[发明专利]一种模式生物追踪系统的目标重识别方法及系统有效
申请号: | 202110472329.8 | 申请日: | 2021-04-29 |
公开(公告)号: | CN113177920B | 公开(公告)日: | 2022-08-09 |
发明(设计)人: | 于兴虎;王春翔 | 申请(专利权)人: | 宁波智能装备研究院有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/136;G06T7/187;G06T7/62;G06T7/73;G06N3/04;G06N3/08 |
代理公司: | 北京高沃律师事务所 11569 | 代理人: | 杜阳阳 |
地址: | 315000 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: | |||
搜索关键词: | 一种 模式 生物 追踪 系统 目标 识别 方法 | ||
1.一种模式生物追踪系统的目标重识别方法,其特征在于,包括:
步骤101:获取第一实验条件下的多帧连续图像,并提取每一帧所述图像内的目标连通域;
步骤102:提取所述目标连通域中每个孤立的连通域,并根据每个所述孤立的连通域提取目标的目标位置;
步骤103:提取相邻两帧且相同目标位置处的所述孤立的连通域的相交区域;
步骤104:根据所述相交区域确定初次关联目标;
步骤105:利用匈牙利算法对剩余目标进行处理,确定二次关联目标;
步骤106:根据所述初次关联目标以及所述二次关联目标,生成针对不同帧图像内相同单个目标的连续图像序列,并根据所述连续图像序列训练卷积神经网络;
步骤107:获取第二实验条件下的第一帧图像,并利用训练后的卷积神经网络,使得所述第一帧图像内的目标与所述第一实验条件下的相同目标相对应,具体包括:将所述第二实验条件下的第一帧图像输入至所述训练后的卷积神经网络,确定所述第一帧图像内任一个目标与所述第一实验条件下各个目标的概率值;输出概率值最大时对应的所述第一实验条件下的目标作为所述第一帧图像内的目标的相同目标;
对于第二实验条件下第一帧图像之后帧的图像重复步骤101-步骤105,继续追踪当前实验条件下的目标;其中,在重复过程中步骤101是获取第二实验条件下第一帧图像之后帧的图像内的目标连通域。
2.根据权利要求1所述的模式生物追踪系统的目标重识别方法,其特征在于,所述根据所述相交区域确定初次关联目标,具体包括:
判断所述相交区域的面积是否大于面积阈值,得到第一判断结果;
若所述第一判断结果表示为所述相交区域的面积大于面积阈值,确定所述相交区域对应的两个目标为同一目标,并将所述两个目标相关联,确定初次关联目标;
若所述第一判断结果表示为所述相交区域的面积不大于面积阈值,确定所述相交区域对应的两个目标不是同一目标,不关联两个目标。
3.根据权利要求1所述的模式生物追踪系统的目标重识别方法,其特征在于,所述利用匈牙利算法对剩余目标进行处理,确定二次关联目标,具体包括:
获取第k帧图像以及第k-1帧图像内未关联的各个所述剩余目标的目标位置以及剩余目标数量;
根据各个所述剩余目标的目标位置以及剩余目标数量构建未关联矩阵;
利用匈牙利算法求解所述未关联矩阵,并根据求解结果对剩余目标进行关联,确定二次关联目标。
4.根据权利要求1所述的模式生物追踪系统的目标重识别方法,其特征在于,所述卷积神经网络具体包括:输入层、三层卷积层、相邻的卷积层之间设有的池化层、三层连续的全连接层以及输出层;
所述三层卷积层包括第一卷积层、第二卷积层以及第三卷积层;所述第一卷积层包括256个33的卷积核,所述第二卷积层包括512个33的卷积核,所述第三卷积层包括1024个33的卷积核;
所述池化层的输入矩阵为输入矩阵的一半;
所述全连接层的激活函数为ReLu;所述输出层的激活函数为softmax。
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宁波智能装备研究院有限公司,未经宁波智能装备研究院有限公司许可,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/pat/books/202110472329.8/1.html,转载请声明来源钻瓜专利网。