[发明专利]一种基于深度学习的自适应粒子滤波目标跟踪方法有效
| 申请号： | 201711337098.X | 申请日： | 2017-12-14 |
| 公开（公告）号： | CN108182447B | 公开（公告）日： | 2020-04-21 |
| 发明（设计）人： | 钱小燕;韩磊;王跃东;张艳琳;张代浩 | 申请（专利权）人： | 南京航空航天大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 王安琪 |
| 地址： | 210016 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的自适应粒子滤波目标跟踪方法，包括如下步骤：(1)建立浅层深度学习网络模型，采用SGD算法离线训练该模型；(2)将训练好的网络应用于粒子滤波跟踪框架，对于每一个粒子，采用深度特征和颜色表观特征求解观测模型；根据一阶二阶运动信息求解状态转移模型；(3)根据观测模型，计算每个粒子的权值参数，通过加权平均确定当前目标位置；(4)计算目标当前状态，判定状态变化程度，实时更新观测模型。本发明提供一种基于深度学习的自适应粒子滤波目标跟踪方法，能够解决现有目标跟踪中快速运动、背景复杂等问题，从而实现连续鲁棒的跟踪。 | ||
| 搜索关键词： | 一种 基于 深度 学习 自适应 粒子 滤波 目标 跟踪 方法 | ||
【主权项】：
1.一种基于深度学习的自适应粒子滤波目标跟踪方法，其特征在于，包括如下步骤：(1)建立浅层深度学习网络模型，采用SGD算法离线训练该模型；(2)将训练好的网络应用于粒子滤波跟踪框架，对于每一个粒子，采用深度特征和颜色表观特征求解观测模型；根据一阶二阶运动信息求解状态转移模型；(3)根据观测模型，计算每个粒子的权值参数，通过加权平均确定当前目标位置；(4)计算目标当前状态，判定状态变化程度，实时更新观测模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京航空航天大学，未经南京航空航天大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711337098.X/，转载请声明来源钻瓜专利网。
