[发明专利]基于稠密连接卷积网络的目标跟踪方法有效
| 申请号： | 201811374073.1 | 申请日： | 2018-11-19 |
| 公开（公告）号： | CN109410251B | 公开（公告）日： | 2022-05-03 |
| 发明（设计）人： | 范保杰;陈会志 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06T7/246 | 分类号： | G06T7/246;G06V10/771;G06K9/62;G06N3/08;G06N3/04 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 姚姣阳 |
| 地址： | 210046 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明揭示了一种基于稠密连接卷积网络的目标跟踪方法，包括如下步骤：S1、确定兴趣目标的大小和位置；S2、提取输入帧的卷积特征并进行判断，若输入帧为初始帧，则求取PCA投影矩阵对卷积特征进行降维，使用所得卷积特征训练基于稠密连接网络的目标跟踪模型，进入S7，否则使用已训练PCA投影矩阵对输入帧卷积特征进行降维，进入S3；S3、将卷积特征输入跟踪模型预测兴趣目标的位置；S4、在目标预测位置进行尺度采样，估计目标大小；S5、更新目标跟踪模型的网络权值；S6、输出目标预测位置和尺度；S7、输入下一帧，直至完成视频所有帧的预测。本发明实现了跟踪模型的端到端学习，有效地缩减了训练时间，提升了使用效率。 | ||
| 搜索关键词： | 基于 稠密 连接 卷积 网络 目标 跟踪 方法 | ||
【主权项】：
1.一种基于稠密连接卷积网络的目标跟踪方法，其特征在于，包括如下步骤：S1、在视频的初始帧中确定兴趣目标的大小和位置，将初始帧输入跟踪模型；S2、输入视频的一帧，提取输入帧的卷积特征，并对输入帧是否为初始帧进行判断，若输入帧为初始帧，则求取PCA投影矩阵对卷积特征进行降维，使用所得卷积特征训练基于稠密连接网络的目标跟踪模型，随后进入S7，若输入帧非初始帧，使用已训练PCA投影矩阵对输入帧卷积特征进行降维，随后进入S3；S3、将卷积特征输入跟踪模型预测兴趣目标的位置；S4、在目标的预测位置进行尺度采样，估计目标大小；S5、更新目标跟踪模型的网络权值；S6、输出目标的预测位置和尺度；S7、输入视频的下一帧，返回S2，直至完成视频所有帧的预测。
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南京邮电大学，未经南京邮电大学许可，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/201811374073.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于视觉图像的车辆进站识别方法及终端
- 下一篇：一种热像设备
