[发明专利]一种基于时间和空间网络的深度集成目标跟踪算法在审
| 申请号： | 201910546908.5 | 申请日： | 2019-06-25 |
| 公开（公告）号： | CN110569706A | 公开（公告）日： | 2019-12-13 |
| 发明（设计）人： | 胡昭华;陈胡欣;李高飞 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 32252 南京钟山专利代理有限公司 | 代理人： | 戴朝荣 |
| 地址： | 210044 江苏*** | 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： | 本发明公开了一种基于时间和空间网络的深度集成目标跟踪算法，利用VGG‑16网络提取深度特征并得到特征映射图，构建由相关滤波网络、时间网络以及空间网络构成的深度网络，将特征映射图送入由相关滤波网络、时间网络以及空间网络连接成的深度网络中，同时训练模型，直到收敛为止，以前一帧预测的目标位置为中心在当前帧的图片中提取搜索块，用VGG‑16网络提取搜索块的特征送入与之对应训练好的模型中来生成响应映射，利用自适应权重的集成学习算法融合所有弱跟踪器得到最终的目标位置，采用尺度估计算法对目标大小进行预测，利用当前帧的搜索块和预测值组成训练对，输入到模型中进行在线更新。可以进一步提高算法的精确度。 | ||
| 搜索关键词： | 空间网络 搜索 滤波网络 目标位置 时间网络 网络提取 映射图 算法 送入 集成学习算法 目标跟踪算法 尺度估计 深度集成 深度特征 训练模型 在线更新 跟踪器 帧预测 自适应 映射 预测 构建 权重 收敛 网络 融合 响应 图片 | ||
【主权项】：
1.一种基于时间和空间网络的深度集成目标跟踪算法，其特征在于，包括以下步骤：/nS1：利用VGG-16网络提取深度特征并得到特征映射图；/nS2：构建由相关滤波网络、时间网络以及空间网络构成的深度网络；/nS3：将特征映射图送入由相关滤波网络、时间网络以及空间网络连接成的深度网络中，同时训练模型，直到收敛为止；/nS4：以前一帧预测的目标位置为中心在当前帧的图片中提取搜索块p1，以前一帧预测的目标位置为中心在前一帧的图片中提取搜索块p2，用VGG-16网络提取搜索块p1和搜索块p2的特征送入与之对应训练好的模型中来生成响应映射，每个模型视为弱跟踪器，利用自适应权重的集成学习算法融合所有弱跟踪器得到最终的目标位置，采用尺度估计算法对目标大小进行预测；/nS5：利用搜索块p1、搜索块p2和预测值组成训练对，输入到模型中进行在线更新。/n
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信息工程大学，未经南京信息工程大学许可，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/201910546908.5/，转载请声明来源钻瓜专利网。
- 上一篇：切碎的纤维加料制造空隙检测
- 下一篇：一种身份识别方法和电子设备
