CN113344976B 一种基于目标物表征点估计的视觉跟踪方法 （常州工学院）_第1页
CN113344976B 一种基于目标物表征点估计的视觉跟踪方法 （常州工学院）_第2页
CN113344976B 一种基于目标物表征点估计的视觉跟踪方法 （常州工学院）_第3页
CN113344976B 一种基于目标物表征点估计的视觉跟踪方法 （常州工学院）_第4页
CN113344976B 一种基于目标物表征点估计的视觉跟踪方法 （常州工学院）_第5页
已阅读5页，还剩14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

A,2020.02.18A,2020.07.17A,2021.02.12A,2020.07.28一种基于目标物表征点估计的视觉跟踪方法本发明公开了一种基于目标物表征点估计框估计模块输出预测目标框和前背景分类模块2所述目标框估计模块接收互相关特征图，输出每个特征点所对进行训练数据的准备：训练数据选用已手工标注的目标检测图像数据集VID和之后在所述目标框估计模块中，为主干层和分支层分别建立关于置和预测的最终目标框位置的损失函数，将主干层以每个特征点为中心输出9个表征点的(i=1,2,…,9)，得到每个表征点的坐标就为(x+AX,y+AY)；根据9个表征点构造预测目标所述分支层利用主干层输出的偏移量做可形变卷积操作，同样输出3利用前背景分类模块估计每个特征点属于目述孪生网络具有2支卷积神经网络构成的分支，每支所述卷积神经网络的主干网络都采用的空洞率设置为4，第4卷积块和所述第5卷积块分别用于目标模板图像和目标搜索图像深用所述第3卷积块、第4卷积块和第5卷积块输出的特征结果进行融合克服多层卷积神经网卷积块计算所得的3个互相关特征图在对应通道上做加权求和操作，最后得到互相关特征4上一帧目标框高和宽2倍的图像区域作为当前帧中的目标5[0001]本发明涉及视觉跟踪领域，特别涉及一种基于目标物表征点估计的视觉跟踪方[0003]2018年发表在国际会议IEEEConferenceonComputerVisionandPatternRecognit6卷积块中舍去了下采样操作并采用空洞卷积来扩大感受野，其中第4卷积块中的空洞率设[0020]进行训练数据的准备：训练数据选用已手工标注的目标检测图像数据集VID和框位置和预测的最终目标框位置的损失函数，将主干层以每个特征点为中心输出9个表征7标框，目标框的左上角为右下角坐标为在预测目宽为上一帧目标框高和宽2倍的图像区域作为当前标搜索图像分别输入孪生网络的目标模板分支和目标[0041]本发明提出了一种基于表征点提取的视觉跟踪方法，使用9个表征点来描述目标8相比于上述基于目标感知的跟踪方法，本发明根据表征点估计可形变卷积的偏移量参数，积块中的空洞率设置为4，第4卷积块和第5卷积块分别用于目标模板图像和目标搜索图像9[0060]进行训练数据的准备：训练数据选用已手工标注的目标检测图像数据集VID和置和预测的最终目标框位置的损失函数，将主干层以每个特征点为中心输出9个表征点的目标框的左上角为右下角坐标为在预测目标框宽为上一帧目标框高和宽2倍的图像区域作为当前标搜索图像分别输入孪生网络的目标

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