龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：长春工业大学
摘要：本发明公开一种基于时空图表示与学习的动态目标追踪方法，该方法涉及计算机视觉、机器学习和深度学习以及数据融合领域。首先将图像框分为多个斑块，通过构造当前帧和过去帧图像斑块的时空领域关系图得到时空图表示，对构造的时空图表示进行低秩稀疏化，从而得到时空图的图学习表示。然后使用基于图的斑块权重的时空传播来预测当前帧中斑块节点的最优权重，通过与图学习表示结合得到统一模型，并利用乘法器交替算法对模型进行求解。最后通过加权特征表示和结构化输出实现目标跟踪。与其他方法相比，本方法能够有效抑制背景噪声对跟踪效果的影响，且对运动员运动视频中出现的模糊、遮挡等问题仍然具有良好的跟踪效果。
主权项：1.基于时空图表示与学习的动态目标追踪方法，其特征在于，包括以下步骤：步骤1：对于目标物体的每个边界框，将其划分为不重叠的图像斑块，通过同时整合斑块的全局线性结构和样本间的邻域关系，提出正则化的低秩稀疏图学习模型；根据步骤1所述的对于目标物体的每个边界框，将其划分为不重叠的图像斑块，通过同时整合斑块的全局线性结构和样本间的邻域关系，提出正则化的低秩稀疏图学习模型，具体按如下步骤实施：通过同时整合斑块的全局线性结构和样本间的邻域关系构建图学习，提出正则化的低秩稀疏图学习模型如下： ， ， ，其中表示权重系数，表示当前t帧斑块之间的空间关系，为初始斑块权重，T表示帧和当前t帧的斑块之间的时间关系，Z为时空图表示，表示控制图稀疏性的Z的1范数，表示执行低秩约束的核范数，表示2,1范数，定义为，是前一帧和当前帧特征的集合，W是包含斑块时空关系的邻域图，表示构造图Z与邻域图W之间的相似程度，表示第i个中心斑块与第j个邻域斑块的边；步骤2：将划分的不重叠的图像斑块分配一个前景权重值，用来表示跟踪目标的可能性，使用基于图的斑块权重的时空传播来预测当前帧中斑块节点的最优权重；步骤3：使用乘法器交替方向法算法来求解统一模型；步骤4：利用加权斑块表示与结构化输出跟踪目标，通过最大化目标来确定最优边界框。
全文数据：
权利要求：
百度查询： 长春工业大学 基于时空图表示与学习的动态目标追踪方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号