申请/专利权人：河南科技大学

申请日：2024-01-19

公开（公告）日：2024-05-10

公开（公告）号：CN118015043A

主分类号：G06T7/246

分类号：G06T7/246;G06T5/77;G06T5/90;G06V10/764;G06V10/80;G06V10/766;G06V10/82;G06V10/32;G06V10/36;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明涉及一种自适应雨纹去除和融合动态模板匹配的雨中目标跟踪方法，通过对输入雨图像进行自适应的雨纹去除和对比度增强，得到更加清晰的图像用于跟踪，提高模板匹配到正确目标的概率，使用融合动态模板匹配策略机制来对跟踪模板进行即时调整，使待匹配模板更接近于目标当前真实外观状态，大大提高了算法在雨天条件下目标发生外观变化时的跟踪精确度和鲁棒性；使用本发明能够快速且准确地对雨天场景视频序列中出现的任意目标进行鲁棒跟踪，从而显著提高雨天跟踪任务的完成效率。

主权项：1.一种自适应雨纹去除和融合动态模板匹配的雨中目标跟踪方法，其特征在于，包括如下步骤：S1、根据视频序列第一帧输入图片I1和真值边界框x0,y0,w0,h0裁剪出基础模板Z1，根据后续帧输入图片Ii裁剪出目标搜索区域Xi,i∈[2,n]；S2、将Z1和Xi送入离线预训练好的自适应雨纹去除网络进行清晰化处理，得到清晰的无雨模板图像Z1free和目标搜索图像Xifree；S3、将Z1free和Xifree送入离线预训练好的孪生网络提取其特征φZ1free和φXifree，然后在这两个特征之间执行深度互相关运算，得到多语义特征图Ri；S4、将降维的多语义特征图送入分类-回归子网络，得到分类特征响应图中心度特征响应图和回归特征响应图并综合这三个得到目标在当前帧中的预测边界框；S5、根据响应图和搜索图像Xi计算平均峰值相关能量APCE值和雨纹干扰度，如果符合阈值要求，则根据跟踪结果从无雨搜索图像Xifree中裁剪候选模板Zifree并提取特征φZifree，然后与初始模板φZ1free进行特征融合，并将得到的新模板特征φZ作为下一帧的搜索特征匹配对象，否则不做融合；S6、若步骤S5计算的平均峰值相关能量值和雨纹干扰度处于一定阈值范围内，则采用步骤S5得到的新模板特征φZ替换步骤S3得到的φZ1free，否则继续采用φZ1free作跟踪模板。

全文数据：

权利要求：

百度查询： 河南科技大学 自适应雨纹去除和融合动态模板匹配的雨中目标跟踪方法

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。

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