一種基于深度學(xué)習(xí)的無(wú)人機(jī)視頻目標(biāo)跟蹤方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202011348434.2 | 申請(qǐng)日 | - |
| 公開(kāi)（公告）號(hào) | CN112465863A | 公開(kāi)（公告）日 | 2021-03-09 |
| 申請(qǐng)公布號(hào) | CN112465863A | 申請(qǐng)公布日 | 2021-03-09 |
| 分類(lèi)號(hào) | G06N3/08(2006.01)I;G06T7/246(2017.01)I;G06N3/04(2006.01)I | 分類(lèi) | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 施維;王勇 | 申請(qǐng)（專(zhuān)利權(quán)）人 | 上海獅尾智能化科技有限公司 |
| 代理機(jī)構(gòu) | - | 代理人 | - |
| 地址 | 201210上海市浦東新區(qū)自由貿(mào)易試驗(yàn)區(qū)臨港新片區(qū)麗正路1628號(hào)4幢4501室 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 一種改進(jìn)的無(wú)人機(jī)目標(biāo)跟蹤算法，包括S1、S2、S3和S4四個(gè)步驟，首先設(shè)計(jì)一個(gè)新的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，通過(guò)離線學(xué)習(xí)得到一個(gè)可以很好表示物體特征的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。然后進(jìn)行在線跟蹤，首先對(duì)相鄰兩幀通過(guò)特征點(diǎn)，來(lái)得到兩幀之間的運(yùn)動(dòng)模型，然后用離線學(xué)習(xí)得到的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，來(lái)提取目標(biāo)特征，通過(guò)使用焦點(diǎn)損失函數(shù)提出一種具有良好的描述目標(biāo)邊緣信息能力和對(duì)噪聲和幾何形變具有一定程度的魯棒性的深度神經(jīng)網(wǎng)絡(luò)特征，通過(guò)對(duì)相鄰幀做運(yùn)動(dòng)補(bǔ)償，設(shè)計(jì)了生成式跟蹤方法，在例如攝像頭快速運(yùn)動(dòng)，視頻抖動(dòng)，光線變化，尺度變化等各種場(chǎng)景下，能夠取得較好的跟蹤結(jié)果，適用于人臉跟蹤、無(wú)人機(jī)跟蹤、軍事目標(biāo)跟蹤系統(tǒng)等各類(lèi)民用及軍用系統(tǒng)中。?? |
