-
公开(公告)号：CN110349187A
公开(公告)日：2019-10-18
申请号：CN201910650057.9
申请日：2019-07-18
申请人： 深圳大学
摘要： 根据本发明实施例公开的一种基于TSK模糊分类器的目标跟踪方法、装置及存储介质，首先对稳定航迹的特征集合构建多输出回归数据集，并计算各特征相对模糊规则的模糊隶属度；然后基于多输出回归数据集及模糊隶属度训练分别基于运动特征和HOG特征的TSK模糊分类器的后件参数，并构建对应的分类器；再将观测集输入至分类器得到标签向量矩阵，并对标签向量矩阵进行数据关联得到目标和观测的正确关联；最后对目标进行滤波和轨迹管理得到目标的最终轨迹。通过本发明的实施，利用多帧信息训练出TSK模糊分类器，并在训练的过程中加入多特征学习机制，增加了分类器的学习能力，可有效处理数据关联过程中的不确定性，提高目标跟踪的准确性。
-
公开(公告)号：CN110349188A
公开(公告)日：2019-10-18
申请号：CN201910650445.7
申请日：2019-07-18
申请人： 深圳大学
摘要： 根据本发明实施例公开的基于TSK模糊模型的多目标跟踪方法、装置及存储介质，首先检测图像中的运动目标得到观测集，然后提取目标与观测之间特征相似度，并将特征相似度输入至TSK模糊模型，利用模型对特征相似度进行加权融合，得到目标与观测之间的隶属度矩阵，再对隶属度矩阵进行数据关联得到目标和观测的正确关联，最后对目标进行滤波和轨迹管理得到目标的最终轨迹。通过本发明的实施，利用TSK模糊模型处理目标与观测之间的关联过程，可有效处理数据关联过程中的不确定性，提高了目标跟踪的准确性。
-
公开(公告)号：CN110187334A
公开(公告)日：2019-08-30
申请号：CN201910451719.X
申请日：2019-05-28
申请人： 深圳大学
摘要： 根据本发明实施例公开的一种目标监控方法、装置及计算机可读存储介质，分别获取预设监控区域当前时刻的视频检测信息和雷达检测信息；根据所述视频检测信息和雷达检测信息，计算所有所述视频检测目标以及所述雷达检测目标的质心矩阵；确定质心矩阵各行中用于表征各视频检测目标相对最近的雷达检测目标的距离的最小值；将最小值与预设距离阈值进行比较，根据比较结果确定质心匹配成功的目标、视频检测目标以及雷达检测目标中分别剔除匹配成功的目标后所剩余的目标。通过本发明的实施，考虑到雷达检测结果与视频检测结果存在差异，对两类检测信息进行融合处理，经过质心匹配来将所有检测目标划分为三类目标，有效提高了目标监控的准确性、全面性以及效率。
-
公开(公告)号：CN110363165B
公开(公告)日：2023-04-14
申请号：CN201910650053.0
申请日：2019-07-18
申请人： 深圳大学
IPC分类号： G06V20/40 , G06V10/762 , G06V10/774
摘要： 根据本发明实施例公开的基于TSK模糊系统的多目标跟踪方法、装置及存储介质，首先判断拥有稳定航迹的目标数是否大于0；若是，则构建TSK模糊分类器，并将观测集输入至TSK模糊分类器，得到标签向量矩阵，然后对标签向量矩阵进行数据关联；若否，则计算目标集中的目标对象与观测集中的观测对象之间的特征相似度，并将特征相似度输入至TSK模糊模型，得到隶属度矩阵，然后对隶属度矩阵进行数据关联；最后基于数据关联结果进行轨迹管理。通过本发明的实施，建立TSK模糊分类器来对稳定航迹和观测进行关联，并利用TSK模糊模型对新观测进行简易数据关联，能够准确地完成目标与观测间的数据关联，实现对视频多目标的准确跟踪。
-
公开(公告)号：CN110187334B
公开(公告)日：2021-06-08
申请号：CN201910451719.X
申请日：2019-05-28
申请人： 深圳大学
摘要： 根据本发明实施例公开的一种目标监控方法、装置及计算机可读存储介质，分别获取预设监控区域当前时刻的视频检测信息和雷达检测信息；根据所述视频检测信息和雷达检测信息，计算所有所述视频检测目标以及所述雷达检测目标的质心矩阵；确定质心矩阵各行中用于表征各视频检测目标相对最近的雷达检测目标的距离的最小值；将最小值与预设距离阈值进行比较，根据比较结果确定质心匹配成功的目标、视频检测目标以及雷达检测目标中分别剔除匹配成功的目标后所剩余的目标。通过本发明的实施，考虑到雷达检测结果与视频检测结果存在差异，对两类检测信息进行融合处理，经过质心匹配来将所有检测目标划分为三类目标，有效提高了目标监控的准确性、全面性以及效率。
-
公开(公告)号：CN110347971A
公开(公告)日：2019-10-18
申请号：CN201910650468.8
申请日：2019-07-18
申请人： 深圳大学
摘要： 根据本发明实施例公开的基于TSK模糊模型的粒子滤波方法、装置及存储介质，基于TSK模糊模型构建粒子滤波的重要性密度函数；从重要性密度函数中抽取N个粒子，组成目标的粒子状态集；计算粒子状态集中粒子的权值，并对权值进行归一化；基于归一化后的权值以及粒子状态集，计算目标在k时刻的状态和协方差。通过本发明的实施，引入TSK模糊模型对目标的动态系统进行建模，构建有效的重要性密度函数，有效地提高了粒子采样的鲁棒性和多样性，增强了非线性非高斯环境下的目标跟踪性能。
-
公开(公告)号：CN110349188B
公开(公告)日：2023-10-27
申请号：CN201910650445.7
申请日：2019-07-18
申请人： 深圳大学
摘要： 根据本发明实施例公开的基于TSK模糊模型的多目标跟踪方法、装置及存储介质，首先检测图像中的运动目标得到观测集，然后提取目标与观测之间特征相似度，并将特征相似度输入至TSK模糊模型，利用模型对特征相似度进行加权融合，得到目标与观测之间的隶属度矩阵，再对隶属度矩阵进行数据关联得到目标和观测的正确关联，最后对目标进行滤波和轨迹管理得到目标的最终轨迹。通过本发明的实施，利用TSK模糊模型处理目标与观测之间的关联过程，可有效处理数据关联过程中的不确定性，提高了目标跟踪的准确性。
-
公开(公告)号：CN110349187B
公开(公告)日：2023-04-14
申请号：CN201910650057.9
申请日：2019-07-18
申请人： 深圳大学
IPC分类号： G06T7/246 , G06V10/764 , G06V10/50 , G06V10/774
摘要： 根据本发明实施例公开的一种基于TSK模糊分类器的目标跟踪方法、装置及存储介质，首先对稳定航迹的特征集合构建多输出回归数据集，并计算各特征相对模糊规则的模糊隶属度；然后基于多输出回归数据集及模糊隶属度训练分别基于运动特征和HOG特征的TSK模糊分类器的后件参数，并构建对应的分类器；再将观测集输入至分类器得到标签向量矩阵，并对标签向量矩阵进行数据关联得到目标和观测的正确关联；最后对目标进行滤波和轨迹管理得到目标的最终轨迹。通过本发明的实施，利用多帧信息训练出TSK模糊分类器，并在训练的过程中加入多特征学习机制，增加了分类器的学习能力，可有效处理数据关联过程中的不确定性，提高目标跟踪的准确性。
-
公开(公告)号：CN110347971B
公开(公告)日：2023-04-07
申请号：CN201910650468.8
申请日：2019-07-18
申请人： 深圳大学
摘要： 根据本发明实施例公开的基于TSK模糊模型的粒子滤波方法、装置及存储介质，基于TSK模糊模型构建粒子滤波的重要性密度函数；从重要性密度函数中抽取N个粒子，组成目标的粒子状态集；计算粒子状态集中粒子的权值，并对权值进行归一化；基于归一化后的权值以及粒子状态集，计算目标在k时刻的状态和协方差。通过本发明的实施，引入TSK模糊模型对目标的动态系统进行建模，构建有效的重要性密度函数，有效地提高了粒子采样的鲁棒性和多样性，增强了非线性非高斯环境下的目标跟踪性能。
-
公开(公告)号：CN110363165A
公开(公告)日：2019-10-22
申请号：CN201910650053.0
申请日：2019-07-18
申请人： 深圳大学
摘要： 根据本发明实施例公开的基于TSK模糊系统的多目标跟踪方法、装置及存储介质，首先判断拥有稳定航迹的目标数是否大于0；若是，则构建TSK模糊分类器，并将观测集输入至TSK模糊分类器，得到标签向量矩阵，然后对标签向量矩阵进行数据关联；若否，则计算目标集中的目标对象与观测集中的观测对象之间的特征相似度，并将特征相似度输入至TSK模糊模型，得到隶属度矩阵，然后对隶属度矩阵进行数据关联；最后基于数据关联结果进行轨迹管理。通过本发明的实施，建立TSK模糊分类器来对稳定航迹和观测进行关联，并利用TSK模糊模型对新观测进行简易数据关联，能够准确地完成目标与观测间的数据关联，实现对视频多目标的准确跟踪。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.022 秒)