[发明专利]一种基于时空上下文的单目标跟踪方法在审
| 申请号： | 201910859204.3 | 申请日： | 2019-09-11 |
| 公开（公告）号： | CN110660079A | 公开（公告）日： | 2020-01-07 |
| 发明（设计）人： | 尚振宏;陈万敏 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06T7/246 | 分类号： | G06T7/246;G06T7/262;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 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时空上下文的单目标跟踪方法，属于视频目标跟踪技术领域。本发明首先从目标和背景区域提取方向梯度直方图特征和颜色直方图特征，通过固定权重策略融合两种特征的相关滤波响应，然后利用PCA算法降维目标周围提取的背景颜色特征，基于贝叶斯框架通过最大化似然函数得到时空上下文响应。采用自适应权重融合策略融合两种模型响应，基于融合后的响应图得到估计目标位置并采用尺度估计方法解决目标尺度变化问题；本发明能够有效缓解跟踪目标由于遮挡、尺度变化、光照等因素造成的跟踪漂移状况的发生，实现鲁棒的目标跟踪。 | ||
| 搜索关键词： | 融合 方向梯度直方图 颜色直方图特征 漂移 背景区域提取 视频目标跟踪 时空 上下文响应 背景颜色 尺度变化 尺度估计 跟踪目标 模型响应 目标尺度 目标跟踪 目标位置 权重策略 融合策略 似然函数 有效缓解 贝叶斯 单目标 自适应 最大化 跟踪 响应 降维 鲁棒 滤波 权重 算法 遮挡 光照 | ||
【主权项】：
1.一种基于时空上下文的单目标跟踪方法，其特征在于：所述基于时空上下文的单目标跟踪方法的具体步骤如下：/nStep1、获取目标的初始位置信息以及尺度信息。/nStep2、根据Step1获取的初始信息提取目标的HOG特征和颜色直方图特征以及目标周围的CN特征，并利用主成分分析将11维的CN特征降至3维。/nStep3、根据Step2提取的HOG特征和颜色直方图特征分别建立相关滤波模型，/n并采用固定系数融合的方式得到相关滤波响应。/nStep4、基于Step2降维后的CN特征建立目标时空上下文模型，得到目标时空上下文响应。/nStep5、采用自适应融合的方法融合Step3得到的相关滤波响应和Step4得到的时空上下文响应，并预测目标位置。/nStep6、利用step5得到的目标位置信息，添加尺度滤波器预测目标的尺度变化。/nStep7、得到目标的位置信息和尺度信息后，更新相关滤波模型以及时空上下文/n模型，进行跟踪，直到最后一帧。/n
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昆明理工大学，未经昆明理工大学许可，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/201910859204.3/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种用于船舶协同工作的视觉定位系统及方法-201910905717.3
- 王鑫;黄烈炎;程港 - 武汉市众向科技有限公司
- 2019-09-24 - 2020-02-14 - G06T7/246
- 本发明公开了一种用于船舶协同工作的视觉定位系统及方法，系统由云台、相机、激光测距仪、工控机和电池组成；本发明首先进行相机、激光测距仪联合标定；然后进行船舶特征点提取、特征点跟踪和激光测距仪测距；最后进行船舶位置计算。本发明通过实时对船舶进行跟踪和测距，绘制运行轨迹，有助于船舶之间协同安全工作，也可用于地面监控船舶航行轨迹。其特征在于便携性和可靠性，能够提高作业安全性和工作效率，减轻测量人员工作复杂度。
- 运动目标的检测识别方法及检测识别系统-201910909353.6
- 周烨锋;种传波;梁晶 - 北京成峰科技有限公司
- 2019-09-25 - 2020-02-14 - G06T7/246
- 一种运动目标的检测识别方法及检测识别系统，所述检测识别方法包括以下步骤：S10：采集预设区域的视频序列数据；S20：根据所述视频序列数据获得第一目标区域；以及S30:识别所述第一目标区域中的运动目标。
- 一种基于视觉特征联合激光SLAM的重定位方法-201910976911.0
- 赵燕伟;黄程侃;张健;徐晨;任设东 - 浙江工业大学
- 2019-10-15 - 2020-02-14 - G06T7/246
- 一种基于视觉特征联合激光SLAM的重定位方法，包括：通过单目相机采集周围环境中的大量图像信息，提取特征点，构建K叉树结构的字典；校准单目相机，运行机器人，用激光雷达构建环境地图，并计算机器人运动轨迹；同时单目相机采集图像信息，将新采集的图像用DBOW算法加入更新字典，每张图像携带有其当前的位姿信息；机器人重启后首先利用单目相机采集图像信息，将图像与之前采集的图像对比计算相似度，根据相似度回环后，用Sim3变换获得当前位姿信息，作为激光SLAM的初始位姿。本发明将视觉特征与激光雷达结合，改善了单独激光雷达无法在已知地图中重定位的弊端。
- 一种跟踪式机器眼的方法-201911027207.7
- 王光树 - 王光树
- 2019-10-27 - 2020-02-14 - G06T7/246
- 一种跟踪式机器眼的方法，属机电领域。解决了跟踪运动物体并锁定的问题。一个方形的底板上，其中心有一个长方形的凹槽，凹槽上有一个上宽下窄的立体三角形；立体三角形的上宽的一面的左右两边各安装有一个无线信号输出系统，当第一和第二无线信号输出系统都有信号输出时，第一、二、三、四、五、六继电器都处于工作状态，控制第一电机的第一和第二继电器公共端与常闭端断开，第一电机停止运动；控制第二电机的第五继电器的公共端与常闭端断开，第二电机停止运动；控制第三电机的第三继电器的公共端与常闭端断开，第三电机而停止运动；此时两无线信号输出系统跟踪到并正对运动物体。用于运动物体的测速和跟踪运动物体。
- 一种多目标人脸识别智能航班信息显示方法及系统-201911068656.6
- 关华;黄俊翔;林文豪;欧益强 - 广东机场白云信息科技有限公司
- 2019-11-05 - 2020-02-14 - G06T7/246
- 本发明公开了一种多目标人脸识别智能航班信息显示方法及系统。一种多目标人脸识别智能航班信息显示方法，包括：摄像头设备实时采集旅客人脸信息；在实时采集视频序列中通过CamShift人脸跟踪算法准确获取旅客人脸信息；将实时获取的旅客人脸信息与安检信息动态人脸库进行身份验证；身份验证通过后，获取到旅客身份信息，查询对应旅客的航班资源，将旅客个性化数据整合到智能航显系统取数引擎流程，形成smart层数据源；智能航显系统的个性化信息显示模板绑定smart层数据源并进行显示。一种多目标人脸识别智能航班信息显示系统，包括：采集模块；人脸跟踪算法模块；身份验证模块；整合模块；显示模块。
- 一种图像中目标跟踪方法-201610633504.6
- 朱明;陈典兵;陈璐 - 中国科学院长春光学精密机械与物理研究所
- 2016-08-04 - 2020-02-14 - G06T7/246
- 本发明公开了一种图像中目标跟踪方法，包括：从图像中采样预设数量的候选粒子，对候选粒子构建稀疏表示模型，稀疏表示模型中包含用于约束粒子的观测向量与残差向量之间差值的L2范数项、以及用于约束粒子的残差向量的L1范数项；求解稀疏表示模型，将重构误差累加和最小的候选粒子确定为目标；根据被确定为目标的候选粒子的重构向量、残差向量以及原模板向量对字典矩阵进行更新。本发明图像中目标跟踪方法，在建立稀疏表示模型中，增加了表示残差矩阵的约束项，在L2范数项中加入了稀疏表示残差矩阵的相关信息，使得对模型的求解更加精确，求解获得目标的稀疏表示系数精度提高，对目标跟踪的精确度及准确度提高。
- 一种基于分层模型的无人机目标跟踪方法-201611262156.2
- 丁文锐;刘春蕾;李红光 - 北京航空航天大学
- 2016-12-30 - 2020-02-14 - G06T7/246
- 本发明公开了一种基于分层模型的无人机目标跟踪方法，属于无人机遥感图像处理领域，包括以下步骤：第一步，建立初始帧目标的特征表达；第二步，建立以均值漂移为基础的粗跟踪模型；第三步，建立以改进的粒子群优化为基础的精跟踪模型。本算法通过引入均值漂移与改进的粒子群优化结合的分层模型，有效克服了因无人机成像特殊性造成视频跟踪难度大，不准确且易丢失的问题，有效提高了目标跟踪的精度。
- 基于运动信息的在线多目标跟踪方法及装置-201710203635.5
- 曹先彬;刘俊英;李岩;郑洁宛;田舒曼 - 北京航空航天大学
- 2017-03-30 - 2020-02-14 - G06T7/246
- 本发明提供一种基于运动信息的在线多目标跟踪方法及装置，属于计算机技术领域。该方法包括：识别当前第t帧图像中的N个跟踪目标，t为大于等于3的整数，N为大于等于2的整数；获取第t帧图像中N个跟踪目标的特征信息，特征信息包括位置信息和尺寸信息；获取N个轨迹片段，每个轨迹片段对应一个跟踪目标在前t‑1帧图像中运动轨迹；根据每一个轨迹片段的置信度，将N个轨迹片段中的一个和N个特征信息中的一个进行关联，更新N个跟踪目标的轨迹片段，且轨迹片段的置信度满足多高斯不确定MGU理论。本发明提供的基于运动信息的在线多目标跟踪方法及装置，提高了多目标跟踪的准确度。
- 运动合成装置和运动合成方法-201910619253.X
- 权柄准;柳文元;张汉镕 - 恩希软件株式会社
- 2019-07-10 - 2020-02-11 - G06T7/246
- 一种运动合成方法，包括：由运动合成装置根据内容运动数据和类型运动数据来获得内容特征值和类型特征值；由运动合成装置利用获得的内容特征值和类型特征值来生成目标特征值；由运动合成装置识别合成运动数据，并从所识别的合成运动数据中获得合成运动特征值；以及，由运动合成装置利用合成运动特征值和目标特征值获得损耗，并根据获得的损耗对合成运动数据进行更新。
- 运动评估方法、装置、计算机设备及存储介质-201911002162.8
- 郭剑飞 - 深圳市网心科技有限公司
- 2019-10-21 - 2020-02-11 - G06T7/246
- 本发明提供了一种运动评估方法，包括：获取教练的第一视频数据及用户的第二视频数据；提取所述第一视频数据的多个第一关键帧图像及所述第二视频数据的多个第二关键帧图像；根据所述多个第一关键帧图像对所述多个第二关键帧图像进行几何变换；根据所述多个第一关键帧图像计算得到第一三维模型及几何变换后的多个第二关键帧图像计算得到第二三维模型；计算所述第二三维模型与所述第一三维模型之间的差异度；根据所述差异度确定所述用户的运动得分。本发明还提供了一种运动评估装置、计算机设备及存储介质。本发明能够精确的计算出用户的运动得分，对用户的运动采用数字化的方式进行评价。
- 一种无人机视频人员识别追踪的方法-201911022698.6
- 陈璐;侯晓宇 - 上海浦东临港智慧城市发展中心;上海中研宏瓴信息科技有限公司
- 2019-10-25 - 2020-02-11 - G06T7/246
- 本发明提供一种无人机视频人员识别追踪的方法，涉及视频处理领域，包括以下步骤：S1：准备需要识别的无人机视频，得到预训练权重，再人工标注无人机视频，得到样本集；S2：基于预训练权重，再次使用RetinaNet模型训练样本集，得到网络权重；S3：基于所述网络权重，基于RetinaNet提取每一帧视频画面中的多个目标人员特征，并对多个目标人员进行分类和定位，对视频画面中的每个目标人员打框；S4：连续处理每一帧视频画面，基于deepsort多目标跟踪算法，完成对每个人员目标的持续追踪，并对每一帧视频画面中的目标人员标号；S5：输出打框和标号后的视频。本发明针对无人机的特点，对无人机视频进行自动化人员识别分析，实现对人员目标的识别追踪方法。
- 一种车辆变道检测方法及装置-201911055604.5
- 罗海斌;段光莹;李金华;庄宏财;陈康琦 - 广东泓胜科技股份有限公司
- 2019-10-31 - 2020-02-11 - G06T7/246
- 本发明公开了一种车辆变道检测方法及装置，通过对视频流中的目标车辆进行提取和跟踪，利用金字塔LK光流法提取目标车辆的运动特征并生成直方图，再通过随机变量则熵法将打破原有车辆行驶规律，引起运动混乱的特征用速度熵和角度熵来体现，判定速度熵和角度熵不在预设范围内目标车辆违规行驶，实现了对车辆的频繁变道以及违规变道的检测。
- 一种采集图片的方法、装置及系统-201910849060.3
- 张琰 - 北京美院帮网络科技有限公司
- 2019-09-09 - 2020-02-07 - G06T7/246
- 一种采集图片的方法、装置及系统，其中采集图片方法包括：控制设备间隔一定时间采集目标对象的图像，根据第一图片与第二图片的区别得到作画速率，判断作画速率和预设的标准速率的关系并做出相应的调节，每隔一定时间控制设备会再次检测此时的作画速率来相应地调节拍照间隔，由此可获得一系列的有效图像并传送给服务器，解决了在远程教学情况下，现有技术无法自动识别作画过程从而获取有效作画图像的问题。
- 一种基于深度学习的多摄像头车辆跟踪系统-201910901586.1
- 张立华 - 盐城吉大智能终端产业研究院有限公司
- 2019-09-23 - 2020-02-07 - G06T7/246
- 本发明公开了一种基于深度学习的多摄像头车辆跟踪的系统，创建多个拍摄摄像头，并对获取的视频中的车辆机型检测；利用深度学习的Caffe框架训练车辆样本图片，生成车辆检测模型；提取车辆特征，分别为全局特征的颜色特征提取和局部特征的SURF算法特征进行提取；利用全卷积孪生网络跟踪算法中的特征向量相似度与多特征合作进行匹配；将跟踪信息存放到专有数据库中，以方便用户查阅跟踪的详细信息，并可通过播放视频内容再次判断目标车辆信息；对不同的摄像头轨迹进行分块处理，绘制车辆的轨迹，创建全局路径。本发明基于深度学习的多摄像头协同分析下的车辆跟踪，得到更精确的多方位识别跟踪技术，对社会治安及交通管制有重要的意义。
- 一种红外运动目标成像跟踪仿真方法-201910965756.2
- 李卓荦;刘相伟 - 北京小眼探索科技有限公司
- 2019-10-12 - 2020-02-07 - G06T7/246
- 本发明涉及一种红外运动目标成像跟踪仿真方法，先获取红外运动目标的各项基础参考数据，再将基础参考数据输入至红外运动目标成像跟踪仿真平台内并完成各系统的建模，该方法通过数字模拟目标红外特性，并对大气传输和光学成像过程建立模型，得到目标的红外图像。然后，对该红外图像进行目标检测和识别，得到目标质心位置，并换算成的角度偏差，将该角度偏差传递给伺服仿真系统，伺服仿真系统完成对目标的运动轨迹跟踪。本发明基于MATLAB环境搭建的一套红外运动目标成像跟踪仿真平台，用以完成数学建模、参数设计、仿真测试。
- 一种基于深度强化学习的物体检测方法-201810257372.0
- 刘华平;韩小宁;孙富春 - 清华大学
- 2018-03-27 - 2020-02-07 - G06T7/246
- 本发明提出一种基于深度强化学习的物体检测方法，属于模式识别技术领域及主动物体检测技术领域。该方法首先建立深度强化学习神经网络；通过对机器人进行多次物体检测实验，获取训练数据对神经网络进行训练，得到训练完毕的神经网络。在使用阶段，机器人获取当前时刻的图像及图像中待检测物体的包络框输入训练完毕的神经网络，网络输出机器人下一时刻执行的动作，机器人执行动作后得到新的当前时刻的包络框并利用识别函数进行判定：若包络框中待检测物体识别可信度高于设定的识别阈值，则物体检测成功。本发明利用强化学习技术对机器人的动作进行控制，利用机器人视角的变化来获得更好的观测图像，从而获得更好的物体检测结果。
- 基于HIS空间的目标跟踪方法-201611258629.1
- 刘立庄;张浩;赵丹 - 中国科学院上海高等研究院
- 2016-12-30 - 2020-02-07 - G06T7/246
- 本发明提供一种基于HIS空间的目标跟踪方法，首先对色调特征矢量进行模糊增强，降低噪声对其干扰；然后利用饱和度阈值方法进一步抑制噪声干扰，把低于饱和度阈值的点作为一类新的特征，将其量化到色调的一个新的指定区间，有效抑制噪声对色调特征的干扰；同时提出跟踪过程中窗宽自适应调整中新的度量函数，有效提高跟踪窗自适应变化的准确性，本发明应用于安防系统中的监控与视频分析中，得到了鲁棒性更强的目标跟踪结果。
- 一种低分辨率下物体移动方向的马尔科夫判断方法-201710212916.7
- 宋耀莲;张雅 - 昆明理工大学
- 2017-04-01 - 2020-02-07 - G06T7/246
- 本发明涉及一种低分辨率下物体移动方向的马尔科夫判断方法，属于低分辨率下物体运动方向判定技术领域。主要步骤包括：首先建立完备的低分辨率下物体连续等时间间隔图像信息数据库；其次，针对低分辨的图像信息，进行图像中值滤波去噪预处理，并采用sift特征匹配算法获得图像角点；再次，从处理过的图像数据库中选出(m+1)帧图像作为训练集合，且取拍摄时间最早的图像A
- 多目标跟踪方法及相应视频分析系统-201810821668.0
- 刘吉 - 北京深鉴智能科技有限公司
- 2018-07-24 - 2020-02-04 - G06T7/246
- 公开了一种多目标跟踪方法及实施该方案的对应视频分析系统。该方法包括：获取目标的检测位置信息；获取目标的预测位置信息；对获取的预测位置信息和检测位置信息进行匹配；在判定某一目标的检测位置信息与某一目标的预测位置信息相匹配的情况下，基于该目标的检测位置更新所述目标的状态信息；在判定某一目标的预测位置没有与之匹配的检测位置的情况下，判定该目标为消亡目标；以及在判定某一目标的检测位置没有与之匹配的检测位置的情况下，判定该目标为新目标或重新出现的目标。由此，通过对各功能模块的合理调配，能够在实现低算力高速跟踪的同时满足较高的跟踪精度要求。
- 一种基于目标检测的异构计算系统、方法和可读存储介质-201911000781.3
- 杨淑铃;曹素芝;闫蕾 - 中国科学院空间应用工程与技术中心
- 2019-10-21 - 2020-02-04 - G06T7/246
- 本发明提供一种基于目标检测的异构计算系统、方法和可读存储介质，所述异构计算系统基于OpenCL平台编程模型开发，其包括：处理器模块和FPGA计算模块，所述处理器模块和所述FPGA计算模块通过AXI总线连接并进行数据交互；处理器模块用于对接收到图像流数据进行预处理，并针对基于所述图像流数据的任务进行划分，控制所述FPGA计算模块执行并行计算任务；FPGA计算模块用于执行对所述图像流数据的并行计算任务，并采用基于形态学的Top‑Hat变换算法实现目标检测；本发明利用FPGA计算模块的高并行计算优势，提高硬件资源利用率，提升系统计算能力，达到计算加速的目的，增强系统时效性；另外，本发明还采用FPGA局部动态重配技术增加系统计算资源利用率，进一步保证时效性。
- 一种基于改进CMT算法的视觉振动测量方法和设备-201911037571.1
- 汪友明;幕晓阳;纪峰;李永超;王清艺;张鑫 - 西安邮电大学;陕西环保产业研究院有限公司
- 2019-10-29 - 2020-02-04 - G06T7/246
- 本发明公开了一种基于改进CMT算法的视觉振动测量方法和设备，该方法包括：获取待测物体表面的待跟踪对象的振动视频图像，所述待跟踪对象具体为所述待测物体表面的自然参照物；基于所述改进CMT算法确定所述振动视频图像中所述待跟踪对象的第一像素位移信息，所述改进CMT算法是对CMT算法进行所述待跟踪对象的特征点检测优化和检测区域优化得到的；对所述第一像素位移信息进行亚像素精度提升处理获取第二像素位移信息；根据所述第二像素位移信息确定所述待测物体的振动信息，从而实现快速对被测物体的远距离、高精度、实时振动测量。
- 特征点跟踪方法和装置-201611001873.X
- 庞富民;孟令航;陈子冲 - 纳恩博(北京)科技有限公司
- 2016-11-14 - 2020-02-04 - G06T7/246
- 本发明公开了一种特征点跟踪方法和装置。该方法应用于具有图像跟踪单元的电子设备，电子设备用于基于图像跟踪单元执行对目标对象的跟踪，该方法包括：确定第一帧图像的特征点相较于第二帧图像的特征点丢失数量n，其中，n为大于1的整数，第二帧图像为第一帧图像在时间维度上的前一帧图像；对第一帧图像执行第一处理直至找到n个新的特征点，其中，第一处理为在图像中随机选取像素点并检测选取的像素点是否为特征点，新的特征点不同于第一帧图像中未丢失的特征点；将第一帧图像中未丢失的特征点和n个新的特征点组合得到第一帧图像的全部特征点。通过本发明，解决了相关技术中的特征点跟踪方法容易导致系统时间开销过大的问题。
- 一种计算机视觉跟踪方法及装置-201810796572.3
- 王冰;温亮生;浮怀铎;徐曜;罗建孝;毛敏 - 中移(杭州)信息技术有限公司;中国移动通信集团有限公司
- 2018-07-19 - 2020-01-31 - G06T7/246
- 本申请实施例中公开了一种计算机视觉跟踪方法及装置。该技术方案基于第一帧图像中跟踪目标的区域信息，从连续采集的第二帧图像中选取至少一个样本，基于至少一个样本与跟踪目标的特征信息、预设高斯分布残差和预设拉普拉斯分布残差，采用预设稀疏表示算法，获取所述至少一个样本中每个样本与跟踪目标的特征信息的稀疏表示系数，基于稀疏表示系数，将至少一个样本中，最小的预设高斯分布残差对应的样本确定为第二帧图像的跟踪目标。该技术方案通过在传统跟踪方法的残差中增加拉普拉斯分布，提高了目标跟踪的准确性。
- 一种基于相关滤波融合卷积残差学习的目标跟踪方法-201910861209.X
- 尚振宏;杨亚光 - 昆明理工大学
- 2019-09-12 - 2020-01-31 - G06T7/246
- 本发明涉及一种基于相关滤波融合卷积残差学习的目标跟踪方法，属于计算机视觉跟踪技术领域。该目标跟踪方法首先对输入帧提取以目标对象为中心的训练块进行模型训练；跟踪时从前一帧预测的中心位置提取搜索块，通过搜索最大响应值来定位目标；根据生成的响应映射范围，更新目标对象在T帧处的宽度和高度；利用残差学习对每一帧采集到的训练块和响应图作为训练对输入到本发明的网络中进行在线更新，从而有效维持模型在目标运动中的预测性能。本发明将相关滤波器表示为一个卷积层，将特征提取、响应生成和模型更新集成到神经网络中进行端到端训练，从而最大程度利用了待跟踪目标的语义信息，提升了跟踪精度。
- 对象跟踪方法、装置、设备及存储介质-201910991222.7
- 周康明;丁子凡 - 上海眼控科技股份有限公司
- 2019-10-18 - 2020-01-31 - G06T7/246
- 本申请公开了一种对象跟踪方法、装置、设备及存储介质，属于计算机技术领域。所述方法包括：将第一视频帧、第二视频帧以及初始位置信息输入至第一神经网络，获取第一神经网络输出的预测动作信息；将第一视频帧、第二视频帧、初始位置信息和预测动作信息输入至第二神经网络，获取第二神经网络输出的第一概率信息，第一概率信息用于指示根据预测动作信息得到的目标对象在第二视频帧中的预测位置准确的概率；当第一概率信息指示的概率大于等于预设概率阈值时，根据预测动作信息获取目标对象在第二视频帧中的预测位置。本申请实施例提供的技术方案可以对视频中的对象进行跟踪。
- 用于检测静态和动态对象以及控制车辆的方法和系统-201510423659.2
- G·坦兹迈斯特 - 宝马股份公司
- 2015-04-29 - 2020-01-31 - G06T7/246
- 本发明涉及一种用于检测静态和动态对象的方法和系统。为了检测静态和动态对象，根据本发明的第一方面借助颗粒卡静态地检测对象，其中在重复步骤中相应地添加新的颗粒。该方法的特征在于，也添加静态颗粒，由此可以对静态对象非常准确地建模。根据本发明的第二方面，产生具有二维布置结构的单元的环境模型，其中每个单元代表一个确定的方位。给每一个单元配置至少两个连续的分类值，该分类值描述单元的不同特性，例如单元是否具有对象、静态对象、动态对象或者是否构成自由空间或者是否无法配置这些分类。
- 抖动背景下的前景提取方法-201710083910.4
- 何冰;侯晓明;顾俊杰;印明骋;陆涛;柴忠良;赖志超;王欣庭 - 国网上海市电力公司
- 2017-02-16 - 2020-01-31 - G06T7/246
- 本发明涉及一种抖动背景下的前景提取方法，包括：步骤S1：初始化图像滑块的尺寸、滑块移动的步长以及滑块的位置；步骤S2：从视频中读取前后帧图像，并得到二值化图像be_frame和af_frame；步骤S3：图像滑块在be_frame和af_frame中的同一位置提取，计算两个提取结果的重心差，得到当前图像滑块位置下前后帧的运动矢量；步骤S4：图像滑块按步长移动，重复步骤S3，直至完成整个图像的提取；步骤S5：根据得到的所有的前后帧的运动矢量计算前后帧的平均运动矢量；步骤S6：根据得到的平均运动矢量对后帧图像反向平移，得到减轻的抖动误差图像；步骤S7：利用高斯混合模型对调整抖动后的前后帧图像进行前景提取。与现有技术相比，本发明具有适用范围广等优点。
- 一种基于背景建模与光流法的录播系统学生起立检测方法-201910844160.7
- 苏寒松;李雪峰;刘高华 - 天津大学
- 2019-09-06 - 2020-01-24 - G06T7/246
- 本发明公开一种基于背景建模与光流法的录播系统学生起立检测方法，包括以下步骤：步骤1，通过黑板正上方全景云台摄像机获取实时学生行为的视频，运行qt程序，对于具体教室环境设置预置信息并保存参数；步骤2，对采集得到的视频在嵌入式开发板中进行处理，获取运动目标的目标矩形；步骤3，用LK光流法找到向上运动的目标矩形；步骤4，将向上运动的目标矩形的上顶点与步骤1中的预置信息中的预置直线进行比较，高过预置直线，判定为起立目标，输出起立目标中心点的坐标信息；步骤5，起立目标的坐标信息与预置信息结合得出跟踪此起立目标所需的跟踪云台的角度焦距，串口发送指令给云台，使云台给起立目标特写，达到实时跟踪起立学生的效果。
- 图像目标检测方法、装置及存储介质-201810754633.X
- 赵世杰;李峰;左小祥 - 腾讯科技(深圳)有限公司
- 2018-07-11 - 2020-01-21 - G06T7/246
- 本发明提供一种图像目标检测方法，其包括：获取检测图像、n级深度特征图框架以及m级非深度特征图框架，其中特征图框架包括输出的特征尺寸以及维度；基于深度特征提取模型，使用i级深度特征图框架对检测图像的(i‑1)级特征进行深度特征提取，以获取检测图像的i级特征；基于非深度特征提取模型，使用j级非深度特征图框架对检测图像的(j‑1+n)级特征进非深度特征提取，以获取检测图像的(j+n)级特征；以及基于特征预测模型，对检测图像的a级特征至(m+n)级特征进行信息回归操作，从而获取检测图像的目标类型以及目标位置。本发明还提供一种图像目标检测装置，本发明整体特征提取速度较快，且对配置资源的需求较低。
- 一种基于扩展Wang-landau蒙特卡罗和KCF的突变运动目标跟踪方法-201910803418.9
- 杨光露;张焕龙;王凤仙;聂国豪;王广胜;李春松;王小克;陈键;陈建中;吕彦旭 - 河南中烟工业有限责任公司
- 2019-08-28 - 2020-01-21 - G06T7/246
- 本发明提供一种基于扩展Wang‑landau蒙特卡罗和KCF的突变运动目标跟踪方法，包括：获取目标图像，并根据所述目标图像的第一帧图像的数据信息对目标的状态参数进行初始化；根据所述目标图像进行初始化网络和初始化扩展Wang‑landau蒙特卡罗方法参数，并在状态空间内根据扩展Wang‑landau蒙特卡罗方法进行预定次数的采样；通过迭代评估，建立可靠的态密度分布，并通过态密度分布进行重要区域提议，确定可能包含目标的重要区域；对重要区域执行KCF方法以确定跟踪目标的位置，并根据跟踪目标的位置截取目标图像块用于下一帧图像的跟踪；重复上述步骤直到最后一帧图像，以获得每一帧图像的跟踪目标的位置。本发明能增大目标状态区域中样本的接受概率，提高样本质量。
- 专利分类
