CN110490901A 抗姿态变化的行人检测跟踪方法 （武汉大学）_第1页
CN110490901A 抗姿态变化的行人检测跟踪方法 （武汉大学）_第2页
CN110490901A 抗姿态变化的行人检测跟踪方法 （武汉大学）_第3页
CN110490901A 抗姿态变化的行人检测跟踪方法 （武汉大学）_第4页
CN110490901A 抗姿态变化的行人检测跟踪方法 （武汉大学）_第5页
已阅读5页，还剩16页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种视频图像中抗姿态变化之后利用得到的运动信息和表观信息进行数据22.根据权利要求1所述的抗姿态变化的行人检测3.根据权利要求1所述的抗姿态变化的行人检(a)提取人体的14个骨骼关节点：首先利用区域候选网络RPN(regionproposalBC1C2C2D2E1E2F1G1H1F2G235.根据权利要求3所述的抗姿态变化的行人将已跟踪上的行人运动状态的卡尔曼滤波预测结果与当前检测结果之间的马氏距离踪器特征集与当前帧第j个检测结果的特征向量间的最小余弦距离；计算公式为：其中D使用运动匹配度和表观匹配度两种度量方式根据设定的阈值T，将匹配度C(i,j)小于阈值的行人检测结果j加入到已有跟踪轨迹i6.根据权利要求5所述的抗姿态变化的行人阈值B决定新轨迹的创建，如果当前检测结果中的目标始终无法与已经存在的跟踪器进行4[0002]行人检测跟踪是利用计算机视觉技术对视频序列中的行人建立轨迹。在智能交5[0019](a)提取人体的14个骨骼关节点：首先利用区域候选网络RPN(regionproposalPC2[0023]将已跟踪上的行人运动状态的卡尔曼滤波预测结果与当前检测结果之间的马氏6个跟踪器特征集与当前帧第j个检测结果的特征向量间的最小余弦距离；计算公式为：其中D间隔阈值B决定新轨迹的创建，如果当前检测结果中的目标始终无法与已经存在的跟踪器7了残差网络的做法，在一些层之间设置了快捷链路，同时借鉴FPN利用多尺度特征进行检上一帧的卡尔曼滤波预测得到的)和当前时刻检测得到的观测值(当前的观测值是通过目标检测得到)更新状态变量(即跟踪得到的目标状态的估计)，进而对下一时刻的轨迹位置卡尔曼滤波的一个典型实例是从一组有限的包含噪声的对物体位置的观察序列预测出物8示为抗姿态变化的表观特征提取网络的结构图，包含特征提取网络和特征融合网络两部[0056](a)提取人体的14个骨骼关节点：首先利用一个卷积网络例如RPN(regionPH2[0063]同时考虑运动信息和表观信息，通过运动匹配度和表观匹配度来进行数据9[0065]将已跟踪上的行人运动状态的卡尔曼预测结果与当前YOLOv3检测结果之间的马踪器特征集与当前帧第j个检测结果的特征向量间的最小余弦距离。计算公式为：其中D

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论