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：南京创思奇科技有限公司

摘要：本发明公开了一种基于视频着色的无监督目标密集跟踪方法，基于以时间顺序排列、且分别包含预设目标对象的各视频样本帧，构建目标跟踪模型，然后应用目标跟踪模型，完成对预设目标对象的跟踪，目标跟踪模型包括用于获取视频样本帧所对应的特征图的特征提取网络、用于针对所获全部特征图中预设数量的特征图所构成的特征图组进行输出的动态调整模块、用于对预设目标对象在特征提取网络实时输出特征图的下一帧特征图中的位置参数、面积参数进行预测的目标预测模块，该方法可提高对预设目标对象的跟踪精度，且能够适应预设目标对象剧烈变化的跟踪场景。

主权项：1.一种基于视频着色的无监督目标密集跟踪方法，其特征在于，按如下步骤S1-步骤S5，获得目标跟踪模型，然后应用目标跟踪模型，完成对预设目标对象的跟踪；S1.获得以时间顺序排列、且分别包含预设目标对象的各视频样本帧；S2.基于卷积神经网络、SRM模块，以视频样本帧为输入，以视频样本帧所对应的特征图为输出，构建特征提取网络，其中特征提取网络输出特征图的第一周期为T1；步骤S2中将SRM模块与卷积神经网络的每一个残差块相结合，以调整特征提取网络输出特征图各个通道的权重，其具体步骤如下：S21:卷积神经网络以视频样本帧为输入，以维度为C×H×W的特征图为输出，其中C为该特征图的通道数，H为该特征图的长度，W该特征图的宽度，计算特征图每一个通道的标准差、平均值、最大值、熵，获得维度为C×4的矩阵；S22:基于维度为C×4的矩阵，对其进行1×1的卷积，获得C×1的权重向量，根据该权重向量调整特征图的各个通道的权重，以调整后的特征图作为特征提取网络的输出；S3.基于特征提取网络实时输出特征图的方式，以特征提取网络实时输出的特征图为实时输入，以第二周期针对所获全部特征图中预设数量的特征图所构成的特征图组为输出，构建动态调整模块,其中动态调整模块输出特征图组的第二周期为T2，且T2T1；特征提取网络、动态调整模块、目标预测模块依次串联，特征提取网络以第一周期T1向动态调整模块实时输出特征图，动态调整模块以第一周期T1实时接收特征图，并以第二周期T2向目标预测模块输出所获全部特征图中预设数量的特征图所构成的特征图组，以动态调整模块输出的特征图组构建参考帧组，将其作为目标预测模块的输入，其中该参考帧组包括动态调整模块接收到的特征提取网络实时输出的最新一帧特征图；特征提取网络、动态调整模块、目标预测模块两两相互连接，特征提取网络以第一周期T1同时向动态调整模块、目标预测模块实时输出特征图，动态调整模块以T1实时接收特征图，并以第二周期T2向目标预测模块输出所获全部特征图中预设数量的特征图所构成的特征图组，将特征提取网络以第一周期T1向目标预测模块实时输出的最新一帧特征图、以及动态调整模块以第二周期T2向目标预测模块输出的特征图组共同构建参考帧组，作为目标预测模块的输入；S4.基于特征提取网络实时输出的特征图、动态调整模块输出的特征图组，构建参考帧组，以参考帧组为输入，以预设目标对象在特征提取网络实时输出特征图的下一帧特征图中的位置参数、面积参数为输出，构建目标预测模块；S5.基于特征提取网络、动态调整模块、目标预测模块，以视频样本帧为输入，以预设目标对象在特征提取网络实时输出特征图的下一帧特征图中的位置参数、面积参数为输出，构建目标跟踪模型。

全文数据：

权利要求：

百度查询： 南京创思奇科技有限公司 一种基于视频着色的无监督目标密集跟踪方法