-
公开(公告)号：CN111476815A
公开(公告)日：2020-07-31
申请号：CN202010259585.4
申请日：2020-04-03
申请人： 浙江大学
摘要： 本发明公开了一种基于运动区域颜色概率的运动目标检测方法。基于卷积神经网络提取输入图像对的卷积特征；通过图像特征差分来获取图像对之间的显著运动区域；对输入图像以及显著运动区域分别进行颜色直方图统计，并依据最大后验概率公式求解各颜色直方图属于目标的概率；利用该概率对输入图像逐像素赋值，得到目标概率图；基于图像特征差分结果在目标概率图上生成初始运动目标检测框，利用梯度下降法求解最优检测框，得到运动目标检测结果。本发明能够有效识别场景中的运动目标，并以矩形框的形式表示目标在图像中的位置。方法运算速度快，准确度高。可以作为多种算法的前端，如目标跟踪、行人重检测。在实际中具有重要应用意义。
-
公开(公告)号：CN110706254B
公开(公告)日：2021-11-30
申请号：CN201910885032.7
申请日：2019-09-19
申请人： 浙江大学
摘要： 本发明公开了一种目标跟踪模板自适应更新方法。基于相关滤波类跟踪算法，分析目标物体在正常、形变以及遮挡三种状态下，跟踪响应结果图的峰值特征与空间分布的表现及成因；建立目标状态分类方程，根据大量跟踪实例下得到的响应结果图，通过最小化分类误差的方法求解该方程。从而确定目标物体的状态，即正常、形变或遮挡，并根据不同的状态选取相应的目标跟踪模板更新率；本发明能够很好地结合到相关滤波类跟踪算法，并依据目标物体状态选取合适的模板更新率，有效提升了相关滤波类跟踪算法的鲁棒性。本发明基于跟踪过程中已获得的响应结果图来计算模板更新率，避免了对算法复杂度的增加。
-
公开(公告)号：CN110706254A
公开(公告)日：2020-01-17
申请号：CN201910885032.7
申请日：2019-09-19
申请人： 浙江大学
摘要： 本发明公开了一种目标跟踪模板自适应更新方法。基于相关滤波类跟踪算法，分析目标物体在正常、形变以及遮挡三种状态下，跟踪响应结果图的峰值特征与空间分布的表现及成因；建立目标状态分类方程，根据大量跟踪实例下得到的响应结果图，通过最小化分类误差的方法求解该方程。从而确定目标物体的状态，即正常、形变或遮挡，并根据不同的状态选取相应的目标跟踪模板更新率；本发明能够很好地结合到相关滤波类跟踪算法，并依据目标物体状态选取合适的模板更新率，有效提升了相关滤波类跟踪算法的鲁棒性。本发明基于跟踪过程中已获得的响应结果图来计算模板更新率，避免了对算法复杂度的增加。
-
公开(公告)号：CN111476815B
公开(公告)日：2022-05-17
申请号：CN202010259585.4
申请日：2020-04-03
申请人： 浙江大学
摘要： 本发明公开了一种基于运动区域颜色概率的运动目标检测方法。基于卷积神经网络提取输入图像对的卷积特征；通过图像特征差分来获取图像对之间的显著运动区域；对输入图像以及显著运动区域分别进行颜色直方图统计，并依据最大后验概率公式求解各颜色直方图属于目标的概率；利用该概率对输入图像逐像素赋值，得到目标概率图；基于图像特征差分结果在目标概率图上生成初始运动目标检测框，利用梯度下降法求解最优检测框，得到运动目标检测结果。本发明能够有效识别场景中的运动目标，并以矩形框的形式表示目标在图像中的位置。方法运算速度快，准确度高。可以作为多种算法的前端，如目标跟踪、行人重检测。在实际中具有重要应用意义。
-
-
-
搜索结果
4 条记录 (耗时 0.02 秒)
