本发明公开了一种基于四元数的三维人体姿态估计运动矫正方法，包括步骤1、采集运动数据并进行数据预处理；步骤2、使用卷积神经网络进行人体关节点特征提取；步骤3、利用提取到的关节点特征，构建四元数进行旋转；步骤4、利用三维坐标值以及三维空间中计算角度的方法计算各个关节与关节之间的角度以及骨架，用来进行姿态矫正；同时通过计算斜率进行速度矫正。本发明通过四元数旋转提升了三维空间中姿态矫正的精确度；通过欧氏距离和角度变化的快慢，重新定义了三维空间中动作运动速度的判定方法；本发明能够在运动健康中三维人体姿态估计方面，在运动速度判定和动作识别上取得较好效果。
📄 202310161400X
📂 G06T7_207
👤 浙江工业大学
📅 2023-02-24
本发明涉及一种自动驾驶场景下基于卷积关联网络的行人目标跟踪方法，通过利用卷积关联网络与轻量级目标检测网络共享特征，来捕获目标间的关联性，从而实现目标跟踪，具体包括以下步骤：A1‑1、获取一个一阶段目标检测模型，然后一共经过5次下采样，在最后三个尺度的特征图上进行预测，除了第一次下采样时采用普通卷积模块，后面四次下采样均采用多尺度下采样模块中设计到的模型均更换成可分离卷积模块，并将模型在最后三次下采样的特征图上做目标框预测，最终构成轻量级行人目标检测网络；A2‑1、预测目标关联矩阵，得到目标关联矩阵；A3‑1、然后通过卷积关联网络设计行人目标跟踪策略，最终获得行人关联的目标跟踪结果。本发明在跟踪精度与速度上都能良好地适应自动驾驶场景。
📄 2020104392996
📂 G06T7_207
👤 重庆理工大学
📅 2020-05-22
本发明公开了一种基于Mamba的高效光流估计方法和装置，其方法包括：对相邻两帧图像进行归一化与尺寸对齐，并经共享权重卷积编码器提取固定下采样率的密集特征；将两帧特征送入多层次特征增强模块，由帧内建模单元与跨帧交互单元级联并配合通道重整与残差校正，得到增强特征；在低分辨率上构建四维代价体并沿目标坐标维进行概率归一化，按概率对目标坐标网格加权求得对应坐标并与源坐标作差，获得初始光流；将初始光流与上下文及局部相关进行注意力引导的空间融合，送入基于差分Mamba的自回归细化模块按少量固定步迭代更新，并通过凸组合上采样恢复至目标分辨率，输出最终光流。本发明能够在低复杂度与低时延下准确估计光流场。
📄 2025115121810
📂 G06T7_207
👤 浙江工业大学
📅 2025-10-22
本发明公开了一种基于深度学习点线特征和IMU紧耦合的机器人运动估计方法，包括：对当前帧图像进行实例分割处理得到动态像素和静态像素；对于静态像素部分，提取预测的重复性单元和稠密描述子并进行线特征提取；获取像素级可重复性图和分块级可重复性图，采用基于可重复性的残差，构造点特征重投影误差函数，从而估计机器人位姿；利用线特征构建线特征重投影误差函数，约束位姿估计；对连续两帧图像之间的IMU数据进行预积分，构造IMU误差函数对位姿的迭代优化；最小化点特征重投影误差函数、线特征重投影误差函数以及IMU误差函数之和来优化所有状态变量，求得准确的机器人位姿信息。本发明解决了现有技术在动态环境中定位精度不高、鲁棒性差等问题。
📄 2022102838588
📂 G06T7_207
👤 广东工业大学
📅 2022-03-22
本发明公开了一种基于关键帧的在线学习的离线视频跟踪方法，包括以下步骤：对于给定的离线视频，选择一定数量的关键帧进行标注，并由此构建完备的模板字典，在跟踪过程中，对于每一个候选图像区域，计算其与纯净模板子块之间的距离，从而有效对纯净模板子块进行选择，提高计算效率；为了减少跟踪误差的积累，采用循环跟踪的策略将开环问题转化为闭环问题，从而有效地提高目标跟踪的鲁棒性；利用跟踪的结果，对动态模板进行在线地半监督学习，以适应目标表观的变化。在跟踪过程中对目标模板字典进行有效地在线学习，从而避免每次模板更新所带来的误差累积；采用循环跟踪的策略将开环问题转化为闭环问题，从而有效的提高目标跟踪的鲁棒性。
📄 2015100102279
📂 G06T7_20
👤 温州大学
📅 2015-01-09
本发明公开了一种基于排序融合学习的目标跟踪方法，主要包含以下步骤：计算目标候选区域在各种跟踪算法的排序、建立后验概率模型(Extended Mallows Model)、基于EM算法的参数计算、专家度参数与跟踪算法的自适应更新等模块。本发明提出一种通用框架来实现了不同跟踪算法的有效融合，特别有效地实现了判别式跟踪算法和产生式跟踪算法的完美互补，从而避免了它们各自的缺点，提高跟踪算法的鲁棒性。实验结果表明，相对于其他的经典跟踪算法，该跟踪算法更具有普适性，即在各种具有挑战性视频中也能精确地跟踪到目标。该算法是一种通用的算法，具有广泛的应用前景。
📄 2015102701763
📂 G06T7_20
👤 温州大学
📅 2015-05-23
本发明涉及涉及一种多特征分层融合的相关滤波鲁棒跟踪方法。为提高目标跟踪的鲁棒性，针对相关滤波跟踪中的多特征融合问题，本发明提出了一种多特征分层融合策略。从目标和周围背景区域分别提取HOG特征、CN特征和颜色直方图特征三种特征。采用自适应加权融合策略进行HOG特征和CN特征的特征响应图融合。将该层融合结果与基于颜色直方图特征获得的特征响应图进行第二层融合时，采用固定系数融合策略进行特征响应图的融合。本发明在保证跟踪准确率的前提下，跟踪鲁棒性优于其它算法。当相关滤波跟踪算法采用了多个特征时，本发明的分层融合策略具有一定的借鉴性。
📄 2017108349724
📂 G06T7_207
👤 杭州电子科技大学
📅 2017-09-15
本发明公开的RGBD视频中基于局部刚性假设的场景流估计方法，首先，分别输入连续两帧RGB图像和深度图像，并计算连续两帧RGB图像之间的光流信息；其次，根据坐标转换配准输入的深度图像和RGB图像，修复深度图像中的洞和消除噪声点；然后，使用K‑means算法对修复后的深度图像分层，将深度值接近的像素值分为同一层；然后使用局部刚性全局非刚性假设将每一层分成许多的块并计算每个块的运动信息；最后，根据光流信息和深度图像的分层信息得到最终的场景流信息。本发明公开的方法与传统的计算场景流的方法相比，具有较高的精度。
📄 2019105950925
📂 G06T7_207
👤 西安理工大学
📅 2019-07-03
本发明涉及一种基于多智能体控制的单目标动态跟踪与围捕方法。目前缺乏运用多智能体控制对运动目标进行编队式跟踪与控制的方法。本发明方法通过使用序列多假设跟踪算法对运动目标状态进行估计，在杂波环境下获得目标状态后，引入基于一致性思想设计分布式控制器实现多智能体对单目标动态围捕，最后通过传感器控制方法对目标估计轨迹进行跟踪。发明方法可以使多智能体系统形成编队、保持编队，并实现对单目标的动态跟踪与围捕，加深了传统算法中对传感器控制问题及目标跟踪问题的结合。
📄 2019107402395
📂 G06T7_207
👤 杭州电子科技大学
📅 2019-08-12
本发明属于计算机视觉技术领域，具体涉及一种结合尺度自适应与模型更新的目标跟踪方法，包括以下步骤：步骤一：根据当前帧目标状态，确定初步搜索区域；步骤二：训练尺度相关滤波器，估计目标尺度变化，从而准确调整搜索区域大小；步骤三：构建训练模型，得到置信响应图；进而依据响应图波动完成遮挡判定；步骤四：根据遮挡判定自适应地调整模型学习速率大小；步骤五：通过给定阈值进行相应的训练模型更新；本方法有效提高了典型跟踪器在尺度变化、遮挡干扰以及光照背景等复杂因素影响下的目标跟踪性能。
📄 2020103204843
📂 G06T7_20
👤 西安工业大学
📅 2020-04-22
本发明公开了一种基于3D卷积孪生神经网络和模板更新的目标跟踪方法，首先训练神经网络，由给定的初始目标位置在视频序列的第一帧图片上截取并传入神经网络生成目标模板；对于当前跟踪任务进行到的时刻t对应的视频序列图片，以时刻t‑1所得到跟踪结果为中心截取出不同尺寸的搜索区域，再以目标模板为卷积核对搜索区域进行卷积运算得到响应图；计算出响应图的APCE参数，生成t+1时刻的响应图；计算响应图的APCE参数判断是否保留，最终得到整个视频的跟踪结果，生成视频序列中每一帧图片中目标的位置信息，完成跟踪任务。本发明解决了现有技术中存在的对于跟踪中物体外表形变鲁棒性较差的问题。
📄 2021106560045
📂 G06T7_20
👤 西安理工大学
📅 2021-06-11
本发明提供一种基于RGB颜色直方图的判别式跟踪方法，该方法包括：首先，预先估计出目标概率图，降低在搜索区域内搜索目标时的计算量；其次，在当前搜索区域内滑动窗口依次计算候选窗口被认为是目标的得分，选取得分最高的候选窗口作为新的目标位置；最后，根据新的目标位置更新概率图，标定目标。本方案与其他基于颜色直方图的跟踪方法的不同之处在于优化了干扰抑制项，对目标周围出现的相似的区域有较好的抵抗力；针对机场场景较大目标可能由远及近或由近及远的运动造成目标尺度变化较大的情况，在算法中加入尺度估计的功能，可根据目标物大小自动调整大小。
📄 2017103550789
📂 G06T7_207
👤 成都信息工程大学
📅 2017-05-19
柿子坊 · 知识产权运营
柿子坊知识产权运营平台