一种融合卷积神经网络的跟踪方法及系统

发明专利无效专利

申请号：
CN201610579388.4
IPC分类号：G06T7/292;G06T7/246
申请日期：
2016-07-21
申请人：
广东工业大学

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	一种融合卷积神经网络的跟踪方法及系统
申请号	CN201610579388.4	申请日期	2016-07-21
法律状态	权利终止	申报国家	中国
公开/公告日	2016-11-16	公开/公告号	CN106127815A
优先权	暂无	优先权号	暂无
主分类号	G06T7/292 ? 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〕 G06T7/292 多照相机跟踪〔2017.01〕	IPC分类号	G;0;6;T;7;/;2;9;2;;;G;0;6;T;7;/;2;4;6查看分类表>
申请人	广东工业大学	申请人地址	广东省广州市越秀区东风东路729号大院变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	广东工业大学	当前权利人	广东工业大学
发明人	林露樾;刘波;肖燕珊
代理机构	北京集佳知识产权代理有限公司	代理人	罗满

摘要

本发明公开了一种融合卷积神经网络的跟踪方法及系统，包括：通过预定的训练集，对卷积神经网络进行预训练得到卷积神经网络的初步模型CNN1；接收用户输入的带有跟踪目标的视频流，通过初步模型CNN1对视频流中的跟踪目标进行跟踪，并利用微调技术对初步模型CNN1的参数进行微调，得到卷积神经网络的最终模型CNN2；将最终模型CNN2替换TLD算法中的分类器；接收用户输入的带有跟踪目标的监控视频流，通过带有最终模型CNN2的TLD算法自动对监控视频流中的跟踪目标进行识别及跟踪；可见，通过对卷积神经网络进行训练生成最终模型CNN2，能自动从监控视频流中识别跟踪目标，增加用户操作体验。

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