一种基于动态模板的密集连接孪生神经网络目标跟踪方法

发明专利有效专利

申请号：
CN202010973244.3
IPC分类号：G06T7/246;G06N3/04;G06N3/08
申请日期：
2020-09-16
申请人：
浙江工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于动态模板的密集连接孪生神经网络目标跟踪方法
申请号	CN202010973244.3	申请日期	2020-09-16
法律状态	实质审查	申报国家	中国
公开/公告日	2021-01-08	公开/公告号	CN112200831A
优先权	暂无	优先权号	暂无
主分类号	G06T7/246 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06T 一般的图像数据处理或产生〔6，2006.01〕 G06T7/00 图像分析〔6，2006.01，2017.01〕 G06T7/20 运动分析（数字视频信号的编解码或解压缩的运动估计入H04N 19/43，H04N 19/51）〔6，2006.01，2017.01〕 G06T7/246 使用基于特征的方法，如角、段〔2017.01〕	IPC分类号	G;0;6;T;7;/;2;4;6;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	浙江工业大学	申请人地址	浙江省杭州市下城区朝晖六区潮王路18号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	浙江工业大学	当前权利人	浙江工业大学
发明人	产思贤;王平浩;周小龙;陈胜勇
代理机构	杭州斯可睿专利事务所有限公司	代理人	王利强

摘要

一种基于动态模板的密集连接孪生神经网络目标跟踪方法，包括以下步骤：1)提取输入模板帧和检测帧图像对特征：使用主干网络为DenseNet的孪生神经网络提取输入图像对特征；2)将特征图输入RPN网络，经过分类分支和回归分支得到多个proposals；筛选候选区域：使用余弦窗抑制和尺度惩罚筛选出最终的proposals；3)对模板分支和检测分支得到的proposals进行相似性度量，使用非极大抑制得到最终的bounding box，通过线性插值更新图像尺寸，得到在检测帧中目标最终的预测跟踪位置；4)使用置信度作为模板是否更新的评判依据，更新模板。本发明在处理视频序列中特定目标的跟踪取得了较好的效果。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供