本发明公开了一种适用于RGB-D相机的快速目标跟踪方法，属于视频分析及三维点云处理领域。该方法是在传统模板匹配的基础上，利用RGB-D得到的深度信息，将模板匹配得到的二维响应图投影到三维空间，得到三维响应图，通过Parzen窗口方法搜索三维响应图的局部极大值，从而确定物体在三维空间中的位置，而得到的三维位置又能为下一时刻的模板匹配提供精确的尺度信息，从而得到更为准确的跟踪结果。本发明能够用于视频监控、增强现实、机器人视觉导航等领域中，实现对目标实时、准确的追踪。
📄 2018102581905
📂 G06T7_223
👤 南京邮电大学
📅 2018-03-27
本发明公开了一种单目标跟踪方法。所公开的方法包括：数据预处理；训练并获取深度神经网络模型得到初始跟踪网络模型；利用初始跟踪网络模型对目标进行跟踪并根据目标变化对模型进行在线实时更新确保跟踪路线的准确性。本发明可以实现对任意目标的跟踪，大大降低人工干预带来的效率低、误差大的问题，有效提高目标的跟踪效率。
📄 2019107073769
📂 G06T7_246
👤 西安电子科技大学
📅 2019-08-01
本发明基于特征重映射的视觉目标跟踪方法，步骤包括：1)骨干网络分别提取模板特征和搜索区域特征，计算深度互相关，经过分类分支和回归分支，生成分类特征图和回归特征图；2)构建干扰评估网络，得到响应图，分析是否存在相似目标或杂波干扰；3)启用特征重映射网络获得重映射模板特征和重映射搜索区域特征，进行深度互相关计算，生成重映射分类响应图；4)融合重映射分类响应图，解算被并获得最终跟踪目标位置；5)在线收集干扰集和目标集并构建在线样本集合，计算在线样本集合的损失，梯度回传更新特征重映射网络的参数。本发明的方法，通过重映射提高目标特征的判别性，提升跟踪方法抗干扰性能。
📄 2023102278773
📂 G06T7_246
👤 西安理工大学
📅 2023-03-09
一种基于数据驱动的一致性目标跟踪方法，对各节点数据序列整理定义，初始化系统参数，了解节点位置分布；使用时间函数与节点数据进行匹配，将节点分布转化为一般网络拓扑图的形式；分别进行优化计算，得到各个函数的拟合参数，然后选择时间t代入拟合函数求得各个节点的估计数据，并且由拓扑图得到对应的拉普拉斯矩阵；由拉普拉斯矩阵计算得到权重矩阵，代入迭代算法使各节点数据尽快达到一致。本发明针对无模型的运动目标，通过多传感器的数据及分布位置，使用了一种时间函数拟合的方法得到状态估计，然后根据节点位置计算使得各节点数据快速达到一致，有效地利用了传感器交互技术，提高了估计精度。
📄 2020105782566
📂 G01C21_20
👤 浙江工业大学
📅 2020-06-23
本发明请求保护一种引入颜色特征的扩展目标跟踪方法。该方法对目标特性进行增广，加入目标的颜色特征来构造目标的状态模型与量测模型，使目标具有运动特征、形状、颜色三类属性。在目标跟踪过程中，首先以目标一步预测位置为中心建立跟踪门，根据跟踪门对目标量测进行筛选，然后将筛选后的候选量测与目标轨迹进行关联，关联过程中分别根据目标位置、形状、颜色来计算关联概率，再对关联概率加权，利用加权关联概率对目标状态进行融合估计。本方法利用更充分的目标属性来进行关联滤波，能提高数据关联准确度和目标跟踪精度来提高扩展目标跟踪性能。
📄 2020115092887
📂 G05D1_02
👤 重庆邮电大学
📅 2020-12-18
柿子坊 · 知识产权运营
柿子坊知识产权运营平台