申请/专利权人：重庆理工大学

申请日：2021-05-14

公开（公告）日：2021-07-20

公开（公告）号：CN113139620A

主分类号：G06K9/62(20060101)

分类号：G06K9/62(20060101);G06T7/246(20170101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的撤回

法律状态：2022.11.15#发明专利申请公布后的撤回;2021.08.06#实质审查的生效;2021.07.20#公开

摘要：本发明公开了基于目标关联学习的端到端多目标检测与跟踪联合方法，具体包括以下步骤：S1、网络通过两个孪生的骨干网络接受时间上连续的两帧；S2、两个骨干网络通过共享参数数据，并同时提取两帧中所有目标的高级语义特征，并结合基于中心点的目标检测方法的训练去学习预测场景中所有目标的中心点位置；S3、根据预测的中心点位置，回溯网络的特征层，找到目标对应特征区域的特征向量作为目标的表观特征；S4、包含外观特征相似度矩阵并结合目标的空间关系及运动关系：根据相同帧之间目标的相对位置关系所形成的相对位置矩阵，不同帧之间目标的位移相似度矩阵，通过结合三种相似度矩阵从而实现前后帧的多目标跟踪。本发明提高跟踪效率。

主权项：1.基于目标关联学习的端到端多目标检测与跟踪联合方法，其特征在于具体包括以下步骤：S1、首先，该网络通过两个孪生的骨干网络分别接受时间上连续的两帧It1、It2图片；S2、两个骨干网络通过共享参数数据，并同时提取两帧中所有目标的高级语义特征，并结合基于中心点的目标检测方法的训练去学习预测场景中所有目标的中心点位置Ct1、Ct2；S3、根据预测的中心点位置，回溯网络的特征层，找到目标对应特征区域的特征向量作为目标的表观特征，即得到Ft1、Ft2；S4、将从不同帧提取的目标表观特征向量进行两两组合得到目标表观特征矩阵Gt1，t2，并考虑目标的空间关系及运动关系，然后根据相同帧之间目标的相对位置关系所形成的相对位置矩阵、不同帧之间目标的位移相似度矩阵后，通过结合三种相似度矩阵，最终得到目标相似度匹配矩阵Mt1,t2，从而实现前后帧的多目标跟踪从而实现前后帧的多目标跟踪。

全文数据：

权利要求：

百度查询： 重庆理工大学 基于目标关联学习的端到端多目标检测与跟踪联合方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD