本发明涉及目标跟踪方法和装置、电子设备和存储介质。所述方法包括:从来自多种传感器的各传感器数据帧中获得障碍物信息;依据所述障碍物信息进行轨迹匹配;对经匹配的障碍物和轨迹进行轨迹跟踪与更新,其中,依据所述障碍物信息进行轨迹匹配包括:判断所述障碍物是否之前就存在;当判断出所述障碍物之前就存在时,判断是否在之前预定数量的传感器数据帧中都存在;在判断出在之前预定数量的传感器数据帧都存在的情况下,判断所述障碍物与该预定数量的传感器数据帧形成的轨迹之间的距离是否小于预定距离,当判断出小于预定距离时,确认障碍物与该预定数量的传感器数据帧形成的轨迹相匹配。
📄 2022101279859
📂 G06T7_246
👤 宏景智驾(衢州)科技有限公司
📅 2022-02-11
本发明提供了一种自适应尺度的视频目标跟踪方法。该方法首先给定初始帧目标的位置及尺度信息,对其进行循环移位获得训练样本;然后对核化的岭回归分类器进行求解,获得滤波模板,并对候选样本进行检测,估计出目标的位置;接着基于求出的目标位置与前一帧目标的大小,对尺度样本进行检测,由最大的响应值确定当前帧目标的尺度;最后根据遮挡检测机制,在线更新目标和尺度模型参数。本发明不仅能适应光照、姿态变化、背景干扰等复杂场景,而且当目标受到严重遮挡和发生尺度变化时,仍然能够有效的对目标进行跟踪,具有较好的跟踪精度和鲁棒性。
📄 2017106834405
📂 G06T7_246
👤 江南大学
📅 2017-08-11
本发明提供一种使用运动信息与时序信息的改进CFNet视频目标追踪方法,属于目标追踪、深度学习领域。为了使模型有更强的鲁棒性,首先,要能够更好的提取视频帧中的图像特征,在CFNet模型的基础上,引入了SE-ResNext-50作为本模型的特征提取网络,其次,通过前后帧的信息,计算物体的位移、速度、加速度特征,作为跟踪目标的运动信息特征输入模型中。同时,模型还使用二维ConvLSTM循环神经网络,提取视频帧内的时序信息,两种信息的加入使得模型具有了较强的鲁棒性,在遇到遮挡,形变,目标快速运动等问题时较之前模型有较好的表现。
📄 2019107979881
📂 G06T7_246
👤 江南大学
📅 2019-08-27
本发明公开了一种多目标情况下的对于单个人员跟踪感知与识别方法,包括:FairMOT多目标跟踪算法在人员跟踪方面的应用;通过ZED相机获取目标对象的点云滤波技术,进而得到相机系的三维坐标点;由相机得到的位置数据和UWB传感器的位置数据进行基于多重卡尔曼滤波的多传感器数据融合,得到最后的人员目标位置;基于ZED相机与UWB传感器,运用原创跟踪策略对目标ID进行跟踪,其中也包括目标丢失情况下的目标预测、找回与重识别算法。本发明的人员跟踪算法可以通过少许的传感器达到更好的跟踪效果,在目标跟踪领域能够得到较好的应用。本发明所采用的多重卡尔曼滤波数据融合的方式也可为多传感器数据融合提供案例借鉴。
📄 2022110319342
📂 G06T7_246
👤 江南大学
📅 2022-08-26
本发明公开了一种基于可变形卷积和模板更新的孪生网络目标跟踪的方法,首次将可变形卷积网络和模板更新策略结合。采用可变形卷积学习特征数据在不同方向上的自适应偏移量,以增强骨干网络的特征提取能力。此外,深层特征虽语义信息丰富,但缺少位置信息,通过多层可变形互相关融合以提高定位精度。最后,提出了一种高置信度模板更新策略,即每隔固定帧计算一次响应图的峰值旁瓣比和最大值,以此为依据,采用加权的方式融合特征以更新模板。既保证了有效更新,也防止遮挡等特殊情况下更新模板。本发明提出了一种全新的端到端的深度模型,有效提升了方案跟踪性能。
📄 2021103113410
📂 G06T7_246
👤 江南大学
📅 2021-03-23
本发明公开了一种基于场景复杂度感知的视觉目标跟踪动态计算分配方法,涉及计算机视觉与人工智能技术领域,该方法首先构建包含固定层与动态层的多层视觉Transformer骨干网络;通过在首个动态层后激活场景复杂度分析器,对模板与搜索区域特征进行池化、相似度计算与增强处理,预测各动态层的退出得分;随后根据得分与预设阈值的比较,动态决定是否提前终止推理。同时,采用分层蒸馏方法将教师模型知识迁移至学生模型的多个动态层,以提升早期层的预测精度。本发明实现了对场景复杂度的自适应感知与计算资源的动态分配,在资源受限设备上取得了高精度与高实时性的平衡,显著提升了视觉目标跟踪的推理效率。
📄 2025119995880
📂 G06T7_246
👤 江南大学
📅 2025-12-29
本发明涉及目标跟踪技术领域,尤其涉及一种RGB‑E多模态目标跟踪方法及系统。本发明设计了基于事件信息熵估计的动态事件子帧划分机制,通过事件信息熵量化当前事件流的复杂度,自适应选择事件帧聚合或事件子帧划分策略,并提出了事件特征提取网络,基于输入事件特征动态学习池化核的空间偏移参数,通过局部感受野的自适应调整,使特征提取过程更关注目标真实运动产生的有效事件,对每帧事件图像经 1×1 卷积、分路池化拼接及卷积,得到第一阶段特征,将每个阶段特征均分多子特征,将每个子特征沿通道维度不同比例划分,采用不同池化方法分别处理每个部分,融合得到事件特征,有效提高了事件特征的精度。本发明有效提高了RGB‑E多模态的目标跟踪精度。
📄 2025113861933
📂 G06T7_246
👤 江南大学
📅 2025-09-26
本发明公开了一种基于异步语义校正的无人机实时目标跟踪方法,采用高频几何主线程与异步语义校正线程的时空解耦架构;主线程通过稀疏特征跟踪与滤波模型逐帧估计目标几何状态,输出目标预测框;异步线程按触发条件低频调用轻量化语义分割模型,生成目标语义掩膜,并利用延迟时段内的运动轨迹进行时空对齐补偿;系统对语义输入及输出进行双重可靠性校验,通过分级写回机制更新目标状态;当主线程几何传播失效时,应急兜底跟踪器接管输出,保证跟踪连续性;本发明能在边缘平台上实现开放场景中类别无关、实时鲁棒的目标跟踪。
📄 2026106546820
📂 G06T7_246
👤 南京信息工程大学
📅 2026-05-13
本发明公开了一种基于关联矩阵的多模型PBP‑TPMB机动扩展目标跟踪方法,属于目标跟踪领域。所述方法包括:首先,在粒子置信度传播(PBP)数据关联方式的基础上,通过融入关联矩阵,避免遍历所有量测与目标的似然,减少数据关联的计算量,其次,通过模糊处理的方法,在机动点目标与扩展目标互相靠近的场景下,实现点目标遮挡期间的多目标跟踪,最后,通过基于轨迹集的TPMB滤波保留目标运动期间的完整航迹信息,并融入反向平滑,使算法输出的目标轨迹估计集更接近真实目标。本发明通过多模型PBP‑TPMB滤波,解决了紧邻场景下跟踪机动扩展目标的问题,达到了有效跟踪机动点目标和扩展目标的效果。
📄 202310617643X
📂 G06T7_246
👤 江南大学
📅 2023-05-29
本发明请求保护一种基于滑动窗口优化的RGBD和IMU混合跟踪注册方法,其包括以下步骤:视觉测量前端步骤:首先,通过RGBD相机获取RGB信息与深度信息,进行特征提取与跟踪;对三个传感器的外参、偏置、绝对尺度进行标定,通过PnP、ICP算法估计滑动窗口内所有帧的位姿及观测点的逆深度,并与IMU预积分结果进行对齐求解相关参数;采用基于滑动窗口的方法对将视觉测量前端传过来的初始位姿信息做进一步优化,通过先验信息约束、视觉约束、IMU约束构建目标误差函数,通过基于滑动窗口的图优化算法不断优化所有帧的位姿及偏置信息;回环检测与优化步骤:利用DboW算法进行回环检测,如果检测到回环产生,则通过重定位的方式对整个轨迹进行闭环优化。
📄 2022100024354
📂 G06T7_246
👤 重庆邮电大学
📅 2022-01-04
本发明旨在提供一种基于运动能量估计的弱信号检测方法,包括以下步骤:A、构建12种目标信号在图像中的运动模型,运动模型大小为5*5;B、将序列图像与运动模型相乘,得到待检测的图像C、对当前帧图像中所有像元逐个扫描,以当前扫描到的像元所在邻域为中心,构建中心邻域块及其对应的上下左右四个方向邻域块,计算梯度,如果四个方向中有三个以上的梯度大于预定的梯度阈值,则以该像元点所在位置为候选目标位置;D、对候选目标点进行高阶能量相关增强,求取目标的能量极大值,输出目标图像;E、对序列图像进行同样处理,将所有目标图像进行叠加,获得目标运动轨迹图像。本发明能够有效剔除噪声提取真实目标,极大提高算法的检测率。
📄 2022110898260
📂 G06T7_246
👤 广西科技大学
📅 2022-09-07
本发明旨在提供一种螺旋梯度优化估计的弱小目标检测方法,包括以下步骤:A、获取灰度原始图像,建立螺旋运动模型,设定螺旋运动范围;B、对原始图像中各像元点,以该像元点为中心像元点,获取宽、高为w×h的数据块f0,进行坐标编号;C、然后设定X向和y向的移动步长,对中心像元点进行移动;D、以移动后的中心像元点为螺旋运动范围的中心像元点,进行坐标编号;E、计算数据块f0与数据块fk的梯度差;F、计算数据块与数据块fk′的梯度差;G、构建梯度优化背景估计模型并求解获得背景图像,原始图像减去背景图像得到最终输出轮廓图像。本发明实现背景抑制的同时有效去除光晕中心,能够极大提升后续目标的检测能力。
📄 2021110427003
📂 G06T7_246
👤 广西科技大学
📅 2021-09-07