本发明属于计算机视觉中的目标跟踪技术领域，公开了一种无人机目标跟踪方法、系统、介质、设备及终端，利用ImageNet数据集进行主干网络预训练；创建SiamTCP无人机跟踪模型，并在多个视频数据集上训练SiamTCP无人机跟踪模型。本发明提供的基于目标感知级联像素匹配的无人机目标跟踪方法，通过在多个数据集上进行训练，从而确定神经网络模型的参数，训练完成之后的模型，可以应用于无人机场景的目标跟踪任务。具体而言，本发明提出了逐像素互相关，并进行级联操作，通过部分到部分的匹配操作代替全局到全局的匹配，增强了特征融合的结果。同时本发明提出的目标感知模块可以剔除不必要的背景信息，能够很好地配合级联的像素匹配过程。
📄 2022113847044
📂 G06T7_246
👤 浙江师范大学
📅 2022-11-07
本发明公开了基于时间自适应双向桥接的RGB‑D目标跟踪方法、系统及介质，属于计算机视觉技术领域，使用视觉Transformer ViT将RGB模态和深度模态图像切分成图像块，并将图像块嵌入到潜在空间中，并进行特征提取；通过时间自适应双向桥接模块进行RGB模态和深度模态之间的特征融合；所述的时间自适应双向桥接模块包括预融合模块、交叉注意力模块和时序自适应分支；通过预测头输出目标的分类结果和边界框位置，利用融合特征进行分类和边界框回归，以确定目标在当前帧中的位置；预测头通过损失函数进行模型训练。本发明通过时间自适应双向桥接模块，实现了深度和RGB特征的有效融合，并通过时序自适应分支动态更新在线模板图像特征，从而提升跟踪模型的鲁棒性。
📄 2024113135621
📂 G06T7_246
👤 浙江师范大学
📅 2024-09-20
本发明公开了一种基于光/惯动作捕捉系统和方法，光学动作捕捉模块：通过光学影像设备对位于动作人物上的多组传感组件所在的位置进行采集并标记，将标记点记录于多维仿真软件上，每组传感组件的轨迹均在对应的多维仿真软件上生成一次独立的轨迹记录L1；惯性动作捕捉模块：对传感组件所在位置同步记录运动轨迹，通过传感组件本身所记录的位置标记为轨迹记录L2；动作矫正模块：计算比较每组传感组件的轨迹记录L1与轨迹记录L2位置偏差；仿真模型制作模块：对动作矫正的动漫视频轨迹进行仿真模拟，并渲染。本发明通过光学动作捕捉模块与惯性动作捕捉模块的相互配合，提高了动作人物在表演动作时的动作轨迹精准性，更加直观的体现了表演真实性。
📄 2022107943754
📂 G06T7_246
👤 木方(苏州)文化科技发展有限公司
📅 2022-07-07
本发明涉及图像特征提取技术领域，具体为一种跨摄像头多车辆跟踪方法、系统及设备，该方法包括，获取多个摄像头的视频，识别视频中每一帧图像中的目标车辆，并输出目标车辆的基础信息，为图像分配图像令牌、类别令牌和部分令牌；每个部分令牌的历史特征组成的融合特征；并与全局特征相加后生成组合特征；构建目标车辆的当前帧之前的历史轨迹特征，通过线性变换转化为时间令牌；根据时间令牌推理生成目标车辆当前帧的预测轨迹，进一步推理得到完整轨迹；对多个摄像头的目标车辆的完整轨迹进行聚类完成跨摄像头车辆跟踪。本发明能够解决多摄像头场景下车辆跟踪的跨摄像头匹配困难，遮挡和运动模糊，轨迹修复及车辆再识别精度的问题。
📄 2025100587409
📂 G06T7_246
👤 烟台大学
📅 2025-01-15
本发明属于图像处理技术领域，具体涉及基于选择性状态空间的目标跟踪方法、系统、装置、介质，该方法先引入代理令牌，对待处理特征进行交互，来捕捉上下文信息，更好地聚焦于当前帧目标相关的特征，提升目标辨识能力；然后构建选择性状态空间，对当前帧的状态进行动态更新，有效地将历史信息与当前帧特征相结合，并动态调整当前状态的表达；最后当前帧的状态通过自注意力机制和线性变换，预测边界框，进行目标跟踪，提高了对视频序列中特定目标的跟踪精度和连续性，增强了在复杂场景中的适应能力。
📄 2024117643878
📂 G06T7_246
👤 烟台大学
📅 2024-12-04
本发明提出了一种基于全局运动的视觉目标对齐方法，为了使冰壶项目运动员的训练更为科技化，能够更好的观察冰壶完整的运动路径。本方法通过分析冰壶运动视频可以获得视频中冰壶的跟踪数据，并且通过计算可以得到相机镜头的运动，用该运动对视频中的场地进行还原处理，进而得到冰壶场地的运动数据。将场地运动数据和冰壶跟踪数据相结合，最后计算得到完整的冰壶运动轨迹，输出可视化结果。通过测试验证了该方法的可行性，具有重要应用价值。
📄 2020112563008
📂 G06T7_246
👤 北京工业大学
📅 2020-11-11
本申请公开了一种目标跟踪方法、装置、设备及存储介质，涉及图像处理、深度学习、计算机视觉技术领域。具体实现方案为：通过从预设的场景地图中，获取与当前图像帧最邻近的目标图像帧以及目标图像帧上的至少一个特征点的坐标信息，确定当前图像帧与目标图像帧之间的至少一个匹配特征点对以及每个匹配特征点对的权重系数，进而计算出当前图像帧的位姿信息，从而能够根据当前图像帧的位姿信息，实现对当前图像帧中的目标跟踪对象的跟踪。该技术方案，由于能够确定出当前图像帧的准确位姿信息，从而提高了目标跟踪的跟踪精度。
📄 2020105490549
📂 G06T7_246
👤 北京百度网讯科技有限公司
📅 2020-06-16
本发明提供一种基于深度学习的行人多目标跟踪方法，涉及计算机视觉技术领域，包括：S1获取视频数据，对视频数据进行抽帧转换为图像帧，对图像帧进行预处理；S2利用改进后的YOLOv5‑s模型对图像帧进行行人目标检测，得到行人目标；S3采用改进后的Strong SORT模型对每帧的行人目标进行目标跟踪，为每个追踪到的行人分配ID，并生成行人跟踪结果。本发明可精确定位视频中的各个行人，并对其进行轨迹跟踪。
📄 2023112105696
📂 G06T7_246
👤 中南民族大学
📅 2023-09-19
本发明提供了一种多尺度时空特征融合网络的行人轨迹预测方法，属于计算机视觉技术领域。解决了行人轨迹预测中如何有效学习复杂的时空特征及其相互关系的问题。其技术方案为：包括以下步骤：S1：获取数据集数据；S2：使用自注意力机制学习每个行人的时间依赖性特征；S3：将行人坐标转换为空间图；S4：跨时空交互特征通过多头自注意力来提取；S5：获取时间特征、空间特征和跨时空交互特征；S6：将融合后的时空特征通过时间外推卷积神经网络MTCN，实现多轨迹预测。本发明的有益效果为：通过多层时间外推卷积神经网络MTCN实现多轨迹预测。
📄 2024117255586
📂 G06T7_246
👤 南通大学
📅 2024-11-28
本发明公开了一种基于强化学习算法SAC的目标跟踪方法、装置及存储介质，方法包括：获取视频数据；在视频数据的当前帧中确定搜索区域位置和大小；判断当前帧是否为第一帧；响应于当前帧非第一帧，将当前帧输入预训练好的actor网络模型进行特征提取，得到输出的预测框，根据所述预测框对目标进行跟踪；其中所述actor网络模型的训练方法，包括：通过第一帧对actor、target_actor网络进行初始化，根据经验池中存储的数据，通过actor、critic网络计算动作，计算actor、critic1、critic2网络损失，利用强化学习SAC算法更新网络权值。将目标跟踪问题转化为强化学习算法中在线决策的问题，并且本发明只需要少量数据集，充分利用现有技术，提升训练速度。
📄 2022102402738
📂 G06T7_246
👤 南京邮电大学
📅 2022-03-10
本发明公开了一种识别跟踪方法、装置、电子设备及存储介质。该方法包括：连续获取多个跟踪图像，确定跟踪图像中包含跟踪目标的跟踪区域；在跟踪目标为多个的情况下，对跟踪图像中包含跟踪目标的跟踪区域进行预测识别，得到预测身份，并在多个跟踪图像中对多个跟踪目标进行轮询地识别校准，得到对跟踪目标的跟踪数据。本发明通过对跟踪图像分步进行跟踪区域检测和识别校准，解决了在小特征目标识别跟踪过程中因特征像素太小导致难以识别的问题，进一步的，通过轮询识别校准的方式同时对多个跟踪目标进行视觉跟踪，解决了在有多个跟踪目标的情况下因对多个跟踪目标串行的进行识别校准而导致延迟累加的问题，减小识别跟踪的延迟，保证跟踪的实时性。
📄 202410232430X
📂 G06T7_246
👤 杭州穿石物联科技有限责任公司
📅 2024-03-01
已申报项目
本发明提出一种基于可学习稀疏转换注意力机制的目标跟踪方法与系统，包括：对给定第一帧目标框中的图像初始化以生成目标模板图像；在后续帧中，以前一帧目标框中的图像的目标中心作为中心点，通过多尺度策略以获取得到多个搜索区域图像；将目标模板图像与搜索区域图像输入到共享权值的卷积神经网络模型中，通过卷积神经网络分别提取特征；基于可学习稀疏模型对提取的特征进行空间转换和通道转换；将目标模板深度特征作为卷积核，对搜索区域图像进行滑窗操作，以得到多个得分图，根据得分值最大位置推测出目标相对位移和尺度变化，以实现目标跟踪。本发明具有很好的鲁棒性与实时性，可实现良好的目标图像跟踪效果。
📄 2021109291604
📂 G06T7_246
👤 山东承坤信息科技有限公司
📅 2021-08-13
柿子坊 · 知识产权运营
柿子坊知识产权运营平台