龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：安徽大学
摘要：一种基于协同低秩图模型的RGBT目标跟踪方法及系统，属于计算机视觉技术领域，解决现有技术的基于图模型的目标跟踪算法中相似性求解存在的可靠性低以及跟踪结果噪声高的问题；本发明的技术方案基于协同异质图模型的RGBT目标跟踪算法学习可靠的目标特征表示，改进基于图学习的方法中求解相似性矩阵的计算方式，学习到更可靠的相似性值，并且采用特征分解模型对原始输入特征进行分解，抑制噪声对跟踪结果的影响，同时对不同模态之间的异质性和协同性进行建模，有效利用不同模态的特征。
主权项：1.一种基于协同低秩图模型的RGBT目标跟踪方法，其特征在于，包括以下步骤：S1、同时输入一对配准的多模态视频序列，将目标的包围盒划分为不同的图像块，以每个图像块为节点构图；S2、同时对特征的异质性与协同性建模，采用特征分解将原始输入特征分解为低秩特征部分和稀疏噪声部分，并对特征之间的协同性进行建模；S3、构建基于协同低秩图模型的RGBT目标跟踪模型，优化更新图像块权重，并与图像块的底层特征结合，构成目标特征表示；所述的RGBT目标跟踪模型的公式如下： 其中，m∈{1，2，...，M}代表第m种模态，||Dm-Gm||2，1代表通过l2，1范数实现对第m种模态矩阵的低秩约束；||Em||1是通过l1范数对第m种模态噪声矩阵进行稀疏约束；rankG是对协同性矩阵施加低秩约束；用来计算不同图像块之间的相似性；Γ＝[Γ1，Γ2，...，ΓM]T为参数向量，由第一次迭代后的重构误差决定；α，β，γ，δ，λ1和λ2表示正则化参数；⊙表示向量的点乘，即对应元素相乘；S4、利用交替方向乘子法对步骤S2中的RGBT目标跟踪模型的公式进行求解，并采用结构化支持向量机进行跟踪，通过最大化分类得分得到跟踪结果，将得到的目标特征表示输入到结构化支持向量机中进行预测，预测出最终的结果。
全文数据：
权利要求：
百度查询： 安徽大学 一种基于协同低秩图模型的RGBT目标跟踪方法及系统
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