[发明专利]一种基于TLD算法框架的目标跟踪方法在审
| 申请号： | 201810202560.3 | 申请日： | 2018-03-12 |
| 公开（公告）号： | CN108447079A | 公开（公告）日： | 2018-08-24 |
| 发明（设计）人： | 李亚波;卿兆波;王满生 | 申请（专利权）人： | 中国计量大学 |
| 主分类号： | G06T7/269 | 分类号： | G06T7/269;G06T7/246;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 310018 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于TLD算法框架的目标跟踪方法，步骤是：(1)用户在初始帧框选跟踪目标，算法进行初始化。(2)跟踪器模块中的局部跟踪器通过光流法和级联预测器预测在下一帧中的位置。(3)检测器通过滑动窗口扫描和级联分类器对当前帧的目标进行检测，并将分类结果送入学习模块，其中跟踪器和检测器二者是并行工作的。(4)整合器通过对跟踪器和检测器得到的目标结果进行判定整合，确定最终的目标位置。(5)学习模块通过结构性约束对跟踪器和检测器的结果进行修正，对目标样本更新。(6)判定视频帧是否结束，若没有结束则重复(2)‑(4)过程直至跟踪结束。此方法能提高对跟踪目标的鲁棒性，同时能保证跟踪过程中的实时性。 | ||
| 搜索关键词： | 检测器 跟踪器 跟踪目标 目标跟踪 算法框架 学习模块 判定 跟踪器模块 级联分类器 结构性约束 分类结果 滑动窗口 目标结果 目标位置 目标样本 初始化 初始帧 光流法 鲁棒性 实时性 视频帧 预测器 整合器 跟踪 级联 框选 算法 整合 并行 送入 扫描 修正 检测 预测 重复 更新 保证 | ||
【主权项】：
1.一种基于TLD算法框架的目标跟踪方法，其特征在于步骤如下：步骤1：跟踪目标选择：从当前视频帧中框选待跟踪目标或者导入待跟踪目标结构初始参数进行跟踪，视频流可分从摄像头读入和视频文件读入；步骤2：提供一跟踪器、一学习模块、一检测器以及一整合器，所述跟踪器以及检测器可同时独立运行，用以对跟踪目标进行跟踪及检测，所述学习模块通过结构性约束改进跟踪器和检测器，所述整合器将跟踪器和检测器所得到的目标位置信息进行整合，用以输出目标的最终位置；步骤3：算法初始化：将提前设置好的初始化参数进行读取，用以对跟踪器和检测器进行初始化；步骤4：下一帧图像输入：输入下一帧图像以进行对视频的逐帧处理；步骤5：跟踪器和检测器工作：跟踪器中的局部跟踪器对上一帧中的目标进行跟踪，并向学习器反馈跟踪结果；检测器对上一帧中的目标进行多尺度检测，并向学习器反馈检测结果；步骤6：学习模块工作：针对步骤5中跟踪器和检测器反馈的相关结果，学习模块通过结构性约束消除检测器的分类结果，并更新跟踪器和检测器的相关参数；步骤7：整合器工作：整合器将跟踪器预测的信息和检测器的检测信息进行整合，将置信度最高的结果作为目标在当前帧的最终位置，同时将目标最终位置框选显示；步骤8：判断视频帧是否结束：若视频帧未结束则返回步骤4，若结束，则完成目标跟踪过程；若为摄像头输入则手动控制跟踪结束。
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计量大学，未经中国计量大学许可，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/201810202560.3/，转载请声明来源钻瓜专利网。
- 同类专利
- 视频连续帧之间的光流预测方法-201910645583.6
- 王传旭;刘帅;丰艳;闫春娟 - 青岛科技大学
- 2019-07-17 - 2019-10-22 - G06T7/269
- 本发明公开了一种视频连续帧之间的光流预测方法，涉及计算机机器视觉技术领域，包括以下步骤：步骤a：通过可形变卷积单元提取相邻帧空间特征；步骤b：对相邻帧空间特征进行融合重构；步骤c：对融合重构的特征进行反卷积操作，构建网络堆栈；步骤d：利用损失函数训练网络堆栈；步骤e：输出结果。本发明的有益效果是：将卷积核从根本结构形式上进行优化，将固定的方形卷积改为可形变卷积，提升了预测精度并节约了运算资源；通过训练将融合的特征重构并重新分配参数及通道权重，从而在少量增加计算成本的情况下最大限度保留相邻帧的特征相关性。
- 基于检测到的停放车辆特性控制主车辆-201910634770.4
- B.科恩;G.斯坦 - 御眼视觉技术有限公司
- 2017-06-27 - 2019-09-20 - G06T7/269
- 提供了用于导航自主车辆的系统和方法。一个实施例涉及用于基于检测到门打开事件来导航主车辆的系统和方法。另一个实施例涉及用于基于目标车辆朝向由主车辆正行驶的车道的移动来导航主车辆的系统和方法。第三实施例涉及用于检测主车辆行驶的道路是否是单向道路的系统和方法。第四实施例涉及用于确定在主车辆的环境中停放的车辆的预测状态的系统和方法。第五实施例涉及用于基于两个静止车辆之间的间隔来导航主车辆的系统和方法。
- 一种基于物理学的改善粒子图像测速稳健性光流方法-201910397141.4
- 郭春景 - 焦作大学
- 2019-05-14 - 2019-09-10 - G06T7/269
- 本发明公开了一种基于物理学的改善粒子图像测速稳健性光流方法，包括如下步骤：S1、稳健能量泛函的构建；S2、复核数据项的构建；S3、平滑项的选择；S4、惩罚函数的构建；S5、模型能量泛函极小化处理；S6、光流计算；本发明提供一种基于物理学的改善粒子图像测速稳健性光流方法，本发明涵盖了稳健能量泛函的构建；复核数据项的构建；平滑项的选择；惩罚函数的构建；模型能量泛函极小化处理；光流计算活动粒子图像测速稳健性高；本发明中进一步在所述稳健能量泛函的构建过程中，首先构建基于物理学的光流约束方程；而后针对光流约束方程偏微分变化；最后依据变化结果生成稳健能量泛函，能量泛函通用性高。
- 一种基于单目的视觉里程计实现方法和系统-201711439472.7
- 李方敏;彭小兵;赵奇;杨志邦;栾悉道 - 长沙学院
- 2017-12-27 - 2019-07-05 - G06T7/269
- 本发明公开了一种基于单目的视觉里程计实现方法，包括：通过相机获取视频中的连续两幅照片，并使用卷积神经网络对其中的第一幅照片进行估计，以得到估计后的光流照片，根据估计后的照片并使用双线性插值法对第二幅照片进行处理，以得到扭曲图，并根据扭曲图和第一幅照片得到光度误差，将第一幅照片、第二幅照片、估计矩阵、以及光度误差输入到另一个卷积神经网络中，以得到另一幅估计后的光流照片，对得到的另一幅估计后的照片进行下采样处理，将下采样处理后的照片平均分成多个子图，将下采样后的照片以及所有子图输入到另一个卷积神经网络中，以得到多维运动描述算子。本发明能够解决现有基于几何方法实现的视觉里程计实时性不好的技术问题。
- 基于光流法目标跟踪的爬楼翻窗盗窃行为检测方法及系统-201811404351.3
- 郑飞;许芝光;陈姗姗 - 济南艾特网络传媒有限公司
- 2018-11-22 - 2019-05-14 - G06T7/269
- 本发明公开了一种基于光流法目标跟踪的爬楼翻窗盗窃行为检测方法及系统，主要用于自动检测视频监控中爬楼翻窗的运动目标。方法包括以下步骤：采用光流法对监控视频中的运动目标进行检测跟踪；计算出运动目标的行为轨迹；将运动目标的行为轨迹与爬楼盗窃行为规则进行匹配。系统包括运动目标检测跟踪模块、行为轨迹计算模块和规则匹配模块，本发明实施例的技术方案通过将光流法用于夜晚爬楼翻窗行窃行为检测中，能够快速的检测出视频中具有爬楼翻窗行为的运动目标，并能够及时发出警报，对于及早发现安全隐患具有较大的实用价值，为保护居民的财产和人身安全、维护社会治安、打击和防止犯罪提供了科学依据。
- 基于TLD改进算法的视频车辆目标跟踪算法-201811395493.8
- 孙光民;史殊凡 - 北京工业大学
- 2018-11-22 - 2019-04-16 - G06T7/269
- 基于TLD改进算法的视频车辆目标跟踪算法,首先输入视频，标定跟踪目标；其次使用LK光流跟踪器对目标进行跟踪，通过将视频帧均匀画网格，选取每个网格的左上角顶点为特征点，然后使用前向后向轨迹光流法来跟踪预测这些特征点在下一帧中的位置；并且对TLD跟踪器模块进行改进优化，引入Kalman滤波和粒子滤波，同时运用随机蕨分类器进行扫描，生成一个二进制的编码x。编码x指向决策树某个叶子节点的后验概率Pi(y\x)，其中y∈(0,1)。然后求得所有相互独立的决策树输出的后验概率的平均值；接着通过P‑N学习更新分类器；最后通过综合评估，显示准确度最高的跟踪目标。
- 红外弱小目标检测方法-201811343659.1
- 潘良;卢曦 - 南通理工学院
- 2018-11-12 - 2019-03-26 - G06T7/269
- 本发明公开红外弱小目标检测方法，其包括：步骤一，根据红外图像的边缘停止函数，考虑弱小目标与背景的差异，构建各向异性背景抑制方案，以弱化背景干扰；步骤二，基于传统的高阶累积量，考虑空域特性，利用弱小目标的运动能量来建立一种时空高阶累积量方案，对背景抑制结果中的候选目标进行增强处理；步骤三，引入尺度空间理论，计算弱小目标的直径，以此改进了管道滤波方案，以充分消除伪目标，从而准确检测弱小目标。
- 一种基于视觉的无人机自主着陆地标实时检测跟踪方法-201710764633.3
- 李靖;段晓军;刘慧英;陈怀民;陈楸;马晓东;张彦龙;肖奔;许涛;孔峰 - 西北工业大学
- 2017-08-30 - 2019-02-19 - G06T7/269
- 本发明公开了一种基于视觉的无人机自主着陆地标实时检测跟踪方法，对检测到的目标图像进行网格撒点，以像素点来代替目标图像，用金字塔L‑K光流法进行跟踪，而非使用特征点提取算法来提取易跟踪特征点，从而节省时间，提高算法实时性。采用双向金字塔L‑K光流法跟踪特征点，同时对每一个特征点采用归一化相关性匹配校验，确保特征点跟踪的准确性。以上一帧跟踪到的目标为模板，与本帧跟踪到的目标图像进行归一化相关性匹配检测，确保本帧跟踪目标的完整性与准确性。
- 模型生成方法、装置、电子设备和计算机可读存储介质-201811152059.7
- 钱德恒;任冬淳;丁曙光;付圣 - 北京三快在线科技有限公司
- 2018-09-29 - 2019-01-29 - G06T7/269
- 本公开的实施例提供一种模型生成方法，包括：构建关于所述样本图像的训练样本集，其中，所述样本图像的特征信息为所述线条信息和光流信息；对所述训练样本集进行学习，生成以图像的线条信息和光流信息为输入量的识别模型。根据本公开的实施例，基于生成的识别模型对图像进行识别，可以以图像中的线条信息和光流信息为输入量对图像进行识别，避免了对抗噪声对识别结果的影响，提高了识别的准确性。
- 基于L0正则化的局部稀疏表示目标跟踪方法-201610299342.7
- 蒋敏;沈剑宇;孔军;陈志义;黄顺所;柳晨华;成静 - 江南大学
- 2016-05-04 - 2019-01-25 - G06T7/269
- 本发明公开了一种基于L0正则化的局部稀疏表示目标跟踪方法，与传统L1目标跟踪方法不同，本发明提出将L0范数与结构化局部稀疏外观模型相结合，充分利用稀疏编码，更好地区别跟踪过程中的目标和背景，并且在对目标进行建模时使用琐碎模板对局部遮挡等干扰进行建模，进一步提高了算法在跟踪过程中对噪声干扰的鲁棒性。为使目标模型在跟踪过程中更好地应对目标外观的不断变化，本发明通过构建目标模板集，在跟踪过程中采用L0范数对目标重构并采用概率性策略将重构结果替换模板集中某一模板，实现模板动态更新，进一步提高了算法稳定性。针对基于L0范数约束的目标函数优化求解的NP问题，本发明采用APG算法实现了有效求解。
- 火车到站状态的识别方法-201410826560.2
- 俞大海;韩军伟;韩建枫;单玉堂;岳明 - 天津光电高斯通信工程技术股份有限公司
- 2014-12-26 - 2019-01-18 - G06T7/269
- 一种火车到站状态的识别方法，在视频图像上标定设置火车到站图像轨道区域，通过高斯背景建模进行前景提取，通过前景变化判断是否有火车进入到轨道区域，然后通过判断红外图像中轨道区域的亮度变化判断火车是否进站，通过Lucas‑Kanade光流方法计算前后两帧图像中每个角点的光流变换均值得到火车的停止或运行状态。采用多种方法复合判断火车是否进站，从而使判断结果更加准确，不易受外部环境变换的影响。
- 一种强对流单体样本的标记方法-201810279008.4
- 王萍;车焯;王迪 - 天津大学
- 2018-03-31 - 2018-10-16 - G06T7/269
- 本发明公开了一种强对流单体样本的标记方法，主要包括实现强对流单体的样本标记。实现强对流单体的样本标记的过程是：首先，输入雷达基数据和对流天气实况，并进行单体分割和超折射滤除，然后实现单体跟踪，最后，用户标记某体扫时刻单体的单体类型，根据单体跟踪结果自动给出与所标记单体相关联的所有单体的类型。本方法实现了单体分割和单体跟踪，并由此实现了强对流单体的样本标记，为如何实现大量的强对流单体的样本标记提供了一种可行途径。
- 基于机载红外相机航拍图像的海面小目标检测方法-201510655683.9
- 刘杰;安博文;胡春暖;赵明;曹彦珏;易佳;费鸿翔;邹志远 - 上海海大技术转移有限公司
- 2015-10-12 - 2018-10-12 - G06T7/269
- 本发明涉及一种基于机载红外相机航拍图像的海面小目标检测方法，属于目标检测技术领域。一种基于机载红外相机航拍图像的海面小目标检测方法，针对机载相机航拍的红外图像出现的海面和陆地共存和海面有杂波背景的特点，使用梯度检测方法和霍夫变换检测出海岸线，分割出陆地和海面；进一步对海面进行基于灰度共生矩阵的自适应背景匹配方法，从现场提取的图片自动建立模板库，接着进行基于海杂波纹理的模板匹配和差分运算，最后通过自动阈值分割技术检测出目标。本方法可有效解决机载红外相机中海面图像中出现的海杂波干扰及海面和陆地不易区分的问题。
- 一种基于视觉的运动特征提取方法-201610248526.0
- 李霆;蔡宇翔;蔡力军;苏运东;付婷;肖琦敏;曾伟波;倪时龙;吕君玉;许成功 - 国网福建省电力有限公司;国家电网公司;国网福建省电力有限公司信息通信分公司;福建亿榕信息技术有限公司;国网信息通信产业集团有限公司;国网信通亿力科技有限责任公司
- 2016-04-20 - 2018-09-18 - G06T7/269
- 本发明涉及一种基于视觉的运动特征提取方法，具体包括以下步骤：步骤S1：基于连续帧提取每个像素点的运动矢量；步骤S2：提取在X、Y、T方向像素值强烈变化的特征点；步骤S3：以特征点为中心，构建基于运动矢量的方向‑幅值直方图的立方本特征向量；步骤S4：通过聚类算法对局部描述子形成编码向量。该方法所提取的基于运动矢量的时空特征描述可以较好捕捉运动目标的运动信息，聚类重编码可以形成运动特征的词典频率，提高时空中运动目标的检测和识别结果。
- 一种基于光流的运动目标跟踪方法-201610068984.6
- 赵凡;张海燕;姚怡;景翠宁 - 西安理工大学
- 2016-02-01 - 2018-09-14 - G06T7/269
- 本发明公开了一种基于光流的运动目标跟踪方法。先采集视频图像，进行选定目标、定义模板和初始化变量等跟踪前的准备工作；然后计算目标与模板的相似度RateMat，根据RateMat的值判定是否需要更新模板，若需要则进行模板更新；再根据RateMat的值进行遮挡判定，当发生遮挡时，采用角点匹配跟踪方法进行跟踪，当未发生遮挡时，采用基于角点位置滤波、最优轮廓判定、异常区域判定及处理等技术的光流匹配跟踪方法进行跟踪；根据跟踪结果判断是否进行继续跟踪，目标位置出界或人为重新选定目标则结束跟踪，否则重新计算目标与模板的相似度RateMat并进行迭代跟踪。该方法大大提高了目标的跟踪精度，解决了现有基于光流的运动目标跟踪方法中的精度有限问题。
- 一种基于TLD算法框架的目标跟踪方法-201810202560.3
- 李亚波;卿兆波;王满生 - 中国计量大学
- 2018-03-12 - 2018-08-24 - G06T7/269
- 本发明涉及一种基于TLD算法框架的目标跟踪方法，步骤是：(1)用户在初始帧框选跟踪目标，算法进行初始化。(2)跟踪器模块中的局部跟踪器通过光流法和级联预测器预测在下一帧中的位置。(3)检测器通过滑动窗口扫描和级联分类器对当前帧的目标进行检测，并将分类结果送入学习模块，其中跟踪器和检测器二者是并行工作的。(4)整合器通过对跟踪器和检测器得到的目标结果进行判定整合，确定最终的目标位置。(5)学习模块通过结构性约束对跟踪器和检测器的结果进行修正，对目标样本更新。(6)判定视频帧是否结束，若没有结束则重复(2)‑(4)过程直至跟踪结束。此方法能提高对跟踪目标的鲁棒性，同时能保证跟踪过程中的实时性。
- 一种车辆运动轨迹估计方法-201810049413.7
- 王波;王艳明;胡振程 - 维森软件技术（上海）有限公司
- 2018-01-18 - 2018-07-13 - G06T7/269
- 本发明涉及一种车辆运动轨迹估计方法，包括以下步骤：S1，获取车辆的车身环视图像；S2，检测车身图像中的角点；S3，通过LK跟踪光流法对角点进行跟踪，获取角点在下一帧图像中的跟踪点；S4，通过车载传感器和车辆运动模型获取车辆的第一运动信息；S5，基于第一运动信息，对角点进行筛选；S6，对所述角点进行二次筛选得到最佳矩阵模型，通过所述矩阵模型计算车辆的第二运动信息；S7，将第一运动信息和第二运动信息进行卡尔曼滤波融合，得到车辆的运动轨迹。采用本发明的车辆运动轨迹估计方法，在车辆高速和低速时均能保证估计出的车辆运动轨迹具有较高的精度。
- 一种快速运动目标检测方法-201611152319.1
- 不公告发明人 - 贵港市瑞成科技有限公司
- 2016-12-14 - 2018-06-29 - G06T7/269
- 本发明公开了一种快速运动目标检测方法，包括以下步骤：S1：采集视频图像，对视频图像序列进行预处理；S2：通过改进帧差法，精确获取运动目标区域；S3：利用改进的光流法，在光亮度不连续的情况下，准确地提取运动目标区域特征点的光流，并对光流矢量采用阈值标注，进而检测出运动目标。本发明的快速运动目标检测算法，有效的克服光流法计算量大和亮度不连续性引起的运动估计误差，该目标检测算法鲁棒性强，计算量小。
- 基于子区域的自适应随机投影视觉跟踪实验方法-201711268227.4
- 胡众义;许明海;肖磊 - 温州大学
- 2017-12-05 - 2018-06-15 - G06T7/269
- 本发明公开了一种基于子区域的自适应随机投影视觉跟踪实验方法，包括4个步骤：生成子区域、构建自适应观测矩阵、中值流跟踪、目标位置确定及参数更新；与现有技术相比，本发明设计了一种对光照，遮挡和尺度干扰有良好特性的视觉跟踪算法。为了缓解光照和遮挡干扰引起的目标外观变化，构建了基于颜色、纹理和空间特征融合的外观模型。为了跟踪目标尺度，设计了一种中值流跟踪策略计算相邻帧的尺度变化。大量实验表明，本文算法在准确度、精度、鲁棒性等方面优于部分state‑of‑the‑art算法，具有推广应用的价值。 1
- 一种基于深度梯度的目标跟踪方法与系统-201510822670.6
- 高常鑫;时辉章;桑农;刘心田;邹雷;赵俊;李逢;吴建雄 - 华中科技大学
- 2015-11-23 - 2018-06-12 - G06T7/269
- 本发明公开了一种基于深度梯度的目标跟踪方法，通过对获取的待跟踪RGB‑D视频序列的第一帧进行标定，提取RGB图像的方向梯度直方图特征和深度图像的深度梯度信息；基于上述信息，对当前帧进行目标检测和目标跟踪，并根据检测结果和跟踪结果，进一步得到最终目标框；最后，对下一帧重复前述步骤且在每一帧处理后，对分类器模型进行选择性调整。相应地本发明还公开了一种对应的系统。通过执行本发明中的方法，有效解决了当前目标跟踪方法中存在的在背景与目标颜色接近、光照变化明显、遮挡等导致的跟踪错误或丢失的问题，大大提高了目标跟踪的鲁棒性，同时减少了训练模型的漂移问题，尤其适用于小速率目标跟踪的应用场合。
- 一种基于GAN网络深度学习模型的光流估计方法-201711386897.6
- 张智福;余思洋;陈捷;郭玉其 - 长沙全度影像科技有限公司
- 2017-12-20 - 2018-06-05 - G06T7/269
- 本发明公开一种基于GAN网络深度学习模型的光流估计方法，属于图像处理领域。包括以下步骤：构建光流估计的深度学习数据集，构建GAN网络深度学习模型，该模型包括卷积模块，残差模块和反卷积模块，利用数据集对深度学习模型进行训练，得到训练完成的深度学习模型，直接将待估计光流的图像输入训练完成的深度学习模型，快速估计出光流图像。本发明的方法利用深度学习模型来自动学习光流图像的图像特征，进行端到端光流估计，无需估计运动边界进行辅助，而且所采用的GAN网络深度学习模型能够充分挖掘输入图像中的多维特征，可提升光流估计的效率和准确率。
- 一种人眼位置跟踪确定方法、装置、设备及存储介质-201711129575.3
- 崔苗;荆永震;林凡 - 广东工业大学
- 2017-11-15 - 2018-04-20 - G06T7/269
- 本发明公开了一种人眼位置跟踪确定方法，包括读取检测对象的多帧图像；根据预设的人眼检测算法依次对读取的每一帧图像进行人眼位置的确定；将第一次确定出人眼位置的图像确定为初始图像，检测并记录初始图像的各个角点位置。针对在初始图像之后依次读取的每一帧图像，当根据人眼检测算法确定出该帧图像的人眼位置时，检测并记录该帧图像的各个角点位置；否则，利用光流跟踪算法，根据该帧图像的上一帧图像的各个角点位置，计算并记录该帧图像的各个角点位置以确定该帧图像的人眼位置。应用本发明实施例所提供的技术方案，提高了人眼检测的识别率。本发明还提供了一种人眼位置跟踪确定装置、设备及存储介质，具有相应技术效果。
- 一种基于深度学习的运动边界估计方法-201711294387.6
- 张智福;余思洋;陈捷 - 长沙全度影像科技有限公司
- 2017-12-08 - 2018-04-13 - G06T7/269
- 本发明公开一种基于深度学习的运动边界估计方法，构建运动边界估计的数据集和用于运动边界估计的深度学习模型，深度学习模型包括编码部分和解码部分，使用Caffe框架训练该深度学习模型，利用训练好的深度学习模型，直接输入运动视频中两帧相邻的图像即可快速直接得到所需要的运动边界图像。本发明方法利用深度学习模型自动学习图像中运动边界的图像特征，并利用所学到的图像特征自动进行端到端的运动边界估计，省略了复杂的人工提取图像特征过程，而且可以提高运动边界估计的效率和准确率。
- 基于物理学的改善粒子图像测速稳健性光流方法-201710958396.4
- 王洪雁;郑佳;王拓 - 大连大学
- 2017-10-16 - 2018-03-20 - G06T7/269
- 本发明针对可视化流动图像边缘扩散及噪声和异常点影响使得光流计算稳健性较差的问题，提出一种基于物理学的稳健光流计算方法以改善光流计算稳健性。所提算法在基于物理学光流方法中引入各向异性滤波器以增强边缘光流稳健性，并增加惩罚因子以减少噪声及异常点对光流计算的影响，而后基于变分方法极小化光流能量函数以求解欧拉‑拉格朗日方程，最后通过迭代方法求得速度场。仿真结果表明，与传统的Lucas‑Kanade、Horn‑Schunck、金字塔Lucas‑Kanade以及基于物理的光流计算方法相比，所提算法可显著减少边缘和角落区域光流扩散，改善针对噪声及异常点的稳健性，从而得到具有较好稳健性的速度场。
- 一种基于在块状分割与缩放中加权的视觉跟踪方法-201710736622.4
- 夏春秋 - 深圳市唯特视科技有限公司
- 2017-08-24 - 2017-12-26 - G06T7/269
- 本发明中提出的一种基于在块状分割与缩放中加权的视觉跟踪方法，其主要内容包括概率分割模型、缩放估计、条件约束，其过程为，首先使用对不同动画帧的目标边框均匀地分解到若干个不重叠的块状，再根据块状的特点对该块状进行权重初始化、权重分配、权重更新和颜色直方图的更新、前景和背景的分割，同时引入两种缩放估计计算方法，并且设置阈值来控制相隔两个内容相差太大的动画帧不被计算。本发明可以处理非连续动画的目标跟踪，提供一个空间距离比率框架解决内容相差度衡量，同时提高了目标追踪的效率。
- 一种基于光流的3D视觉生成方法-201710453444.4
- 谷嘉文;陈馨瑶;夏江月 - 清华大学
- 2017-06-15 - 2017-12-22 - G06T7/269
- 一种基于光流的3D视觉生成方法，涉及一种基于光流的全景拼接中的3D视觉生成方法。为了解决现有全景拼接系统中无法生成3D效果或3D效果不佳的问题；本发明首先需要采集视频的相机均匀的摆放在同一圆上，并且需要相邻相机拍摄到内容有50％以上的重叠区域；然后将所有相机采集到的内容作为输入；在拼接过程中，对相邻两个相机采集到的图片运用光流法拼接，并将每个像素的光流值保存下来；然后利用光流值的大小估计物体景深；最后模拟人眼瞳距生成3D视觉效果。本发明适用于基于光流的全景拼接的3D视觉生成。
- 一种鲁棒性的加权局部多任务稀疏跟踪方法-201710426168.2
- 熊继平;叶童;王妃 - 浙江师范大学
- 2017-06-02 - 2017-10-20 - G06T7/269
- 本发明公开了一种鲁棒性的加权局部多任务稀疏跟踪方法，以提高跟踪目标对象的准确率。方法如下初始化目标模板，并对每个目标模板进行分块处理，获得模板字典；基于高斯随机采样原理获取当前帧的候选目标粒子，也对候选目标粒子进行分块处理；分块处理后的候选目标粒子基于模板字典线性表示；基于局部多任务稀疏跟踪模型捕获离群粒子；基于近端梯度加速法求解跟踪模型的全局最优解；根据观测似然度确定跟踪结果；在线更新模板字典。本发明能够有效克服视频中目标对象因光照变化、尺度变化、遮挡、变形、快速运动、旋转以及背景杂波等原因导致跟踪不准确甚至漂移的现象，从而实现准确连续跟踪视频中目标对象的目的。
- 一种基于TLD算法的目标跟踪方法-201710340039.1
- 刘飞;宗靖国;胡淑桃;俱青 - 西安电子科技大学
- 2017-05-15 - 2017-10-13 - G06T7/269
- 本发明涉及一种基于TLD算法的目标跟踪方法，包括跟踪模块、检测模块、学习模块，包括从第一帧图像中初始化选取目标区域；所述跟踪模块根据上一帧中目标区域信息预测当前帧图像中对应的目标区域信息并采用感知哈希算法对所述当前帧图像中目标区域信息进行筛选以确定目标跟踪结果；所述检测模块确定目标检测结果；根据所述目标跟踪结果与所述目标检测结果确定目标跟踪区域；将所述目标跟踪区域输入至所述学习模块进行学习。本发明一种基于TLD算法的目标跟踪方法中跟踪模块的特征点采用感知哈希算法进行筛选，其计算简单，显著提高跟踪模块实时性的同时提高了算法的鲁棒性，使基于TLD算法的目标跟踪方法更好的应用于实际跟踪系统中。
- 一种基于运动统计特征分析的关键姿态提取方法-201410263618.7
- 毋立芳;张世杰;钱坤;张静文;邱健康 - 北京工业大学
- 2014-06-13 - 2017-09-15 - G06T7/269
- 一种基于运动统计特征分析的关键姿态提取方法涉及运动目标检测域。本发明将金字塔LK光流方法应用于举重运动视频中，建立了4个时空通道描述子，将统计分析特性应用于举重运动，而且发现每个通道强度的最值点处和要提取的关键姿态有着紧密的联系。对于教练希望详细查看、分析的关键帧画面以及对于运动员举重的训练具有重大意义。
- 一种融合光流法和神经网络的运动目标捕捉方法-201710236616.2
- 朱平;甄子洋;覃海群 - 南京航空航天大学
- 2017-04-12 - 2017-08-11 - G06T7/269
- 本发明公开了一种融合光流法和神经网络的运动目标捕捉方法。首先，采用改进的光流法从图像中检测出运动目标的位置；然后，采用脉冲耦合神经网络模型从图像中检测出运动目标的位置；最后，将基于光流法和基于神经网络的目标检测结果进行融合滤波，得到精确的运动目标位置。本发明结合了光流法和神经网络的优势，能够准确、快速、完整地判断运动目标的位置。
- 专利分类
