[发明专利]融合卷积神经网络及贝叶斯滤波器的跟踪方法及系统有效
| 申请号： | 201610579386.5 | 申请日： | 2016-07-21 |
| 公开（公告）号： | CN106228575B | 公开（公告）日： | 2019-05-10 |
| 发明（设计）人： | 林露樾;刘波;肖燕珊 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06T7/246 | 分类号： | G06T7/246;G06N3/08 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 罗满 |
| 地址： | 510062 广东省*** | 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： | 本发明公开了一种融合卷积神经网络及贝叶斯滤波器的跟踪方法及系统，包括：通过预定的训练集，对卷积神经网络进行预训练得到卷积神经网络的初步模型；接收用户输入的带有跟踪目标的视频流，通过初步模型对视频流中的跟踪目标进行跟踪，并利用微调技术对初步模型的参数进行微调，得到卷积神经网络的最终模型；接收用户输入的带有跟踪目标的监控视频流，通过替换后的TLD算法自动对监控视频流中的跟踪目标进行识别及跟踪，并通过贝叶斯滤波器更新目标模型集合和背景集合；可见，通过对卷积神经网络进行训练生成最终模型，能自动从监控视频流中识别跟踪目标，利用贝叶斯滤波器实现样本的更新，能实现对目标的长时间跟踪，增加用户操作体验。 | ||
| 搜索关键词： | 融合 卷积 神经网络 贝叶斯 滤波器 跟踪 方法 系统 | ||
【主权项】：
1.一种融合卷积神经网络及贝叶斯滤波器的跟踪方法，其特征在于，包括：通过预定的训练集，对卷积神经网络进行预训练得到卷积神经网络的初步模型；接收用户输入的带有跟踪目标的视频流，通过所述初步模型对所述视频流中的跟踪目标进行跟踪，并利用微调技术对所述初步模型的参数进行微调，得到卷积神经网络的最终模型；将所述最终模型与TLD算法中的检测器融合，将贝叶斯滤波器替换TLD算法中的学习器和整合器；接收用户输入的带有所述跟踪目标的监控视频流，通过替换后的TLD算法自动对所述监控视频流中的所述跟踪目标进行识别及跟踪，并通过贝叶斯滤波器更新目标模型集合和背景集合。
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东工业大学，未经广东工业大学许可，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/201610579386.5/，转载请声明来源钻瓜专利网。
- 上一篇：目标跟踪方法及装置
- 下一篇：用于为目标跟踪处理图像的系统
