[發(fā)明專利]一種基于動態(tài)記憶庫模板更新的目標跟蹤方法有效
| 申請?zhí)枺?/td> | 202010999748.2 | 申請日： | 2020-09-22 |
| 公開（公告）號： | CN112183600B | 公開（公告）日： | 2021-04-27 |
| 發(fā)明（設(shè)計）人： | 劉婧;王晗;蘇育挺 | 申請（專利權(quán)）人： | 天津大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06T7/246 |
| 代理公司： | 天津市北洋有限責任專利代理事務所 12201 | 代理人： | 李林娟 |
| 地址： | 300072*** | 國省代碼： | 天津;12 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 動態(tài) 記憶 模板 更新 目標 跟蹤 方法 | ||
1.一種基于動態(tài)記憶庫模板更新的目標跟蹤方法，其特征在于，所述方法包括：
1)構(gòu)建目標跟蹤的MemTrack基礎(chǔ)網(wǎng)絡框架；
2)將MemTrack基礎(chǔ)網(wǎng)絡框架中的初始幀模板特征參照即將進入動態(tài)記憶庫的已有模板特征進行最小二乘映射；
3)將動態(tài)記憶庫內(nèi)寫入更新后的模板特征參照處理后的模板特征進行最小二乘映射；
4)在訓練階段，使用ILSVRC VID數(shù)據(jù)集，參照MemTrack的網(wǎng)絡結(jié)構(gòu)方式進行訓練；
其中，步驟2)具體為：
其中，T0表示初始幀模板特征，Update表示最小二乘法映射，表示跟蹤結(jié)果的模板特征，表示經(jīng)過最小二乘法映射后的模板特征，表示離散傅里葉變換，表示離散傅里葉逆變換，★表示共軛，且、translr1表示超參數(shù)，表示輸入到動態(tài)記憶庫的模板特征；
其中，步驟3)具體為：
Mt+1(j)＝(1-translr2)M′t(j)+translr2(M″t(j)-M′t(j))
其中，為對已經(jīng)進行寫入更新的存儲單元M′t(j)進行離散傅里葉變換，為對已經(jīng)進行寫入更新的存儲單元M′t(j)進行離散傅里葉變換后取共軛，為對寫入權(quán)重最大的存儲單元M′t，max進行離散傅里葉變換，M″t(j)為最終更新完成的第j個動態(tài)記憶庫模板特征，translr2表示超參數(shù)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于天津大學，未經(jīng)天津大學許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010999748.2/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
