-
公开(公告)号：CN113283407A
公开(公告)日：2021-08-20
申请号：CN202110828947.1
申请日：2021-07-22
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于通道与空间注意力机制的孪生网络目标跟踪方法，包括如下步骤：对视频或图像数据集进行处理，以获得统一图像大小的多个目标图像；基于卷积神经网络模型、通道注意力机制以及空间注意力机制，构建得到新型骨干网络模型；从多个目标图像中提取训练样本，以对新型骨干网络模型进行训练；利用训练好的新型骨干网络模型在多个目标图像中提取以得到目标图像样本深层特征，并将目标图像样本深层特征在目标图像候选区域进行相似性匹配以得到多个目标候选块，每个目标候选块对应有一相似度得分；利用获取到的最大相似度得分的目标候选块进行目标跟踪。本发明所设计的跟踪算法的表观模型，具有更好的鲁棒性与精确度。
-
公开(公告)号：CN108875736B
公开(公告)日：2021-03-30
申请号：CN201810582612.4
申请日：2018-06-07
Applicant: 南昌工程学院
IPC: G06K9/32
Abstract: 本发明公开了一种基于背景预测的水面移动目标检测方法。本发明针对水面移动目标检测过程中背景图像变化的问题，利用背景图像的历史检测数据来对当前的背景图像进行预测，进而获得初始的移动目标检测结果，从而可大幅降低水面移动目标检测的误检率；本发明进一步利用目标位置预测模型来对初始目标检测结果进行修正，从而有效提高检测精度。相比现有技术，本发明可大幅降低水面移动目标检测的误检率，有效提高检测精度。
-
公开(公告)号：CN111964650A
公开(公告)日：2020-11-20
申请号：CN202011017934.8
申请日：2020-09-24
Applicant: 南昌工程学院
Abstract: 本发明公开了一种水下目标跟踪装置，包括水下无人机，水下摄像头设置在水下无人机的外表面，用于拍摄水下的景象图像；图像处理器用于处理景象图像，根据目标物在景象图像中目标影像的位置确定目标物与水下无人机的位置，根据目标影像的与景象图像的比例大小确定目标物与水下无人机之间的距离；驱动器用于根据目标物与水下无人机之间的距离以及目标物与水下无人机的位置驱动水下无人机移动。本发明通过在水下无人机的多个角度的同时摄像，确定周围是否有目标物存在，根据多个包含目标物的图像以及其所拍摄的角度判断目标物相对于该水下无人机的位置，然后根据其中一个图像中的目标物的大小比例确定目标物的距离。
-
-
公开(公告)号：CN118823331A
公开(公告)日：2024-10-22
申请号：CN202411295596.2
申请日：2024-09-18
Applicant: 南昌工程学院
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/20
Abstract: 本发明提出基于通道分离注意力模块的目标跟踪方法与系统，该方法包括：将模板图像和搜索图像输入模型，得到前半部分输入数据与后半部分输入数据；通过前半部分输入数据和后半部分输入数据得到结果特征图的模板图像和结果特征图的搜索图像，并通过采用迭代的方式得到最后的结果特征图；将最后的结果特征图输入在线评估模块，得到置信度得分；对模型进行训练并利用训练后的模型对目标进行在线跟踪。本发明通过使用通道分离注意力模块，融合动态卷积与注意力，使跟踪器具有动态性的局部和全局的特征提取能力，以增强跟踪器的特征提取与融合能力，让跟踪器能更好的在复杂场景中应对对象外观的变化，进而提高目标跟踪的性能。
-
Patent Agency Ranking
公开(公告)号：CN117710688B
公开(公告)日：2024-06-25
申请号：CN202311697673.2
申请日：2023-12-12
Applicant: 南昌工程学院
IPC: G06V10/44 , G06V10/80 , G06V10/82 , G06V10/42 , G06N3/0464
Abstract: 本发明公开一种基于卷积和注意力相结合特征提取的目标跟踪方法及系统，涉及计算机视觉与图像处理领域，包括：对给定的第一帧图像以及每一后续帧图像的搜索区域分别进行初始化，得到目标模板图像和搜索图像；构建特征提取网络；特征提取子网络包括卷积模块、依次连接的多个分层特征模块和完全连接层；每一分层特征模块包括采用自注意力操作提取全局信息的全局分支和采用注意力和卷积相结合的操作提取局部信息的局部分支；将目标模板图像和每一搜索图像分别应用特征提取网络进行特征提取，对提取的特征进行卷积操作，获得每一后续帧图像中搜索区域的目标响应位置。本发明通过卷积和注意力相结合的轻量级特征提取网络提升目标跟踪效率和准确性。
-
公开(公告)号：CN116703980B
公开(公告)日：2023-10-24
申请号：CN202310974990.8
申请日：2023-08-04
Applicant: 南昌工程学院
IPC: G06T7/246 , G06N3/0455 , G06N3/08
Abstract: 本发明提出一种基于金字塔池化Transformer主干网络的目标跟踪方法与系统，该方法包括：在孪生网络框架下，构建基于金字塔池化Transformer特征提取主干网络，基于标准Transformer的编码器和解码器模型，构建得到目标模型预测器；模型预测器和该特征提取主干网络构成目标跟踪模型，通过特征提取主干网络对训练模板以及测试模板进行特征提取；通过模型预测器，利用提取出的训练模板特征以及测试模板特征进行目标模型预测；通过目标模型对跟踪对象进行分类和边界框回归从而实现目标跟踪。本发明可有效减低多头自注意力机制的计算复杂度，最终实现更加高效且准确的目标跟踪。
-
公开(公告)号：CN115880337A
公开(公告)日：2023-03-31
申请号：CN202310121706.2
申请日：2023-02-16
Applicant: 南昌工程学院
IPC: G06T7/246
Abstract: 本发明提出一种基于重参数卷积和特征过滤器的目标跟踪方法与系统，该方法包括：构建得到特征提取子网络；将多个卷积分支压缩成一个单一的卷积块以构建得到无批次归一化重参数卷积模块；构建得到特征融合网络，通过特征融合网络中的特征过滤器对目标模板深度特征以及搜索区域深度特征进行融合，以获得中间融合特征；将目标模板深度特征进行优化以获得最终的模板特征并进行融合得到分数预测图；对分数预测图中得分最高的目标候选块进行目标跟踪。本发明通过提出的特征提取子网和特征融合网络，获得丰富的通道和空间信息，从而对重要信息的特征进行增强以获得中间融合特征，提高相似度计算的准确性，实现更准确的跟踪效果。
-
公开(公告)号：CN115661207B
公开(公告)日：2023-03-31
申请号：CN202211419895.3
申请日：2022-11-14
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于空间一致性匹配与权重学习的目标跟踪方法与系统，该方法包括：对模板分支与搜索区域分支的图像初始化以生成目标模板图像和搜索区域图像；对目标模板图像与搜索区域图像分别提取特征，对目标模板特征进行上采样获得目标模板深度特征；构建特征融合网络模型；采用克罗内克积对目标模板深度特征和搜索区域特征进行计算得到匹配置信度图；对空间一致性匹配模块与模板特征权重学习模块进行训练，以获得最终置信度图并将得分最高的目标候选块进行目标跟踪。本发明通过建立目标模板图像和搜索区域图像的空间一致性对应关系，充分利用目标模板图像和搜索区域目标候选块图像的空间位置信息，实现更准确跟踪。
-
公开(公告)号：CN115375737B
公开(公告)日：2023-02-03
申请号：CN202211308115.8
申请日：2022-10-25
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于自适应时间与序列化时空特征的目标跟踪方法与系统，首先在双分支跟踪网络框架下，基于深度卷积神经网络和自适应时间模块，构建得到特征提取网络；在提取目标特征的基础上，目标模板分支特征通过序列化时空特征模块得到增强的目标模板特征信息；将该特征信息输入到模型预测器，通过模型预测器得到适应性卷积核；搜索区域分支特征经过特征提取网络与卷积核进行卷积，得到融合之后的得分图，即进一步实现目标跟踪。在本发明中，通过重构基于自适应时间特征表示与序列化时空特征模块进行特征融合，从而提高了给定的目标图像和搜索区域图像的特征融合的性能，最终实现更加精确的目标跟踪。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.028 seconds)
