[发明专利]基于卡尔曼滤波与LSTM的三维多目标跟踪方法有效
| 申请号： | 201911416915.X | 申请日： | 2019-12-31 |
| 公开（公告）号： | CN111161325B | 公开（公告）日： | 2023-05-23 |
| 发明（设计）人： | 彭永坚;汪壮雄;周智恒;黄宇;彭明;朱湘军 | 申请（专利权）人： | 广州视声智能科技有限公司;华南理工大学 |
| 主分类号： | G06T7/277 | 分类号： | G06T7/277;G06N3/049;G06N3/0442 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 郭浩辉;麦小婵 |
| 地址： | 510000 广东省广州市经*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卡尔曼滤波与LSTM的三维目标跟踪方法，包括以下步骤：对输入的三维目标边框进行轨迹初始化；使用恒定速率卡尔曼滤波算法对三维目标边框轨迹进行更新去噪并得到预测轨迹集合；利用匈牙利算法对预测轨迹和当前帧的三维目标边框进行数据关联并更新卡尔曼滤波器；将去噪的三维目标框序列用于训练长短时记忆网络；利用恒定速率卡尔曼滤波算法和匈牙利算法，与训练好的LSTM进行三维目标的跟踪与预测。传统基于卡尔曼滤波的目标跟踪方法，存在非线性拟合能力不足的问题，本方法与传统方法最大不同之处在于使用了深度学习模型LSTM的强力特征提取能力，能够拟合更复杂的运动模型，使得跟踪的结果更加平滑，同时提高了跟踪系统的速度。 | ||
| 搜索关键词： | 基于 卡尔 滤波 lstm 三维 多目标 跟踪 方法 | ||
【主权项】：
暂无信息
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广州视声智能科技有限公司;华南理工大学，未经广州视声智能科技有限公司;华南理工大学许可，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/201911416915.X/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种视觉感知定位方法、装置、电子设备及存储介质-202310819801.X
- 岳莹莹;王孝润;方书晨;窦殿松;郑一辰 - 北京星云互联科技有限公司
- 2023-07-05 - 2023-10-13 - G06T7/277
- 本发明公开了一种视觉感知定位方法、装置、电子设备及存储介质。所述视觉感知定位方法包括：将当前帧中跟踪目标与摄像机的安装位置的相对坐标输入卡尔曼滤波器，得到跟踪目标对应的当前帧估计值；根据当前帧估计值确定当前帧中跟踪目标对应的候选三维信息，候选三维信息至少包括跟踪目标的位置、候选速度和候选航向角；在候选三维信息满足设定优化条件时，根据多个历史三维信息对候选三维信息进行优化得到目标三维信息，多个历史三维信息包括当前帧之前与当前帧相邻的设定大小的滑动窗口中各帧对应的三维信息；在候选三维信息未满足设定优化条件时，将候选三维信息确定为目标三维信息。该方法可以提高对跟踪目标进行视觉感知定位时的精度。
- 机器人路径规划及红外光图像融合方法、系统及存储介质-202310979919.9
- 白华东;李荣德;范立创 - 福州和众信拓科技有限公司
- 2023-08-07 - 2023-10-10 - G06T7/277
- 本发明公开了机器人路径规划及红外光图像融合方法、系统及存储介质；使用机器人的激光雷达、可见光摄像头获取当前外部红外光图像后，采用三轨制实施如下内容：第一个轨道中，首先采用扩展卡尔曼滤波算法Extended Kalman Filter,EKF)处理红外光图像融合，然后输出给Dijkstra算法输出结果但暂时存储；传统的红外光图像处理技术往往忽视了红外光图像中的非线性特性，使得处理结果不够准确和精确。本发明的方法采用扩展卡尔曼滤波算法和元胞自动机模型，能够更好地处理红外光图像中的非线性数据，提高了温度分布和障碍物检测的准确性，从而为路径规划提供更可靠的数据基础。
- 一种低帧率场景下的行人目标跟踪方法及可读存储介质-202310809902.9
- 区英杰;梁柱;董万里;谭焯康 - 广州英码信息科技有限公司
- 2023-07-04 - 2023-10-03 - G06T7/277
- 本发明公开了一种低帧率场景下的行人目标跟踪方法及可读存储介质，所述方法包括以下步骤：初始化卡尔曼滤波参数，根据行人目标检测模型得到的行人目标框的置信度与行人目标框的宽高比的变化率来决定每次迭代中用于更新行人跟踪目标的卡尔曼滤波器的观测噪声的协方差矩阵；使用匈牙利算法计算出行人跟踪目标与行人目标框的全局最优的匹配对；根据匹配结果做相应处理。本发明针对低帧率场景作优化，解决在低帧率场景下容易跟丢目标的问题，可适用于安防场景和低帧率场景，且仅利用目标框位置与运动信息，减低了跟踪算法的运算量以及参数量，同时解偶了检测和跟踪算法，使得可以使用适合的检测模型来解决复杂场景问题。
- 一种球类运动轨迹追踪方法、系统及可存储介质-202310790299.4
- 余银;沈丽芬;刘晨 - 武汉体育学院
- 2023-06-30 - 2023-09-29 - G06T7/277
- 本发明公开了一种球类运动轨迹追踪方法、系统及可存储介质，涉及球类运动轨迹追踪领域。本发明包括以下步骤：在不影响目标球类的自身重量的前提下，将RFID设置于目标球类内部；利用远红外图像获取的方式采集目标球类的运动轨迹；利用RFID获取目标球类的运动轨迹相关物理量；将目标球类的运动轨迹和相关物理量分别进行预处理；利用相关性分析算法得到运动轨迹和相关物理量的映射关系。本发明的方法能够根据球类目标的运动轨迹和相关物理量的映射关系，进而指导击球动作，不需要额外的人工干预，极大地降低了学习成本，提高了整个球类运动学习过程的便利性和自主性。
- 地质灾害监测方法、系统及存储介质-202310617047.1
- 乞耀龙;程晓娜;侯婷;黄平平;谭维贤;徐伟 - 内蒙古工业大学
- 2023-05-29 - 2023-09-26 - G06T7/277
- 本申请提供一种地质灾害监测方法、系统及存储介质。所述方法包括：采集至少一帧待处理图像，其中所述待处理图像中包含待监测目标的目标图像；对所述至少一帧待处理图像进行处理，以确定所述目标图像在所述待处理图像中的感兴趣区域；对每一帧所述待处理图像中的所述待监测目标进行跟踪。本申请实施例通过对所采集的至少一帧待处理图像进行处理，来确定目标图像在待处理图像中的感兴趣区域，并对每一帧所述待处理图像中的待监测目标进行跟踪，本申请能够准确地对待监测目标的运动轨迹进行自动监测。
- 用包含跟踪网络的CNN跟踪对象的方法和使用该方法的装置-201910916111.X
- 金桂贤;金镕重;金寅洙;金鹤京;南云铉;夫硕焄;成明哲;吕东勋;柳宇宙;张泰雄;郑景中;诸泓模;赵浩辰 - 斯特拉德视觉公司
- 2019-09-26 - 2023-09-26 - G06T7/277
- 本发明涉及用包含跟踪网络的CNN跟踪对象的方法和使用该方法的装置，包括以下步骤：(a)测试装置用当前影像帧获得特征映射，并使区域提议网络将运算应用于特征映射，生成提议框的信息；(b)测试装置执行以下处理：(i)(i‑1)根据先前边界框的先前状态向量，通过用卡尔曼滤波算法生成先前边界框的预测状态向量，(i‑2)与预测状态向量对应地，生成当前影像帧上的预测边界框，(i‑3)将选择的特定提议框确定为种子框；(ii)输出位置敏感得分图；(c)使池化层对在位置敏感得分图上与种子框对应的区域进行池化，计算出类别得分和回归增量；(d)参考回归增量和种子框，生成当前边界框，用卡尔曼滤波算法调整当前边界框。
- 一种基于事件相机的自适应目标检测方法及装置-202111187057.3
- 陈博文;徐庶;高爽;刘庆杰;马金艳;管达志;倪文辉 - 中国电子科技南湖研究院
- 2021-10-12 - 2023-09-19 - G06T7/277
- 本发明公开了一种基于事件相机的自适应目标检测方法及装置，选定初始时间和事件重构间隔时间，将在事件重构间隔时间范围内的所有事件组成一个事件窗，获取事件窗对应的均值时间图，初始化自适应目标框的中心点位置和边长，在均值时间图中画出初始目标框，迭代计算当前目标框内所有事件点位置的均值和标准差，并更新目标框直到满足迭代终止条件。本发明实现过程简单且算力要求小，在轻量化平台实现也能达到理想效果。
- 一种基于自适应滤波器的无人机抗遮挡跟踪方法与装置-202310723270.4
- 张会娟;刘振江;刘宏伟;姬淼鑫;吴才章;刘建娟;张弛;袁航;任桂辉 - 河南工业大学;北京圣芯诺科技有限公司
- 2023-06-16 - 2023-09-15 - G06T7/277
- 本发明提供一种基于自适应滤波器的无人机抗遮挡跟踪方法与装置,在传统KCF目标跟踪算法基础上，引入自适应尺度滤波器，利用峰值旁瓣比和非线性平滑移位函数自适应更新位置滤波器学习率与尺度滤波器的学习率；并基于更新后的位置滤波器学习率与尺度滤波器的学习率更新第#imgabs0#帧位置滤波器和尺度滤波器，从而使得位置滤波器和尺度滤波器可以与尺寸和位置变化相匹配，及时准确地更新目标外观模型，进而提高跟踪的稳定性；最后针对无人机跟丢和消失重现问题，引入目标检测网络模型进行重定位，提高系统的鲁棒性。
- 基于运动补偿、联动的多目标循环检测跟踪方法及系统-202310772558.0
- 向其权;文坚;李小波;邓滔;叶舟;胡世林;付强;汤二仁;谭丹;徐嘉;杨培源 - 重庆比特数图科技有限公司
- 2023-06-27 - 2023-09-15 - G06T7/277
- 本发明公开一种基于运动补偿、联动的多目标循环检测跟踪方法及系统，步骤S1:获取目标位置；步骤S2:利用相机运动补偿对目标位置进行增强对齐，再通过运动预测模型预测目标区域；步骤S3:外观特征提取器进行特征提取，指数平均移动EMA更新策略输出当前帧与第个轨迹的外观特征状态；步骤S4:根据预测目标区域和检测框的马氏距离，得出运动成本；根据外观特征状态与历史帧的余弦距离，得出外观成本；步骤S5:对外观成本和运动成本加权和，输出目标物的ID、位置；步骤S6：判断目标大小是否符合预设临界值，若小于预设临界值控制联动相机进行实时调整倍数，若即将出视野控制将目标物居中。本发明提高了跟踪效率、匹配质量，减少了匹配时间。
- 一种密集条件下跨时间序列的家蚕个体身份识别方法-202310774280.0
- 石洪康;陈肖;李林波;肖文福;祝诗平;张剑飞 - 四川省农业科学院蚕业研究所;西南大学
- 2023-06-28 - 2023-09-12 - G06T7/277
- 本发明提供一种密集条件下跨时间序列的家蚕个体身份检索识别方法。该方法利用深度学习中的目标检测技术，首先在时间序列的起始时刻使用检测模型检测出家蚕个体，并对检测到的每只家蚕分配一个身份编号，而后使用卡尔曼滤波器预测每只家蚕在下一时刻的位置，而后再次使用目标检测模型在第二时刻进行个体检测，并使用匈牙利算法将上一时刻的预测结果与当前时刻的检测结果进行关联匹配，关联成功的家蚕即为同一只家蚕，共用一个身份编号，从第二时刻起对于新检测到的个体增加身份编号，未检测到的家蚕始终保留身份编号，再次使用卡尔曼滤波预测每只家蚕在下一帧的位置，通过在序列帧图像上循环进行个体检测、位置预测、身份匹配和位置更新等步骤，实现在密集条件下跨时间序列的家蚕个体身份检索识别。
- 基于FPGA的混合高斯粒子目标跟踪方法-202210186649.1
- 高志升;汪旭彬;冯波 - 西华大学
- 2022-02-28 - 2023-09-05 - G06T7/277
- 本发明涉及一种基于FPGA的混合高斯粒子目标跟踪方法，包括以下步骤：接收视频图像，并将图像存储在FPGA外挂的SRAM中；进行初始化处理；从SRAM里取随机数，根据状态转移模型，对前一帧得到的粒子状态进行状态转移，得到新的粒子，然后计算各新粒子的仿射变换后的坐标位置；将状态计算单元的数据形成新的仿射图像模板的坐标，作为读SRAM中图像的地址，读出仿射变换后的图像数据，输入到混合高斯模型中更新参数，得到新的目标观测模型；根据观测模型的数据，计算各粒子的概率，将最大概率粒子状态存入寄存器，作为跟踪位置输出，同时更新混合高斯模型。本发明利用FPGA的强大吞吐力，基于高斯混合粒子实现目标跟踪，解决了传统粒子滤波需要重复采样的问题。
- 联合遮挡目标检测及目标跟踪方法-202310704420.7
- 王正友;高新月;张硕;庄珊娜;王辉;白晶;李泽义 - 石家庄铁道大学;北京理工大学唐山研究院;河北天强科技有限公司
- 2023-06-14 - 2023-09-05 - G06T7/277
- 本发明公开了一种联合遮挡目标检测及目标跟踪方法，涉及视频处理方法技术领域。所述方法包括：通过目标检测器同时保留高分检测框及低分检测框；利用卡尔曼滤波进行运动目标轨迹预测，得到目标当前帧预测框；运用基于时空特征的目标跟踪方法对高分检测框进行目标跟踪；并利用轨迹预测框与低分检测框的运动轨迹相似度以及时空特征相似度计算，以区分低分检测框为跟踪目标还是背景，达到恢复低分检测目标并过滤掉背景误检的目的。所述方法可以有效的解决目标在遮挡情况下的检测问题，并有效提升在目标遮挡情况下的跟踪性能。
- 多光谱视觉显著性的弱小舰船目标跟踪方法、设备及介质-202310270255.9
- 孟樊;赵国灿;张国军 - 中国科学院微电子研究所
- 2023-03-15 - 2023-09-05 - G06T7/277
- 本发明提供了一种多光谱视觉显著性的弱小舰船目标跟踪方法、设备及介质，方法包括：通过利用多视觉显著特征融合的策略分割候选舰船斑块，在单帧影像每个波段上进行海域舰船检测，以获得疑似舰船目标的质心位置、大小和相应波段的灰度特征；对于多个谱段影像所检测的目标位置进行了全局最近邻关联，以获取最终的可靠舰船目标；通过多模态数据之间的多目标关联匹配，对每帧影像的舰船位置进行精确的几何校正；设计了一种改进的基于多光谱辐射和尺寸特征的多假设跟踪算法，用于跟踪舰船轨迹并估计其运动状态。通过本申请能够以非常高的精确度和召回率有效地检测和跟踪GF‑4遥感影像序列中的弱小舰船目标，产生当前最先进的性能。
- 基于自适应核宽卡尔曼滤波的机器人定位方法-202310600418.5
- 高松;马浩然;彭倍;刘凯;陈润乾;何嘉诚;王刚 - 电子科技大学
- 2023-05-25 - 2023-09-01 - G06T7/277
- 本发明涉及特种机器人定位技术领域，具体而言，涉及基于自适应核宽卡尔曼滤波的机器人定位方法，该方法的步骤包括：基于特种机器人配备的惯性定位单元与编码器，构建特种机器人的运动学方程与观测方程，所述特种机器人的运动学方程表征为理论位置数据，所述特种机器人的观测方程表征为观测位置数据；将理论位置数据及观测位置数据带入基于自适应核宽的最大相关熵卡尔曼滤波算法进行校正计算，完成特种机器人的精确定位，其中，自适应核宽通过KL散度优化求得。本发明能够结合惯性定位单元和编码器数据信息，去除外界变化的过程噪声和观测噪声的影响，实现特种机器人更准确的定位。
- 一种基于变形超椭圆的扩展目标跟踪方法-202310635851.2
- 姚思亦;高林;李万春 - 电子科技大学
- 2023-05-31 - 2023-09-01 - G06T7/277
- 本发明属于扩展目标跟踪技术领域，具体涉及一种基于变形超椭圆的扩展目标跟踪方法。本发明使用变形超椭圆来模拟扩展目标的形状，扩展目标的运动状态被两组参数表示，第一组是非线性变换前的形状也就是超椭圆的中心的位置坐标，第二组是中心在各个方向的速度。为了描述在变形超椭圆的轮廓以及内部均匀产生的量测，本发明提出了一种新的量测的似然模型，在此基础上可以计算量测的后验概率。使用粒子滤波对扩展目标的形状参数进行估计并得到第一组运动状态的量测信息，再结合卡尔曼滤波对扩展目标的运动状态的第二组参数进行估计，并对粒子滤波估计得到的中心坐标进行矫正。
- 一种基于高斯混合无迹卡尔曼滤波的目标跟踪方法-202310606384.0
- 何嘉诚;彭倍;王刚;王洁;陈建;龚犇飏;马浩然 - 电子科技大学
- 2023-05-26 - 2023-08-29 - G06T7/277
- 本发明提供了一种基于高斯混合无迹卡尔曼滤波的目标跟踪方法，包括：通过高斯混合模型对测量噪声进行分解，得到多个高斯噪声分量模型；所述多个高斯噪声分量模型为具有不同均值、方差和混合比例的高斯分布；基于所述多个高斯噪声分量模型，确定滤波系统分别在每个高斯噪声分量下的状态方程和测量方程；基于多个所述状态方程和所述测量方程，融合得到目标的融合状态和融合协方差；通过测量噪声的分解和目标状态的加权融合，抑制了噪声的影响提高了目标跟踪的准确性。
- 植物叶片气孔个体行为检测分析方法、系统及存储介质-202210730549.0
- 孙壮壮;金时超;李庆;姜东 - 南京农业大学
- 2022-06-24 - 2023-08-29 - G06T7/277
- 本申请提供一种植物叶片气孔个体行为检测分析方法、系统及存储介质。本申请通过多目标跟踪算法识别视频图像中各气孔位置，通过目标检测算法检测视频图像中各气孔的开闭状态，再将两者进行匹配，标记出气孔的开闭时间，实现对气孔开闭时序的跟踪解析。本申请通过对植物叶片视频的检测分析，利用多深度学习任务的集成系统获得气孔个体开闭状态、长宽、面积和周长等多种性状。相对于传统的气孔性状研究，本发明通过对气孔视频的超时序解析技术，结合目标检测和语义分割等算法，实现气孔开闭状态的定性跟踪和气孔形态特征的量化分析，有助于分析气孔个体开闭节律的生理机理，揭示气孔个体和群体水平的运动规律。
- 一种基于改进目标检测网络的在线行人跟踪方法-202310327267.0
- 蒋畅江;舒鹏;刘朋 - 重庆邮电大学
- 2023-03-30 - 2023-08-25 - G06T7/277
- 本发明涉及一种基于改进目标检测网络的在线行人跟踪方法，属于目标检测领域，包括：将当前帧图像输入融合CA注意力机制的YOLOX目标检测，根据目标检测的置信度分为高分检测框和低分检测框，高分检测框和卡尔曼滤波预测框利用ReID网络和GIoU进行相似度匹配，成功匹配上的用卡尔曼滤波更新，对于得分较高但没有匹配上跟踪轨迹的检测框，新建一个跟踪轨迹，第二次匹配使用低分检测框和第一次没有匹配上的高分检测框的追踪轨迹(由于当前帧受到严重遮挡得分低的物体)进行匹配，而对于没有匹配上检测框的追踪轨迹会保留30帧，在其再次出现时进行匹配，如果没有就进行删除。本发明可有效降低遮挡对识别的影响，提高识别率和识别速度。
- 一种多目标车辆跟踪方法-202110795714.6
- 周昕;陈志;李玲娟;岳文静 - 南京邮电大学
- 2021-07-14 - 2023-08-25 - G06T7/277
- 本发明提供了一种多目标车辆跟踪方法，首先输入实际拍摄的车辆视频，检测模块使用RFB‑Net网络，使用VOC2007数据集中的车辆数据训练，将检测器输出作为跟踪模型输入；然后获取目标检测框，进行表观特征或运动特征的提取；接着进行相似度计算，根据前后两帧目标之间的匹配程度进行数据关联，为每个对象分配目标的ID；本发明可以较好地解决车辆移动速度快、目标相似度高以及目标相互遮挡导致跟踪失败的问题。
- 基于ByteTrack的无人机多目标跟踪方法-202310657940.7
- 王卫兵;高阳 - 哈尔滨理工大学
- 2023-06-06 - 2023-08-22 - G06T7/277
- 一种基于ByteTrack多目标跟踪算法的解决方案。为了应对预测轨迹不完整的问题，设计了一个全尺度卷积神经网络（OSNet）学习外观特征并计算外观相似度，从而增强模型的重识别能力。同时，采用ByteTrack数据关联算法来对检测框和跟踪轨迹之间的相似性进行评估和区分，将高分框和低分框进行分类处理，以解决由观测丢失（遮挡或不可靠的检测）导致的轨迹预测问题，从而提高跟踪轨迹的完整性。针对检测目标缺失可能导致的误差积累问题，在重新关联非活动轨迹与检测到的目标的框架中。并提出一种在线平滑滤波(OOS)方法，该方法为目标对象构建一条虚拟轨迹，从跟踪丢失之前的最后一个检测点开始，到新匹配到的检测结束，通过平滑卡尔曼滤波器参数对轨迹进行处理，以获得更准确的目标位置估计。
- 基于核相关滤波的目标跟踪方法及系统-202010106045.2
- 钱启 - 中科星图股份有限公司
- 2020-02-20 - 2023-08-22 - G06T7/277
- 本公开的实施例提供了基于核相关滤波的目标跟踪方法、系统、设备和计算机可读存储介质。所述方法包括在第一帧中得到目标的检测边界框，将目标分配为活跃状态；根据检测边界框进行核相关滤波训练；在后续帧中进行核相关滤波检测，得到核相关滤波跟踪候选框；与后续帧中检测边界框进行匹配；若匹配成功，保持为跟踪状态，利用核相关滤波跟踪候选框与检测边界框得到最终跟踪边界框，更新目标的核相关滤波追踪器；若匹配失败，将后续帧检测到的目标分配为跟丢状态，从过去帧中找出丢失的目标并计算相似距离；若小于阈值，分配为跟踪状态；否则分配为活跃状态。以此方式，鲁棒性更强；充分利用了单目标跟踪中相关滤波技术产生的高效跟踪框。
- 一种航空红外视频多目标检测与跟踪方法及装置-201811383075.7
- 王谷言;祁鑫博 - 北京悦图遥感科技发展有限公司
- 2018-11-20 - 2023-08-18 - G06T7/277
- 本发明实施例提供一种航空红外视频多目标检测与跟踪方法及装置，包括：获取航空红外视频；对所述航空红外视频中的多目标的位置利用自适应阈值法进行检测，得到所述航空红外视频中多目标的位置；对所述航空红外视频中的多目标的位置利用核相关算法进行跟踪，获取所述航空红外视频中的多目标的运动轨迹。本发明实施例将航空红外视频多目标检测与跟踪巧妙地结合起来，并采用一定的数据存储结构将多目标的位置独立存储，实现了航空红外视频中多目标的自动检动态测与跟踪。
- 一种基于变分推断的非线性滤波分布式目标跟踪方法-202310631606.4
- 尚梓杰;高林;李万春 - 电子科技大学
- 2023-05-31 - 2023-08-15 - G06T7/277
- 本发明属于目标跟踪和融合技术领域，涉及一种基于变分推断的非线性滤波分布式目标跟踪方法。常规的非线性滤波分布式算法的量测噪声参数是假设已知的，本发明将其拓展为在未知量测噪声参数情况下的单目标追踪场景中的基于变分推断的非线性滤波分布式算法，分布式算法下每个传感器对目标状态的权重似然参数趋于一致，使得算法有较强的鲁棒性，计算量小，灵活性和及时性高的优点，再结合变分推断法可以很好地在未知量测噪声方差情况下的分布式多传感器场景中实现精度较高的目标跟踪，与量测噪声方差已知的分布式粒子滤波算法拥有接近的跟踪精度，增强其实用性。
- 一种基于三维点云的铁路工地区域入侵检测方法及系统-202211039577.4
- 房灵国;左睿;张红勇;路耀邦;王胜楠;陈光;刘玉振;刘雪松;宋林 - 中铁云网信息科技有限公司
- 2022-08-29 - 2023-08-15 - G06T7/277
- 本发明提供一种基于三维点云的铁路工地区域入侵检测方法及系统，其中方法包括使用激光雷达采集铁路工地区域的三维点云数据，还包括以下步骤：对当前帧的所述三维点云数据进行预处理，提取三维点云中的有效信息；在检测开始前，对采集到的整个场景中的所述三维点云数据进行区域划分，标记安全区域与危险区域边界；对三维场景中位于危险区域的运动目标进行检测；对检测到的所述运动目标进行追踪；通过预先设定的入侵规则对所有运动目标进行判别，当发现有目标触犯入侵规则时，将入侵信息发送给告警模块触发警报。本发明利用三维点云数据对铁路工地中的危险区域进行监测和告警，从而实现对工地现场安全的实时监管。
- 一种基于修正DeepSORT的多传感目标群智跟踪方法-202310449562.3
- 张晖;王呈呈;赵海涛;朱洪波 - 南京邮电大学
- 2023-04-24 - 2023-08-04 - G06T7/277
- 本发明公开了一种基于修正DeepSORT的多传感目标群智跟踪方法，所述方法通过多个摄像头对任务区域进行目标跟踪：利用各摄像头实时获取任务区域的监控视频；采用基于匈牙利算法的匹配方法，获得摄像头之间当前视频帧的匹配目标并赋予身份ID；针对每个摄像头，分别利用DeepSORT方法对当前视频帧中分配身份ID的目标进行跟踪，直至目标跟踪任务结束。本发明利用一种基于目标空间位置的自适应融合特征计算马氏距离衡量目标相似度，最后利用匈牙利算法实现目标匹配，提高了目标的匹配的准确率；利用最小二乘法拟合预测加速度，进而修正卡尔曼滤波的输入速度参量，提高了DeepSORT算法的卡尔曼滤波预测的准确性，从而提高目标跟踪的准确率。
- 基于稀疏光流运动补偿的两阶段多目标追踪方法及产品-202310518914.6
- 郑海霞;韩洁;贺宇航;龚怡宏;张玥;魏星 - 西安交通大学
- 2023-05-09 - 2023-08-01 - G06T7/277
- 本发明提供了一种基于稀疏光流运动补偿的两阶段多目标追踪方法及产品，涉及多目标追踪技术领域，包括：分阶段处理目标检测器输出的多目标信息，第一阶段匹配针对高置信度的候选目标，同时考虑待追踪目标与轨迹目标的运动相似度和外观相似度，并以一种合理可靠的方式将两个相似度融合成追踪相似度，基于追踪相似度为候选目标分配轨迹；第二阶段匹配针对低置信度的候选目标，仅考虑待追踪目标与轨迹目标的运动相似度，基于运动相似度为候选目标分配轨迹，重复上述两个阶段的匹配，直至追踪序列的最后一帧图片，输出轨迹集合。本发明提供的多目标追踪方法在针对相机运动、目标快速运动等复杂场景的多目标追踪中取得更加鲁棒的性能。
- 一种基于三维眼球模型和卡尔曼滤波的注视特征跟踪方法-202210806512.1
- 孙立;贝史涛;张昊泽;宋明黎 - 浙江大学
- 2022-07-08 - 2023-07-21 - G06T7/277
- 本发明提供一种基于三维眼球模型和卡尔曼滤波的注视特征跟踪方法，能够提升视线追踪过程中特征提取的速度。所述方法包括下列步骤：1)检测部分输入图像序列的瞳孔特征和普尔钦斑特征的信息；2)根据特征构建三维眼球模型；3)基于卡尔曼滤波预测当前帧的眼球姿态；4)基于三维眼球模型计算当前预测的瞳孔和普尔钦斑的投影区域；5)适当扩大选区边缘并在其中检测当前帧的特征；6)重复上述步骤3)至5)，直至人眼视频帧序列输入结束。
- 一种用于3D点云的目标实时跟踪方法和系统-202310395082.3
- 高思聪;邱中原;陈义飞;梁爽 - 北京超星未来科技有限公司
- 2023-04-13 - 2023-07-18 - G06T7/277
- 本发明涉及一种用于3D点云的目标实时跟踪方法和系统。所述方法包括：将轨迹库中的多个轨迹中的每个的卡尔曼滤波状态预测到输入的检测框的时间戳，并输出所述多个轨迹中的每个相对应的预测框；将所述检测框和所述预测框进行匹配，并输出匹配结果；当所述匹配结果为所述匹配的所述检测框和所述匹配的所述预测框时，通过所述匹配的所述检测框更新所述匹配的所述预测框的轨迹的卡尔曼滤波状态和所述轨迹的分数；当所述匹配结果为所述未匹配的所述检测框和未匹配的所述预测框时，基于所述未匹配的所述检测框产生新的轨迹，并且基于所述未匹配的所述预测框更新所述轨迹的分数。通过本公开的处理方案，在提高了目标实时识别的准确性的同时缩短了处理时间。
- 一种基于目标检测和动态关联的多目标跟踪方法及系统-202310487435.2
- 邱志鹏;李凡平;石柱国 - 以萨技术股份有限公司
- 2023-04-28 - 2023-07-18 - G06T7/277
- 本发明属于目标跟踪技术领域，尤其涉及一种基于目标检测和动态关联的多目标跟踪方法及系统，其根据动目标的实际位置和预测的目标位置得到动目标与跟踪轨迹的运动信息匹配结果；基于提取的行目标轨迹的深度特征和当前图像中动目标的深度特征向量得到动目标与跟踪轨迹的表观特征匹配结果；基于动目标与跟踪轨迹的运动信息匹配结果和表观特征匹配结果，将动目标的分块颜色特征融合至关联匹配阶段，判断动目标与跟踪轨迹是否匹配成功，若匹配成功，更新目标的状态，否则初始化未匹配到的目标。提高了目标跟踪的准确率，在多目标跟踪在场景化通用目标识别与行为分析技术中具有重要的意义。
- 一种面向抖动模糊场景的DeepSORT目标跟踪方法-202310303724.2
- 杨玉东;张秀文;戴骥 - 淮阴工学院
- 2023-03-27 - 2023-07-14 - G06T7/277
- 本发明公开了一种面向抖动模糊场景的DeepSORT目标跟踪方法，包括：(1)训练DeepSORT算法的行人检测器，根据得到的行人权重，训练行人重识别ReID网络；(2)在DeepSORT算法的目标轨迹预测阶段，采用卡尔曼滤波进行轨迹预测，采用具有仿射变换的全局运动补偿GMC，对卡尔曼滤波进行补偿；(3)在DeepSORT算法的数据关联阶段，采用欧式距离匹配，对级联匹配未成功的轨迹进行再次匹配；(4)获取视频，进行行人目标跟踪。本发明基于GMC以及欧氏距离关联匹配对DeepSORT算法进行优化，能够提升非固定监控视频场景下的目标跟踪效果。
- 专利分类
