[发明专利]一种基于卷积神经网络在线学习的单目标跟踪方法和系统在审
| 申请号： | 201710598671.6 | 申请日： | 2017-07-21 |
| 公开（公告）号： | CN107452023A | 公开（公告）日： | 2017-12-08 |
| 发明（设计）人： | 周越;刘晓东 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06T7/246 | 分类号： | G06T7/246 |
| 代理公司： | 上海恒慧知识产权代理事务所(特殊普通合伙)31317 | 代理人： | 徐红银 |
| 地址： | 200240 *** | 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： | 本发明提供一种基于卷积神经网络在线学习的单目标跟踪方法和系统，包括通用表达模型训练利用跟踪数据集对目标检测领域的卷积神经网络深度模型进行迁移学习，得到适用于跟踪领域的通用卷积神经网络深度模型，能直接在后续的跟踪任务中使用；网络初始化在跟踪任务开始时，对得到的所述适用于跟踪领域的通用卷积神经网络深度模型进行初始化；在线跟踪采用在线跟踪的方法，对视频序列进行逐帧处理；模型更新对模型进行在线更新，采用短期更新和长期更新结合的方法更新卷积神经网络参数。本发明将目标跟踪看成是目标检测与模型在线更新的结合，从而避免了额外的分类器的使用，将目标跟踪纳入一个统一的卷积神经网络之中。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 在线 学习 目标 跟踪 方法 系统 | ||
【主权项】：
一种基于卷积神经网络在线学习的单目标跟踪方法，其特征在于，包括：步骤一，通用表达模型训练：利用跟踪数据集对目标检测领域的卷积神经网络深度模型进行迁移学习，得到适用于跟踪领域的通用卷积神经网络深度模型，能直接在后续的跟踪任务中使用；步骤二，网络初始化：在跟踪任务开始时，对步骤一得到的所述适用于跟踪领域的通用卷积神经网络深度模型进行初始化；步骤三，在线跟踪：基于步骤二的所述适用于跟踪领域的通用卷积神经网络深度模型，采用在线跟踪的方法，对视频序列进行逐帧处理；步骤四，模型更新：根据步骤三的跟踪结果，对所述适用于跟踪领域的通用卷积神经网络深度模型进行在线更新，采用短期更新和长期更新结合的方法更新卷积神经网络参数。
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上海交通大学，未经上海交通大学许可，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/201710598671.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种视频目标跟踪方法
- 下一篇：一种用于旋转物体全场运动追踪的视觉测量方法
