| 专利名称 | 基于深度卷积神经网络特征融合的目标跟踪方法及系统 | 申请号 | CN201610371378.1 | 专利类型 | 发明专利 | 公开（公告）号 | CN106056628A | 公开（授权）日 | 2016.10.26 | 申请（专利权）人 | 中国科学院计算技术研究所 | 发明（设计）人 | 秦磊;齐元凯;张盛平;姚鸿勋;黄庆明;林钟禹;杨明轩 | 主分类号 | G06T7/20(2006.01)I | IPC主分类号 | G06T7/20(2006.01)I | 专利有效期 | 基于深度卷积神经网络特征融合的目标跟踪方法及系统 至基于深度卷积神经网络特征融合的目标跟踪方法及系统 | 法律状态 | 实质审查的生效 | 说明书摘要 | 本发明提出基于深度卷积神经网络特征融合的目标跟踪方法及系统，涉及模式识别技术领域，该方法包括步骤1，通过深度卷积神经网络，获取视频图像中目标的多种特征，通过滤波器方法计算每种特征的特征置信权重，根据特征置信权重，获取目标当前的跟踪目标位置；步骤2，计算每种特征当前帧的预测精度损失，并根据预测精度损失，对每种特征，建立在△t时间内的稳定性模型，通过稳定性模型计算每个特征在当前帧的稳定性，根据每种特征的稳定性及累积的预测精度损失，更新每种特征的置信权重；步骤3，重复步骤1至步骤2完成所有帧的目标跟踪。本发明合理地融合多种特征的跟踪结果，实现鲁棒的目标跟踪。 |
1、源头对接，价格透明
2、平台验证，实名审核
3、合同监控，代办手续
4、专员跟进，交易保障