一种基于卷积神经网络的信息跟踪方法
公开
摘要
本发明提供一种基于卷积神经网络的信息跟踪方法，包括结合相关滤波和卷积神经网络构建相关滤波卷积神经网络；在上述基础上构建时间流卷积神经网络和空间流卷积神经网络；采用跳跃式的连接方式将三者构建形成深层网络；训练深层网络，直至三个模型全部收敛；通过时间流卷积神经网络和空间流卷积神经网络分别提取当前帧中的图像块特征信息和多段时序中帧与帧之间目标的运动变化特征信息集；融合图像块特征信息和运动变化特征信息权值，构建全连接神经网络，并得到当前帧目标的预测信息；利用Bagging算法融合所有模型确定最终的当前帧的预测信息，在相关滤波网络的基础上构建时间网络和空间网络，进一步捕捉目标的时间信息和空间信息，提高算法的精确度。
基本信息
专利标题 ：
一种基于卷积神经网络的信息跟踪方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114419104A
申请号 ：
CN202210130185.2
公开（公告）日 ：
2022-04-29
申请日 ：
2022-02-11
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
刘金秀张海
申请人 ：
广州新华学院
申请人地址 ：
广东省广州市天河区龙洞华美路19号
代理机构 ：
芜湖宸泽知识产权代理事务所(普通合伙)
代理人 ：
李俊建
优先权 ：
CN202210130185.2
主分类号 ：
G06T7/246
IPC分类号 ：
G06T7/246 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/10
分割；边缘检测
G06T7/20
运动分析
G06T7/246
使用基于特征的方法，如角、段
法律状态
2022-04-29 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
