一种基于时空特征融合学习的目标跟踪方法

发明专利有效专利

申请号：
CN201910007818.9
IPC分类号：G06K9/00;G06K9/46;G06K9/62;G06T7/246;G06N3/04;G06N3/08
申请日期：
2019-01-04
申请人：
西南交通大学

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	一种基于时空特征融合学习的目标跟踪方法
申请号	CN201910007818.9	申请日期	2019-01-04
法律状态	实质审查	申报国家	中国
公开/公告日	2019-05-24	公开/公告号	CN109800689A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;4;6;;;G;0;6;K;9;/;6;2;;;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	西南交通大学	申请人地址	四川省成都市二环路北一段111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	西南交通大学	当前权利人	西南交通大学
发明人	卢学民;权伟;刘跃平;王晔;张桂萍;江永全;何武;陈锦雄
代理机构	成都点睛专利代理事务所（普通合伙）	代理人	葛启函

摘要

本发明公开了一种基于时空特征融合学习的目标跟踪方法，涉及计算机视觉及模式识别技术领域。首先构建时空特征融合学习网络，时空特征包括时序特征和空间特征，其中时序特征通过采用Alexnet与时间递归神经网络相结合的方式提取；空间特征又分为目标对象空间变换特征和背景空间特征，分别采用YOLOv3和Alexnet提取。在网络初始训练过程中，使用训练数据集和随机梯度下降法对时空特征融合学习网络进行训练，训练完成后网络即可获得对目标对象进行定位的初始能力。将要跟踪的图像序列输入网络中进行正向处理，网络将输出目标对象包围盒的位置和置信度，其中置信度决定网络是否进行在线学习，而包围盒的位置实现对目标对象的定位，从而实现对目标对象的跟踪。

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