首页> 中国专利> 基于多模型融合和结构化深度特征的视觉目标跟踪方法

基于多模型融合和结构化深度特征的视觉目标跟踪方法

页面导航

摘要
著录项
相似文献

摘要

本发明属于模式识别与计算机视觉技术领域，公开了一种基于多模型融合和结构化深度特征的视觉目标跟踪方法，采用了多层结构化的深度网络特征对跟踪目标的外观进行建模，深度网络提取的特征对运动模糊等干扰因素具有更强的鲁棒性；结构化特征中的低层特征不仅有助于区分强干扰目标，而且能够使位置估计更加精确；结构化特征中的高层特征有助于将跟踪目标和背景分离。本发明采用了将长时和短时模型融合进行视觉目标跟踪，短时模型有助于提高位置估计的精度；短时模型有助于抑制和跟踪目标相似的强干扰目标。本发明具有精度高和鲁棒性强的优点；可用于视频监控、道路交通情况分析和人机交互等应用。

著录项

公开/公告号CN107689052B

专利类型发明专利
公开/公告日2021-06-29

原文格式PDF
申请/专利权人西安电子科技大学;
展开▼

申请/专利号CN201710560015.7
发明设计人田春娜;李明郎君;高新波;王秀美;刘丽莎;刘恒;姜萌萌;
展开▼

申请日2017-07-11
分类号G06T7/246(20170101);
代理机构61227 西安长和专利代理有限公司;
代理人黄伟洪
地址 710071 陕西省西安市太白南路2号西安电子科技大学
入库时间 2022-08-23 12:03:23

相似文献

专利
中文文献
外文文献

1. 基于多模型融合和结构化深度特征的视觉目标跟踪方法 [P] . 中国专利： CN107689052B . 2021.06.29
2. 基于多模型融合和结构化深度特征的视觉目标跟踪方法 [P] . 中国专利： CN107689052A . 2018-02-13
3. DEEP APPARENT FEATURES AND ADAPTIVE AGGREGATION NETWORK-BASED MULTI-FACE TRACKING METHOD [P] . 世界知识产权组织专利： WO2020155873A1 . 2020-08-06

机译：基于深度特征和自适应聚集网络的多面跟踪方法
4. Visual target tracking method and apparatus based on deep adversarial training [P] . US10970854B2 . 2021-04-06

机译：基于深度逆境训练的视觉目标跟踪方法和装置
5. VISION-BASED TARGET TRACKING METHOD, SYSTEM, APPARATUS, AND STORAGE MEDIUM [P] . WO2021159554A1 . 2021-08-19

机译：基于视觉的目标跟踪方法，系统，装置和存储介质