龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国科学院光电技术研究所
申请日：2024-04-26
公开（公告）日：2024-06-14
公开（公告）号：CN118196440A
主分类号：G06V10/62
分类号：G06V10/62;G06V10/25;G06V10/44;G06V10/80;G06V10/82;G06V20/17;G06N3/0464;G06N3/045
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.02#实质审查的生效;2024.06.14#公开
摘要：本发明提出了一种基于时空线索协同学习的无人机多目标跟踪方法，包括：通过搭配有摄像机的无人机平台捕获视频序列；对时空线索协同学习模型进行训练；将无人机拍摄的视频序列输入到时空线索协同学习模型中，以得到目标检测结果和目标重识别特征；计算目标检测结果中的运动信息关联矩阵和重识别特征中的外观信息关联矩阵，并使用匈牙利算法完成多目标的匹配任务，并输出包括匹配目标及其身份信息在内的跟踪结果。根据本发明技术方案，考虑了历史轨迹与当前轨迹的信息交互，能够有效提高目标识别能力和目标身份特征的判别性，进而提升多目标跟踪精度。
主权项：1.一种基于时空线索协同学习的无人机多目标跟踪方法，其特征在于，该方法包括以下步骤：通过搭配有摄像机的无人机平台捕获视频序列；对时空线索协同学习模型进行训练，其中用于网络训练的数据集如此构建：将无人机捕获的视频序列分为训练集和验证集，所述训练集和验证集构成用于网络训练的数据集，其中训练集和验证集的每个子集中都包含标注文件，包含了目标的位置信息和身份信息；时空线索协同学习模型由特征提取器、重识别分支和检测分支构成，分别对应的功能为：提取图像对应的原始特征图，输出目标重识别特征和输出目标检测结果；将无人机拍摄的视频序列输入到时空线索协同学习模型中，以得到目标检测结果和目标重识别特征；计算目标检测结果中的运动信息关联矩阵和重识别特征中的外观信息关联矩阵，并使用匈牙利算法完成多目标的匹配任务，并输出包括匹配目标及其身份信息在内的跟踪结果。
全文数据：
权利要求：
百度查询： 中国科学院光电技术研究所 一种基于时空线索协同学习的无人机多目标跟踪方法
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