专利名称：基于自适应更新策略的多特征无人机视频跟踪方法      申请号：2022111716363     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机视觉 视频跟踪   相似专利 发布日：2025/08/11  
摘要： 本发明公开了一种基于自适应更新策略的多特征无人机视频跟踪方法，步骤如下：当图像输入以后，以上一帧目标位置为中心裁剪出图像块；提取该图像块的HOG特征、CN特征、SA特征，并通过PSR将三种特征进行融合，得到最终的响应图；根据最终响应图的PSR判断当前帧的跟踪质量，如果跟踪质量不佳则通过去噪机制对最终响应图进行去噪；通过最终响应图来确定目标在当前帧的位置；根据当前帧中目标的位置来自适应更新模型。本发明融合了HOG特征、CN特征、SA特征，能够提高目标的表征信息；同时，去噪机制能够有效缓解背景噪声的干扰，自适应更新策略能够防止模板退化。

专利名称：一种基于视频跟踪的悬垂控制器      申请号：2017102800471     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：音视频 视频跟踪   相似专利 发布日：2025/04/14  
摘要： 一种基于视频跟踪的悬垂控制器，其特征在于它包括摄像头、FIFO模块和电子系统单元；其工作方法包括：系统初始化、按键触发检测、视频采集、存储并显示、图像处理、位置调整；其优越性在于：改变基于电磁波的悬垂器结构，使用视频跟踪技术，有较强的创新性；系统成本低、易操作、性能稳定，抗干扰能力强；通过视频跟踪实现电缆位置信息的采集，受外界环境影响较小，具有较高的精度和可靠性。

专利名称：一种基于流形正则化的上下文相关滤波视频跟踪方法      申请号：2018108264491     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：音视频 视频跟踪   相似专利 发布日：2025/08/11  
摘要： 本发明公开了一种基于流形正则化的上下文相关滤波视频跟踪方法，该相关滤波跟踪方法的基础样本采用中心区域及其周围区域作为正负样本，并在一系列的循环样本中加入流形结构，进行离散傅里叶变换快速计算。本发明提出的一种基于流形正则化的上下文相关滤波视频跟踪方法有效地利用了目标上下文区域间的结构信息，构建了流形正则项来约束目标函数，很好地抑制了混乱背景下的噪声，显著地提高了跟踪算法的精度和稳健性。

专利名称：一种基于时空非局部正则的相关滤波视频跟踪方法      申请号：2018110193032     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：音视频 视频跟踪   相似专利 发布日：2025/08/11  
摘要： 本发明公开了一种基于时空非局部正则的相关滤波视频跟踪方法，受到视频中的时空非局部性目标表观重现技术的启发，我们利用非局部信息来精确地表述和分割目标，得到一个目标概率图去正则化目标跟踪里的相关滤波器。特别地，给出一个目标边界框，我们首先生成一系列超像素去描述前景和背景，然后利用长期的时空非局部相似物来更新每个像素的表观。接着，利用更新过的表观，我们利用超像素标签的一致性概率建模出了一个时空图模型。之后，我们通过优化图模型更新表观模型和预测标签。最终，利用分割掩模，我们获得了一个目标概率图，它被用来自适应地约束相关滤波学习，通过挤压混乱背景下的噪声，以此来充分利用长期的稳定的目标表观信息。本发明的视频跟踪算法在光照剧烈变化和目标场景复杂的情况下显著地提高了跟踪器的稳健性和准确性。

专利名称：一种基于自适应相关滤波的长时视频跟踪方法      申请号：2019107554595     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：滤波跟踪器 计算机视觉 人机交互 智能家居 视频跟踪   相似专利 发布日：2025/02/21  
摘要： 本发明公开了一种基于自适应相关滤波的长时视频跟踪方法，属于视频跟踪技术领域。所述方法融合了HOG特征、CN特征和灰度特征，增强特征判别力的同时结合Edgebox生成检测建议，找到最优建议实现跟踪器尺度与纵横比的自适应；利用高置信度跟踪结果避免模板被破坏，将目标移动速度与边缘组数结合起来形成了一种新的自适应更新率，并对每一帧目标框的尺度进行校正；在跟踪失败的情况下，应用增量学习检测器以滑动窗口的方式恢复目标位置。本发明使相关滤波器具有更好的尺度和长宽比自适应性，尺度的校正与高置信度更新机制也使模板的稳定性更好，在背景杂乱、遮挡、目标发生快速移动等情况下表现优异，适合长时间跟踪。

专利名称：一种基于颜色聚类补充学习的视频跟踪方法      申请号：2018107781414     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：音视频 视频跟踪   相似专利 发布日：2025/08/11  
摘要： 本发明公开一种基于颜色聚类补充学习的视频跟踪方法，属于图像处理技术领域。包括输入上一帧状态及分类参数、对目标区域颜色聚类、根据聚类中心统计出直方图、计算颜色响应、计算相关滤波响应、颜色响应和相关滤波响应融合、更新分类器参数、输出当前帧状态及分类器参数八个步骤。通过对传统的颜色直方图补充学习跟踪方法进行分析和改进，有效地利用颜色分布的信息，采用聚类和统计颜色直方图手段，学到更有效的颜色聚类补充学习器并与传统的相关滤波学习器相融合，能够有效区分目标和背景，在目标发生遮挡、旋转、尺度变化、快速运动、光照变化等复杂情况下依然可以准确地跟踪目标。具有处理问题时更加稳健准确、适应性强、跟踪效果好等优点。