[发明专利]基于序列帧图像特征点跟踪的机器人快速定位方法及系统在审
| 申请号： | 202310568665.1 | 申请日： | 2023-05-19 |
| 公开（公告）号： | CN116486111A | 公开（公告）日： | 2023-07-25 |
| 发明（设计）人： | 吴旭;翟树峰;朱玲羽;潘李越云;吴甜甜;张贵阳;吴健;夏震然 | 申请（专利权）人： | 常熟理工学院 |
| 主分类号： | G06V10/62 | 分类号： | G06V10/62;G06V10/764;G06V10/25;G06V10/766;G06T7/246;G06V10/774;G06V10/82;G06V20/40 |
| 代理公司： | 常州佰业腾飞专利代理事务所(普通合伙) 32231 | 代理人： | 何磊 |
| 地址： | 215500 江*** | 国省代码： | 江苏;32 |
| 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序列帧图像特征点跟踪的机器人快速定位方法及系统，包括：获取视频序列，选择目标，构建循环样本矩阵，循环移动目标图像块得到周期性训练样本；训练分类器，获得分类器；对目标进行检测，在神经网络检测到目标后的一定时间内，将检测算法改为目标跟踪算法。通过循环移动目标图像块得到周期性训练样本，同时通过离散傅立叶变换的简化计算过程，改进核相关滤波器来提高目标点的实时跟踪性能。 | ||
| 搜索关键词： | 基于 序列 图像 特征 跟踪 机器人 快速 定位 方法 系统 | ||
【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常熟理工学院，未经常熟理工学院许可，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/202310568665.1/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种聚类方法、系统、控制装置及可读存储介质-202310938922.6
- 凌英剑;田国栋 - 云从科技集团股份有限公司
- 2023-07-27 - 2023-10-17 - G06V10/62
- 本发明涉及聚类技术领域，具体提供一种聚类方法、系统、控制装置及可读存储介质，旨在解决如何有效聚类低质量图片的问题。为此目的，本发明的聚类方法包括：获取待聚类目标的向量特征信息和时空轨迹信息；根据所述向量特征信息和时空轨迹信息，得到待聚类组中两个待聚类目标的相似度；根据所述两个待聚类目标的相似度，得到聚类结果。通过在聚类判定加入时空轨迹作为判定依据，通过利用低质量的图像内部的时空轨迹信息，使得其能够参与聚类，增加了图像的利用率，并且提高了聚类效果。在判定时根据相似度进行判定。同时改变原有图像之间的对比，以轨迹的形式即数据组的形式进行判定，减少了图像一一对比的计算量，能够更加高效快速的完成聚类。
- 一种基于医学超声造影视频的目标跟踪方法-202310780859.8
- 黄庆华;田皓哲;于杰 - 西北工业大学
- 2023-06-29 - 2023-10-13 - G06V10/62
- 本发明公开了一种基于医学超声造影视频的目标跟踪方法，首先将超声造影图像转化为一个具有有效性标注的帧序列；然后结合当前有效帧和前一个有效帧的光流信息计算运动先验注意力，并以此推测当前有效帧中目标位置；接下来构建目标定位模型，通过对特征图的互相关计算并进行反卷积得到相关性得分图，根据得分最高的位置确定目标区域位置；最终依据目标定位模型得到的相关性得分图计算更新系数，最终通过对当前有效帧中预测区域和模板的加权求和作为更新后的模板。本发明设计的跟踪方法捕获目标区域的运动信息并结合时间信息提供了预测，缩小了搜索范围，降低了错误判断的风险。
- 对象位置生成方法、装置、电子设备和计算机可读介质-202310773006.1
- 张韵东;隋红丽;王天雷;刘小涛 - 北京中星天视科技有限公司
- 2023-06-27 - 2023-10-13 - G06V10/62
- 本公开的实施例公开了对象位置生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取预设时间段内摄像头拍摄的视频，作为初始视频；将初始视频中的每帧图像确定为初始视频帧，得到初始视频帧序列；对于初始视频帧序列中的初始视频帧，执行以下处理步骤：响应于确定初始视频帧不是终止初始视频帧，对初始视频帧进行数据增强处理，以生成增强后图像；响应于确定下一初始视频帧是终止初始视频帧，确定下一初始视频帧的至少一个目标对象位置信息为终止初始视频帧的至少一个目标对象位置信息。该实施方式实现了对象位置生成，加强了特征提取，提高了泛化能力。
- 物体位姿检测追踪方法、装置、电子设备及存储介质-201911105092.9
- 张惊涛;程骏;胡淑萍;王东;郭渺辰;庞建新;熊友军 - 深圳市优必选科技股份有限公司
- 2019-11-13 - 2023-10-13 - G06V10/62
- 本申请提供了一种物体位姿检测追踪方法、装置、电子设备及存储介质，其方法包括：基于采集的图像获取含有目标物体的边界框区域，以根据所述边界框区域获取目标物体图像；从所述目标物体图像中获取所述目标物体的第一特征点以及与所述第一特征点对应的特征描述子；将所述特征描述子输入至预先建立的三维模型中进行特征点匹配，以获取与所述三维模型匹配的第二特征点；根据所述第二特征点对所述目标物体进行位姿求解，以获取所述目标物体的位姿估计结果，其中，所述位姿求解的方式包括迭代求解；根据所述位姿估计结果对所述目标物体进行位姿跟踪。上述方法有效区分同一场景下的相同或相似物体，避免了位姿计算出错，省时且准确。
- 多目标跟踪方法、特征提取模型的训练方法和装置-202010415131.1
- 高涵;万吉;林坚 - 北京百度网讯科技有限公司
- 2020-05-15 - 2023-10-13 - G06V10/62
- 本申请公开了一种多目标跟踪方法、特征提取模型的训练方法和装置，涉及计算机视觉领域，可用于自动驾驶。方案为：获取多个训练图像对，训练图像对包括第一目标和第二目标，将该训练图像对调整到预设尺寸后输入到特征提取模型进行训练，得到该训练图像对中的每个目标的特征以及该训练图像对中的两个目标的相似度，该特征提取模型为孪生神经网络模型，根据训练结果计算每个训练图像对的损失值，根据该多个训练图像对的损失值，对特征提取模型的参数进行调整。该方法训练得到的特征提取模型能够直接提取图像中的目标的特征，不再依赖于检测模型，且提取得到的图像特征更加准确，可以应用于后续的多目标跟踪过程中，提高了目标跟踪的准确性。
- 行人重识别方法、装置、智能设备和存储介质-202310442461.3
- 林建业 - 普联技术有限公司
- 2023-04-21 - 2023-10-03 - G06V10/62
- 本申请涉及目标识别技术领域，尤其涉及一种行人重识别方法、装置、智能设备和存储介质。该方法包括对当前时刻采集的监控视频进行预处理，得到目标图像及所述目标图像对应的目标音频；对所述目标图像进行人形识别，得到目标人形；对所述目标音频进行脚步声特征提取，得到目标脚步声特征；将所述目标人形及所述目标脚步声特征与历史特征数据库中的历史人形及历史脚步声特征进行匹配，并根据匹配结果进行行人重识别。采用该方法可提高行人重识别的识别精准度，减少误判。
- 一种多摄像头融合的实时车辆跟踪方法及装置-202310617390.6
- 宋建斌;姜德宏;武英杰;刘寰;王伟;耿亚玮;刘尹强;林宝华;陈卫强;王兆明;陈岱庚;张照;张紫昱 - 招商局公路网络科技控股股份有限公司;招商新智科技有限公司
- 2023-05-29 - 2023-09-29 - G06V10/62
- 本发明涉及车辆跟踪技术领域，具体涉及一种多摄像头融合的实时车辆跟踪方法及装置，为解决对车辆跟踪存在部分路段失踪的问题。该实时车辆跟踪方法，包括：获取道路环境下沿线监控设备的图像初始数据，并基于图像清晰度在所述图像初始数据中定义图像基准数据；对每个监控设备的所述图像初始数据中的车辆进行识别，得到车辆图片数据；对图像基准数据进行识别，得到车辆图片基准数据，将所述车辆图片数据和所述车辆图片基准数据输入车辆结构化算法模型中进行识别，获得车辆结构化信息；以图像基准数据为标准，对车牌信息进行自定义修正；进行路径拟合补缺；车辆路径轨迹还原达到实时对车辆进行跟踪的效果。使得车辆跟踪连续不中断。
- 一种基于通道注意力和时空感知的单目标跟踪方法及跟踪系统-202310701383.4
- 钱小燕;朱新瑞;陶旭东;马英洲;李智昱;杨镇源;施俞洲 - 南京航空航天大学
- 2023-06-14 - 2023-09-22 - G06V10/62
- 本发明公开了一种基于通道注意力和时空感知的单目标跟踪方法及跟踪系统，方法包括如下步骤：输入模板图像与搜索区域图像，通过两支权值共享的RepVGG骨干网络分别提取两者的分层特征；通过基于通道注意力机制的融合模型对两特征图进行自注意力和交叉注意力的特征交融；通过分类分支、边框回归分支以及中心度回归分支完成对目标的跟踪预测；通过阈值判断完成模板的实时更新，将后续帧的时间信息加入到融合网络中，从而实现完整的目标跟踪；展示跟踪性能。系统包括：特征提取模块、特征融合模块、跟踪预测模块和性能展示模块；本发明让模版特征随时空变化自适应地增强其完备性，从而提高跟踪的鲁棒性。
- 徘徊检测方法、徘徊检测装置以及计算机可读存储介质-202310513619.1
- 王桂玲;章恩雪;王浩;王芷薇;张珍 - 浙江大华技术股份有限公司
- 2023-05-06 - 2023-09-05 - G06V10/62
- 本申请提供一种徘徊检测方法、徘徊检测装置以及计算机可读存储介质。该徘徊检测方法包括：获取同一时刻采集的第一相机的第一检测图像，以及第二相机的第二检测图像；基于所述第一相机与所述第二相机的变换关系，将所述第二检测图像变换到所述第一检测图像的坐标系，得到所述第一检测图像与所述第二检测图像的融合图像；在所述融合图像检测行人的轨迹路径；基于所述轨迹路径，判断所述行人的往返次数是否大于预设次数；若是，则确认所述行人出现徘徊行为。通过上述方式，徘徊检测装置通过多相机拼接，实现较大范围的徘徊检测，通过多相机联动抓图，提高重点场所的人员徘徊识别率。
- 一种解决无人机视角车辆跟踪长时间遮挡的方法-202310577611.1
- 黄天宇;谭翠前;方雯;范志豪;许鹏健;贺坤;黄枭;黄业勇 - 中恩工程技术有限公司
- 2023-05-22 - 2023-09-01 - G06V10/62
- 本发明公开了一种解决无人机视角车辆跟踪长时间遮挡的方法，包括以下步骤，将丢失轨迹沿运动方向延伸至图片边界。通过连接轨迹中最后两个检测框的中心点得到直线和前进方向，并延伸至图片边界；寻找与丢失轨迹延长线相交的检测框(检测框为当前帧匹配步骤中未匹配上的框)，在每一个视频帧执行完跟踪匹配的所有流程后，得到没匹配上的检测框，筛选与轨迹延长线相交的检测框；通过在两个检测框中的空缺区域进行线性插值，补充中间丢失的检测框，并用这些检测框更新卡尔曼滤波，从而让卡尔曼滤波器能够进行正常的更新的设置，从而大幅度减少了车辆被长时间遮挡后的ID切换，提高了跟踪的准确性，也保证了车辆分类计数的结果可靠性。
- 处理图像时间序列的方法、系统、装置和介质-202310651456.3
- 劳江微;郭昕;张营营;王剑;陈景东;褚崴 - 支付宝（杭州）信息技术有限公司
- 2023-06-02 - 2023-09-01 - G06V10/62
- 公开了用于处理图像时间序列的方法，包括标识图像时间序列的查询帧的多个临近帧和一个参考帧；得到该查询帧的短程时间表示；得到该查询帧的长程时间表示；以及基于该查询帧的该短程时间表示和该长程时间表示得到该查询帧的增强表示。还公开了相应的系统、装置和计算机可读存储介质。
- 实时视觉目标跟踪方法、装置、及存储介质-202310664980.4
- 祁燕;吴洋 - 南京军拓信息科技有限公司
- 2023-06-07 - 2023-08-29 - G06V10/62
- 本发明提供了一种实时视觉目标跟踪方法、装置、及存储介质，将探测范围广且捕获信息量丰富的可见光相机作为传感器，获取视野中指定的任意目标的信息。该方法能够在姿态变化、尺度变化、运动模糊等各种复杂场景下提取具有强辨别性的目标特征信息，快速定位目标的准确位置从而实现高鲁棒实时的跟踪效果。此外，该方法所涉及的跟踪框架实现对模板图像和搜索图像特征信息的有效提取和关系建模，使模板和搜索区域在特征提取阶段实现多层次和更全面的信息交互，利用模板的目标特征信息增强跟踪器的判别能力，降低非目标区域的噪声干扰，提高推理效率，进而构建具有高鲁棒性实时的跟踪模型，实现对指定的任意目标进行准确且稳定的跟踪。
- 图像处理方法及装置、存储介质及电子设备-202310587506.6
- 张琦;杨明川;刘巧俏;邹航 - 中国电信股份有限公司北京研究院;中国电信股份有限公司
- 2023-05-23 - 2023-08-15 - G06V10/62
- 本公开提供了一种图像处理方法、装置、电子设备及存储介质。该方法包括：获取携带时间信息的待处理图像和目标视角；在待处理图像的原视角下构建待处理图像的多个空间点，并根据时间信息和各空间点的空间坐标确定各空间点的时空特征；根据各空间点的时空特征确定各空间点属于各个运动域的概率以及在各个运动域下的运动特征；其中运动域包括：静态域、刚体运动域和非刚体运动域；根据概率和运动特征确定各空间点的运动组合特征；根据目标视角、各空间点的空间坐标和各空间点的运动组合特征进行渲染，获得在目标视角下的待处理图像的重绘图像。该方法可以将待处理图像空间点的运动组合特征作为依据进行分类渲染，从而提高处理效率，节省计算资源。
- 一种车辆重识别方法、系统、计算机设备和存储介质-202110782315.6
- 李鉴明;仇晶;周玲;丁杰;伍丹妮;贾焰;方滨兴;韩伟红;顾钊铨;王乐;李树栋;李默涵;唐可可 - 广州大学
- 2021-07-09 - 2023-08-08 - G06V10/62
- 本发明公开了一种车辆重识别方法、系统、计算机设备和存储介质，所述方法包括：将车辆图像输入第一神经网络，从中提取全局特征，并对所述全局特征进行训练，得到全局分支重识别结果；对所述车辆图像中的局部区域目标进行检测，得到初始局部区域块；对所述初始局部区域块进行超分辨率处理，得到高质量局部区域块；将所述高质量局部区域块输入第二神经网络，从中提取局部特征，并对所述局部特征进行训练，得到局部分支重识别结果；将所述全局分支重识别结果和所述局部分支重识别结果加权求和，得到重识别结果。本发明能够解决车辆重识别中类间相似和类内差异问题，减少计算过程中的噪声，提高重识别的准确率，同时在一定程度上解决了遮挡问题。
- 基于局部跟踪器的红外小目标跟踪方法及系统-202310339956.3
- 陆易;姜明新;王梓轩;甘峰瑞;曹宇 - 淮阴工学院
- 2023-03-31 - 2023-08-04 - G06V10/62
- 本发明公开了一种基于局部跟踪器的红外小目标跟踪方法及系统，方法包括：步骤(1)：基于预训练好的多卷积层网络生成网络中每个卷积层对应的过滤器；步骤(2)：生成多个局部跟踪器，每个局部跟踪器包括一个多层卷积层网络、多个过滤器、一个融合模块和一个最大值求解模块；步骤(3)：对所述局部跟踪器进行训练，得到训练好的局部跟踪器；步骤(4)：将待识别区域划分为多个局部区域，并将训练好的局部跟踪器部署于不同的局部区域进行目标跟踪，在跟踪过程中，如果本地局部跟踪器定位到目标，则局部跟踪器跟随目标移动，在后续帧中继续跟踪目标，直至跟踪不到目标。本发明可实现频繁不连续移动目标的长期跟踪。
- 一种基于图和格子的卷积方法-202110339151.X
- 郭子健;徐乐;孟朝晖 - 河海大学
- 2021-03-30 - 2023-08-04 - G06V10/62
- 本发明公开了一种基于图和格子的卷积方法，具体包括如下步骤：S1：将若干个特征图转换成格子结构来保存特征；S2：根据基于图的卷积核结构设置卷积核参数；S3：用完成参数设置的卷积核对格子进行卷积操作，并且可以根据需求进行三种不同模式的卷积操作。本发明的新定义的特征图结构和卷积核结构在保证高运算效率以及低内存占有率的情况下保证了卷积效率，卷积过程并非使用传统平面卷积进行卷积，而是通过一种三维新式结构的卷积核对新式特征图结构进行卷积，并且存储特征的节点块还保留了其原始位置信息，这样的结构能够考虑到视频中帧的时序因素，从而能关注到特征的时序信息。
- 高分遥感图像变化检测方法、装置、电子设备及介质-202310527885.X
- 张周威;杨健;米晓飞;顾行发;余涛;曹维佳;刘佩卓;严剑 - 中国科学院空天信息创新研究院
- 2023-05-11 - 2023-07-28 - G06V10/62
- 本发明提供一种高分遥感图像变化检测方法、装置、电子设备及介质，涉及遥感图像处理领域。该方法包括：获取目标区域的前时相图像和后时相图像；采用预训练的特征提取器，分别对前时相图像和后时相图像进行处理，得到前时相图像特征图和后时相图像特征图；将前时相图像特征图和后时相图像特征图转换为量子态，并通过量子多头自注意力神经网络，得到增强后的量子态的前时相图像特征图和量子态的后时相图像特征图；将增强后的量子态的前时相图像特征图和量子态的后时相图像特征图输入图像变化检测器，得到前时相图像与后时相图像在目标区域内的差异变化信息，其中，图像变化检测器是基于量子张量网络‑变分量子线路构建的。
- 用于检测并跟踪目标对象的方法、目标对象跟踪设备和计算机程序产品-201780000295.4
- 谷玉 - 京东方科技集团股份有限公司
- 2017-05-05 - 2023-07-28 - G06V10/62
- 本申请公开了一种通过用于检测和跟踪目标对象的电子设备执行的方法。所述方法包括：获得第一场景帧；对分别在第一场景帧的至少两个边界框中的目标对象的至少两部分执行对象检测和辨识；获得第二场景帧，第二场景帧在时间上比第一场景帧更晚；以及对分别在第一场景帧的所述至少两个边界框中的目标对象的所述至少两部分执行对象跟踪。
- 一种宠物走丢检测方法、装置及电子设备-202310477928.8
- 张上鑫 - 智道网联科技（北京）有限公司
- 2023-04-28 - 2023-07-25 - G06V10/62
- 本申请公开了一种宠物走丢检测方法、装置及电子设备。所述方法包括：当检测到首次出现的目标宠物时，获取所述目标宠物首次出现时所在区域的行人跟踪结果，并根据所述行人跟踪结果获得所述目标宠物的宠物主人集合；持续获取所述目标宠物的周围行人跟踪结果，并根据持续获取到的每帧周围行人跟踪结果与所述宠物主人集合中的行人跟踪结果确定所述目标宠物在预设时间内与周围行人的关系；根据所述目标宠物在预设时间内与周围行人的关系确定所述目标宠物是否走丢。本申请的技术方案无需检测宠物主人即可快速、准确地判断宠物是否走丢。
- 模态自适应的描绘性查询行人重识别方法及系统-202310384322.X
- 李舒嘉;叶茫;陈翠群 - 武汉大学
- 2023-04-10 - 2023-07-25 - G06V10/62
- 本申请公开了一种模态自适应的描绘性查询行人重识别方法及系统，方法包括以下步骤：搭建多模态特征学习的行人重识别架构网络模型；优化特征提取器，获取特征提取器优化后的行人重识别架构网络模型；将训练集输入特征提取器优化后的行人重识别架构网络模型进行检索任务训练，并对网络参数进行更新，获取参数更新后的行人重识别架构网络模型；将待识别模态样本输入参数更新后的行人重识别架构网络模型进行模态识别，获取目标行人。本申请提供的模态自适应的描绘性行人重识别方法，能够自适应处理多种描绘性模态，适应实际场景中模态不确定问题，拓宽行人重识别模型的应用场景。
- 基于序列帧图像特征点跟踪的机器人快速定位方法及系统-202310568665.1
- 吴旭;翟树峰;朱玲羽;潘李越云;吴甜甜;张贵阳;吴健;夏震然 - 常熟理工学院
- 2023-05-19 - 2023-07-25 - G06V10/62
- 本发明公开了一种基于序列帧图像特征点跟踪的机器人快速定位方法及系统，包括：获取视频序列，选择目标，构建循环样本矩阵，循环移动目标图像块得到周期性训练样本；训练分类器，获得分类器；对目标进行检测，在神经网络检测到目标后的一定时间内，将检测算法改为目标跟踪算法。通过循环移动目标图像块得到周期性训练样本，同时通过离散傅立叶变换的简化计算过程，改进核相关滤波器来提高目标点的实时跟踪性能。
- 岗位路径的优化方法、装置、存储介质与电子设备-202310451489.3
- 周慧子;陈高;马雅奇;谭龙田 - 珠海格力电器股份有限公司;珠海联云科技有限公司
- 2023-04-23 - 2023-07-21 - G06V10/62
- 本申请提供了一种岗位路径的优化方法、岗位路径的优化装置、存储介质与电子设备。该方法包括：获取多个操作者在预设操作区域内的初始岗位移动路径，初始岗位移动路径为在预设时间段内各操作者的操作岗位位置随时间变化的路径；获取任意两条初始岗位移动路径之间的重合度，重合度用于表征不同的操作者在相同的时间处于同一个操作岗位操作的时长；至少根据重合度更新各初始岗位移动路径得到更新后的岗位移动路径，以使得各操作者按照更新后的岗位移动路径进行操作使用的合起来的总时长小于各操作者按照初始岗位移动路径进行操作使用的合起来的总时长。本方案实现总时长较短，即实现流动岗位人员工作效率的提升，便于对流动岗位人员的管理监督。
- 一种增强定位能力的孪生网络长程跟踪方法-202310393247.3
- 姚婷婷;杨壮;曹福笑;米富横;任钰欣 - 大连海事大学
- 2023-04-13 - 2023-07-18 - G06V10/62
- 本发明提供了一种增强定位能力的孪生网络长程跟踪方法，涉及目标跟踪技术领域，包括如下步骤：S1、获取目标视频的第一帧，对第一帧的标注区域进行裁剪，得到目标模板；S2、利用孪生网络的目标提取分支对所述目标模板进行特征提取，得到目标特征图；S3、得到搜索区域特征图；S4、将所述目标特征图和搜索区域特征图送入区域建议网络，生成一系列回归框和对应的目标分数；S5、选出最高目标分数所对应的回归框区域，并放入特征强化验证器中计算验证分数；S6、使用滑窗按顺序在全局图片进行重新检测，对检测到的目标继续进行跟踪。本算法基于SPLT算法，对重检测模块和验证器进行了网络结构的重新设计，解决了SPLT算法对于目标容易出现跟踪漂移的问题。
- 一种基于特征关联的动态目标跟踪方法-202310548299.3
- 尚国珍 - 成都邻贞倾网络科技有限公司
- 2023-05-16 - 2023-07-18 - G06V10/62
- 本发明公开了一种基于特征关联的动态目标跟踪方法。方法包括：按照初始关联特征组，获取连续的多个图像帧中每一动态目标的关联特征数据，并将多个图像帧中的多个动态目标一一对应关联；筛选每一动态目标的初始关联特征组中的关联特征，获取每一动态目标的目标特征组；获取所有动态目标的目标特征组的共有的关联特征，生成公共特征组；在公共特征组中获取若干项关联特征作为跟踪特征组；在下一图像帧中，按照跟踪特征组获取多个动态目标的关联特征数据；根据多个动态目标的关联特征数据对多个动态目标一一对应标记跟踪标签。解决了现有技术中多个动态目标的关联特征相似导致动态目标跟错或跟丢的技术问题。
- 一种基于场景提示的单目标跟踪方法-202310430642.4
- 张天柱;马银超;尉前进;何建峰;张勇东 - 中国科学技术大学
- 2023-04-21 - 2023-07-18 - G06V10/62
- 本公开提供一种基于场景提示的单目标跟踪方法，对视频图像中的目标进行动态跟踪，包括：确定包含目标的目标模板图像和搜索区域图像并分块；将分块后的目标模板图像和搜索区域图像通过线性映射得到对应的目标模板图像特征和搜索区域图像特征；将目标模板图像特征和搜索区域图像特征输入场景提示的视觉Transformer中，并在动态获取的场景提示符的作用下进行特征交互与增强；利用经过场景提示的视觉Transformer增强后的搜索区域特征回归目标框，并估计目标框的质量；以及跟踪器将目标框质量好的跟踪帧的特征保存在内存中，当到达给定的提示符更新间隔时，场景提示生成器利用内存中保存的特征生成新的场景提示符。
- 基于轻量化网络的长时间隔的行人重识别方法-202310397081.2
- 胡海峰;张新 - 南京邮电大学
- 2023-04-13 - 2023-07-14 - G06V10/62
- 本发明公开了一种基于轻量化网络的长时间隔的行人重识别方法，应用于无人机场景。该方法包括：使用无人机设备远程控制拍摄包含在不同日期的同一行人在不同服装特征的数据集，将同一个行人的多张图片标记为同一个类别；使用预训练的轻量级主干网络模型作为特征提取器，将行人图片输入模型中提取出特征表示；在训练时每个batch会根据轻量级主干网络提取的特征，通过多类N对损失函数为每个样本计算出最相似的正样本；样本在训练的过程中会随着每个batch传入大间隔余弦损失函数，以实现最小类内方差和最大类间方差，以提高每个样本分类正确的概率；根据训练中每个batch中样本的类别信息和特征维度，计算损失函数，减少类内变化并增加类间变化。
- 对象识别方法、装置、设备及存储介质-202310457926.2
- 崔盛平;孙栋梁;张帅 - 商汤国际私人有限公司
- 2023-04-25 - 2023-07-14 - G06V10/62
- 本申请实施例公开了一种对象识别方法、装置、设备及存储介质，其中，所述方法包括：响应于当前场所中触发对象识别事件，对待识别对象对应的实时图像进行特征提取，得到第一特征向量；将所述第一特征向量发送到服务器，以通过所述服务器在所述当前场所对应的目标特征库中进行特征检索；所述目标特征库为基于所述当前场所的场所标识从至少一个特征库中确定的；每一所述特征库中存储一个特定场所中出现的对象特征数据；接收所述服务器返回的对象识别结果。
- 基于神经网络的目标跟踪系统及目标跟踪方法-202310476093.4
- 傅东生;王连民;李立赛 - 深圳奇迹智慧网络有限公司
- 2023-04-25 - 2023-07-14 - G06V10/62
- 本申请涉及一种基于神经网络的目标跟踪系统及目标跟踪方法，系统包括：目标识别模块、目标跟踪模块、目标信息整合模块；所述目标识别模块用于根据获取的目标检测图像建立神经网络目标识别模型，并根据所述神经网络目标识别模型输出目标检测信息；所述目标跟踪模块用于根据获取的目标跟踪图像和所述目标检测信息进行目标跟踪，并输出目标跟踪信息；所述目标信息整合模块用于根据所述目标检测信息和所述目标跟踪信息中的相同项和额外项输出目标信息。本申请的目标跟踪系统及目标跟踪方法，基于神经网络建立神经网络目标识别模型，利用AI算法进行目标跟踪，可提高AI对目标的识别跟踪效率，满足边端AI应用的实时性。
- 空-时特征表示的提取-201710841936.0
- 姚霆;梅涛 - 微软技术许可有限责任公司
- 2017-09-18 - 2023-07-07 - G06V10/62
- 根据本公开的实现，提出了一种提取空‑时特征表示的方案。在该方案中，在学习网络的第一层处接收输入，该输入包括多个图像。利用第一层的第一单元在空间维度中从输入提取多个图像的第一特征，第一特征表征多个图像的空间呈现。基于第一单元与第一层中的第二单元之间的连接的类型，利用第二单元在时间维度中从第一特征和输入中的至少一个提取多个图像的第二特征，第二特征至少表征跨多个图像的时间变化。至少部分地基于第二特征来生成多个图像的空‑时特征表示。通过该方案，降低了学习网络的尺寸，提高了学习网络的训练和使用效率，同时还获得较准确的空‑时特征表示。
- 一种行人重识别模型训练的方法、装置和设备-202210181439.3
- 蒋敏;马磊;孔军 - 江南大学
- 2022-02-25 - 2023-07-04 - G06V10/62
- 本发明公开了一种行人重识别模型训练的方法、装置、设备以及计算机可读存储介质，包括：基于两个卷积神经网络构建两个行人重识别网络模型；将目标域图像集输入每个行人重识别网络模型中，利用卷积神经网络和Transformer提取中间特征；利用全局子值池化模块对中间特征进行处理，输出最终特征值，并进行聚类分析，得到硬伪标签；构建每个行人重识别网络模型的时序平均模型，将目标域图像集输入每个时序平均模型中，得到软伪标签；利用软硬伪标签代优化行人重识别网络模型，选取目标行人重识别网络模型。本发明通过Transformer和全局子值池化模块获得高质量的特征信息，通过聚类得到更高质量的伪标签，大幅提高模型性能，提高行人重识别的准确度。
- 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
