本发明公开了一种基于置信度优化的在线多目标跟踪方法，以轨迹对应的检测置信度和匹配成本为参数，基于指数移动平均值逐帧迭代地更新轨迹置信度，并结合轨迹和轨迹置信度构建置信度权重矩阵，对相似度矩阵进行加权优化。不同于以往的轨迹置信度模型，本发明组合MOT任务中常见的中间量(检测置信度和匹配成本)，利用EMA模型迭代更新，计算复杂度低，并且参数无需额外求解；有利于在线任务；不同于以往基于TBD跟踪器的常见做法，本发明并未对参与关联的对象设置任何的置信度门限，在首次关联时，允许所有检测器的输出和激活轨迹参与关联，有助于从超低分检测中恢复中断的轨迹，并减少超参数空间复杂度，方便实际部署。
📄 2023109661352
📂 G06T7_277
👤 安徽工程大学
📅 2023-08-02
本发明为基于Kalman目标预测多特征压缩融合的快速运动目标跟踪方法，包括：1.在特征提取阶段，对多特征进行压缩，以降低特征维数、减少训练时间。2.采用背景加权技术对压缩后的多特征进行自适应融合，形成跟踪使用的特征向量，以有效降低相似物和遮挡的干扰。3.在跟踪过程中，采用Kalman滤波预测目标位置，并进行目标跟踪优化：(1)在分类过程中，计算样本位置与Kalman预测位置的距离权重，然后将该权重输入贝叶斯分类器，以增强分类性能、降低错误跟踪率。(2)在参数更新过程中：采用自适应学习率代替恒定不变的学习率，以减小噪声对分类性能的干扰。本发明可以有效提高在复杂情况下快速运动物体的跟踪准确率。
📄 2017107472793
📂 G06T7_277
👤 浙江工业大学
📅 2017-08-28
本发明提供一种密集条件下跨时间序列的家蚕个体身份检索识别方法。该方法利用深度学习中的目标检测技术，首先在时间序列的起始时刻使用检测模型检测出家蚕个体，并对检测到的每只家蚕分配一个身份编号，而后使用卡尔曼滤波器预测每只家蚕在下一时刻的位置，而后再次使用目标检测模型在第二时刻进行个体检测，并使用匈牙利算法将上一时刻的预测结果与当前时刻的检测结果进行关联匹配，关联成功的家蚕即为同一只家蚕，共用一个身份编号，从第二时刻起对于新检测到的个体增加身份编号，未检测到的家蚕始终保留身份编号，再次使用卡尔曼滤波预测每只家蚕在下一帧的位置，通过在序列帧图像上循环进行个体检测、位置预测、身份匹配和位置更新等步骤，实现在密集条件下跨时间序列的家蚕个体身份检索识别。
📄 2023107742800
📂 G06T7_277
👤 四川省农业科学院蚕业研究所, 西南大学
📅 2023-06-28
本发明涉及一种应用在目标跟踪的自适应容错容积卡尔曼滤波方法。本发明大体包括三部分内容。第一部分根据实际运动目标进行系统建模；第二部分，根据改进自适应滤波方法对噪声统计特性进行估计；第三部分，根据卡方检验对故障进行检测，根据检测结果在状态估计时对新息部分作加权处理。本发明既能同时对过程噪声协方差和量测噪声协方差动态估计，又能应对雷达所测数据发生故障时的情况，实现了对目标的有效跟踪。
📄 2019100795849
📂 G06T7_277
👤 杭州电子科技大学
📅 2019-01-28
本发明公开了一种基于误差‑模糊分解的一阶伪贝叶斯机动目标跟踪方法，本发明先采用误差模糊度分解(EAD)原理来推导EAD‑MSA(误差模糊度分解‑模型序列集适应)标准，该标准在最小化估计值与真实值之间的平方差是最优的。从而构造了EAD一阶伪贝叶斯模型(EAD—VSGPB1)方法。本发明计算量小，可广泛应用于机动目标跟踪领域。该方法可以提高对目标跟踪的精度性和鲁棒性。
📄 2019106824760
📂 G06T7_277
👤 杭州电子科技大学
📅 2019-07-26
本发明公开了一种基于OSPA迭代的多传感器GMPHD自适应融合方法，本发明为了研究融合顺序对融合结果的影响,在量测迭迭代校正多传感器PHD(ICMPHD)算法的基础上，基于OSPA度量评价指标,提出了一种自适应迭代校正多传感器PHD(AICMPHD)方法，再将高斯混合(GM)技术引入AICMPHD方法中，实现AIC-GMPHD算法。本发明配置结构明了，计算量小，可广泛应用于多目标跟踪领域。
📄 2019112303296
📂 G06T7_277
👤 杭州电子科技大学
📅 2019-12-04
本发明公开了一种基于量测迭代更新的多传感器GMPHD自适应融合方法，本发明为了研究融合顺序对融合结果的影响,在量测迭迭代校正多传感器PHD(ICMPHD)算法的基础上，基于OSPA度量评价指标,将融合后最终得到的高斯粒子与各个传感器的量测进行一致性度量计算，并根据计算结果由大到小对传感器融合顺序进行排序，提出了一种自适应迭代校正多传感器PHD(AICMPHD)方法，再将高斯混合(GM)技术引入AICMPHD方法中，实现AIC-GMPHD算法。本发明配置结构明了，计算量小，可广泛应用于多目标跟踪领域。
📄 2019112303807
📂 G06T7_277
👤 杭州电子科技大学
📅 2019-12-04
本发明涉及交通监控视频检测处理领域，具体公开一种交通事故检测方法及处理方法、系统、存储介质，交通事故检测方法基于目标检测跟踪技术输出的目标跟踪信息，结合专家系统理论和交通事故学制定交通事故判定规则，建立先验知识的规则模型后进行匹配，通过监控图像序列中消失的候选目标ID，并结合时间窗口中候选目标ID的图像帧的比值、目标位置、目标速度确定交通事故；具有较高的实时性及准确性；交通事故检测处理系统及方法通过对监控视频进行实时分析，实现交通事故的自动化检测、提取和发送接收，由人工智能代替人工进行监测，在监控设备覆盖范围足够广的情况下，能够实现城市道路的全方位监控，及时准确的获取交通事故信息。
📄 2020104749753
📂 G06T7_277
👤 北京国家新能源汽车技术创新中心有限公司
📅 2020-05-29
本发明公开了一种抗遮挡的动作跟踪方法、装置及存储介质，适用于安防、监控、行为观察、检测等类似或相关应用场景。动作跟踪方法包括：获取多帧目标跟踪图像以及位置信息；根据骨骼关节点信息是否完整判定动作跟踪是否被遮挡；根据目标遮挡状态，将遮挡问题分为短期遮挡状态和长期遮挡状态；对不同的目标遮挡状态采用不同的跟踪策略；将三维特征进行降维，并存储坐标映射表减轻运算量提高图像处理效率；融合多种特征信息，提高识别准确度。
📄 2021102736236
📂 G06T7_277
👤 南通大学
📅 2021-03-15
一种针对雨雪天气的运动目标检测方法，包括初始运动检测、运动特征提取、像素二次分类三个步骤。首先采用最基本的背景差法来进行初始运动检测，获得候选前景像素第一次分类的二值序列，然后对该二值序列统计码元跳变次数和高电平时间作为运动特征向量，最后，为区分真实运动目标、雨雪粒子和抖动边缘三种类型的像素，计算该运动特征向量与各个类中心的距离来进行二次分类，各个类中心通过K均值算法预先学习获得。本发明方法能够有效解决当前运动检测算法在雨雪天气下误检较多的问题。
📄 2015104344741
📂 G06T7_277
👤 南通大学技术转移中心有限公司
📅 2015-07-22
本发明公开了基于单次多框检测器与卡尔曼滤波的实时多目标跟踪方法，该方法包括首先读取视频流，然后调用单次多框检测器(Single Shot MultiBox Detector,SSD)模型对视频帧进行检测，之后采用卡尔曼滤波算法对检测结果进行单步预测(跟踪)，通过欧氏距离与HSV颜色直方图相似性联合判定检测框和跟踪框是否配对，并且对配对结果进行相应的更新，删除不满足新式的双判定条件的跟踪，最终完成多目标的实时跟踪。本发明可以在各种复杂场景和不同天气下较好地实现对多目标的实时稳定跟踪。
📄 2017109860134
📂 G06T7_277
👤 南京邮电大学
📅 2017-10-20
本发明公开了一种人体运动质量视觉分析与评价系统及其方法。所述系统包括：彩色标签、单目摄像头或具备照相功能的可移动终端设备、嵌入式视觉处理计算机和棋盘格。所述方法的步骤如下：首先，统计参评者身材、性别、年龄、民族、参评关节名称等信息，按照其参评项目的不同建立对应的样本数据库；其次，使用不同颜色的标签纸预先标记各参评关节，采用Hu矩计算出图像中各标签纸的质心坐标，利用光流法计算出视频帧中各质心运动的速度矢量，在此基础上，构建基于Kalman滤波器的运动状态矢量；最后，利用Kalman滤波器的预测机制，不断预测各参评关节的运动状态，记录其历史运动轨迹及运动频率，供人员或机器学习模型分析评价。
📄 2017100769169
📂 G06T7_277
👤 江苏中普科技有限公司
📅 2017-02-13
柿子坊 · 知识产权运营
柿子坊知识产权运营平台