[发明专利]一种基于深度学习的人工智能目标跟踪方法在审
| 申请号： | 201811252087.6 | 申请日： | 2018-10-25 |
| 公开（公告）号： | CN109360227A | 公开（公告）日： | 2019-02-19 |
| 发明（设计）人： | 韩青江 | 申请（专利权）人： | 武汉拓睿传奇科技有限公司 |
| 主分类号： | G06T7/246 | 分类号： | G06T7/246;G06N3/04 |
| 代理公司： | 上海精晟知识产权代理有限公司 31253 | 代理人： | 冯子玲 |
| 地址： | 430000 湖北省武汉市东*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的人工智能目标跟踪方法，具体跟踪方法如下，预训练步骤：先使用栈式降噪自编码器在大规模自然图像收集上进行无监督的离线预训练来获得通用的物体表征能力，预训练一共堆叠了4个降噪自编码器，降噪自编码器对输入加入噪声，通过重构出无噪声的原图来获得更好的特征表达能力，在线跟踪步骤：取离线SDAE的encoding部分叠加sigmoid分类层组成分类网络，此时的网络并没有获取对当前被跟踪物体的特定表达能力，此时利用第一帧获取正负样本，本发明将深度网络运用于单目标跟踪的跟踪算法，利用“离线预训练+在线微调”的思路，很大程度的解决了跟踪中训练样本不足的问题。 | ||
| 搜索关键词： | 编码器 降噪 离线 跟踪 人工智能 目标跟踪 表征能力 分类网络 跟踪算法 特征表达 网络运用 训练步骤 训练样本 在线跟踪 在线微调 正负样本 自然图像 单目标 通用的 无监督 无噪声 堆叠 栈式 重构 叠加 噪声 学习 分类 网络 | ||
【主权项】：
1.一种基于深度学习的人工智能目标跟踪方法，其特征在于：具体跟踪方法如下：预训练步骤：先使用栈式降噪自编码器在大规模自然图像收集上进行无监督的离线预训练来获得通用的物体表征能力，预训练一共堆叠了4个降噪自编码器，降噪自编码器对输入加入噪声，通过重构出无噪声的原图来获得更好的特征表达能力。在线跟踪步骤：取离线SDAE的encoding部分叠加sigmoid分类层组成分类网络，此时的网络并没有获取对当前被跟踪物体的特定表达能力，此时利用第一帧获取正负样本，对分类网络进行fine‑tune获得对当前跟踪目标和背景更有针对性的分类网络，在跟踪过程中，对当前帧采用粒子滤波的方式提取一批候选的patch，这些patch输入分类网络中，置信度最高的成为最终的预测目标。更新步骤：在目标跟踪非常重要的模型更新策略上，采取限定阈值的方式，即当所有粒子中最高的confidence低于阈值时，认为目标已经发生了比较大的表观变化，当前的分类网络已经无法适应，需要进行更新。
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武汉拓睿传奇科技有限公司，未经武汉拓睿传奇科技有限公司许可，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/patent/201811252087.6/，转载请声明来源钻瓜专利网。
