[发明专利]目标物跟踪系统、方法及其计算机装置在审
申请号: | 202210060544.1 | 申请日: | 2022-01-19 |
公开(公告)号: | CN114581796A | 公开(公告)日: | 2022-06-03 |
发明(设计)人: | 应亦凡 | 申请(专利权)人: | 上海土蜂科技有限公司 |
主分类号: | G06V20/17 | 分类号: | G06V20/17;G06N3/04;G06K9/62;G06V10/771;G06V10/764 |
代理公司: | 上海领洋专利代理事务所(普通合伙) 31292 | 代理人: | 罗晓鹏 |
地址: | 201800 上海*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 目标 跟踪 系统 方法 及其 计算机 装置 | ||
1.一种目标物跟踪系统,其特征在于,包括:
跟踪图像获取单元,用于通过部署于无人机的相机获取跟踪图像;
第一神经网络单元,用于使用第一卷积神经网络从所述跟踪图像获取第一特征图,其中,所述第一卷积神经网络的卷积层以第一卷积核进行卷积处理;
第二神经网络单元,用于使用第二卷积神经网络从所述跟踪图像获取第二特征图,所述第二卷积神经网络的卷积层以第二卷积核进行卷积处理,所述第一卷积核的尺寸大于所述第二卷积核的尺寸;
第三神经网络单元,用于使用第三卷积神经网络从所述跟踪图像获取第三特征图,所述第三卷积神经网络的卷积层以第三卷积核进行卷积处理,所述第二卷积核的尺寸大于所述第三卷积核的尺寸;
类平衡余量值计算单元,用于计算所述第一特征图、第二特征图和第三特征图中每个特征图的类平衡余量值,所述类平衡余量值与所述第一特征图、第二特征图和第三特征图中每两个特征图之间的余弦距离和每两个特征图之间的欧式距离之差有关;
域偏移调整单元,用于以所述第一到第三特征图中每个特征图的类平衡余量值作为权重计算所述第一到第三特征图的按位置加权和以获得分类特征图;以及
分类结果生成单元,用于将所述分类特征图通过分类器以获得分类结果,所述分类结果用于表示所述相机的焦距应增大或应减小。
2.根据权利要求1所述的目标物跟踪系统,其中,所述第一神经网络单元,进一步用于使用所述第一卷积神经网络以如下公式从所述跟踪图像获取所述第一特征图;
所述公式为:h=f(w1*x+b),其中,*表示卷积运算,f(.)表示激活函数,w1为outputc×inputc×kw1×kh1,outputc,inputc,kw1,kh1分别表示输出通道数,输入通道数,卷积核宽度,卷积核高度。
3.根据权利要求2所述的目标物跟踪系统,其中,所述第二神经网络单元,进一步用于使用所述第二卷积神经网络以如下公式从所述跟踪图像获取所述第二特征图;
所述公式为:h=f(w2*x+b),其中,*表示卷积运算,f(.)表示激活函数,w1为outputc×inputc×kw2×kh2,outputc,inputc,kw2,kh2分别表示输出通道数,输入通道数,卷积核宽度,卷积核高度;
其中,w1×h1w2×h2。
4.根据权利要求3所述的目标物跟踪系统,其中,所述第三神经网络单元,进一步用于使用所述第三卷积神经网络以如下公式从所述跟踪图像获取所述第三特征图;
所述公式为:h=f(w3*x+b),其中,*表示卷积运算,f(.)表示激活函数,w1为outputc×inputc×kw3×kh3,outputc,inputc,kw3,kh3分别表示输出通道数,输入通道数,卷积核宽度,卷积核高度;
其中,w2×h2w3×h3。
5.根据权利要求4所述的目标物跟踪系统,其中,所述第一卷积神经网络、所述第二卷积神经网络和所述第三卷积神经网络具有相同的网络结构,且各卷积层的激活函数为同一个。
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上海土蜂科技有限公司,未经上海土蜂科技有限公司许可,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/202210060544.1/1.html,转载请声明来源钻瓜专利网。