工程实用价值。
- 基于区域选择的CNN和Kalman滤波的运动目标跟踪方法及系统-201810470406.4
- 王臣;张莉君 - 中国地质大学（武汉）
- 2018-05-16 - 2018-11-30 - G06T7/277
- 本发明公开了一种基于区域选择的CNN和Kalman滤波的运动目标跟踪方法及系统，本发明是一种基于卷积神经网络的目标跟踪算法，在跟踪过程中加入目标的宏观运动信息作为参考，利用卡尔曼滤波器对跟踪目标运动路径进行可行性预判，把滤波器对于目标点在像平面位置的最优估计作为每一帧中卷积神经网络目标识别的起始点，对目标位置进行全局的预估计，分析不同背景干扰条件下的识别检测问题，解决了训练模型训练周期长、计算量大、误判率高等问题，提高了跟踪性能。
- 目标跟踪方法及设备-201810506234.1
- 庄骏飞;董远;白洪亮;熊风烨 - 北京飞搜科技有限公司
- 2018-05-24 - 2018-11-27 - G06T7/277
- 本申请提供一种目标跟踪方法及设备，根据第一帧图像中目标对象的位置信息，确定第二帧图像中关于目标对象的至少一个候选样本，第二帧图像比第一帧图像时序在后；提取至少一个候选样本各自的样本特征；将至少一个候选样本的样本特征输入基于所述第一帧图像确定的随机森林模型，确定预测样本；基于预测样本，确定所述目标对象在所述第二帧图像中的预测位置。利用本申请实施例记载的目标跟踪方案，随机森林模型的结构比起基于CNN的跟踪方法来说相对简单、快速，基于随机森林模型的目标跟踪方案比起CNN深度学习跟踪算法，无需较大计算量，分类性能强大，可以提升目标跟踪方案的实时性及应对复杂场景的鲁棒性。
- 专利分类
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
