欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022109608977
申请人: 昆明理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种噪声控制多目标跟踪方法,其特征在于:Step1:通过摄像头获取视频数据;

Step2:将跟踪数据的当前帧、前一帧以及当前帧热力图进行特征提取与加法融合,通过引入先验降噪模块去除融合冗余噪声;

所述先验降噪模块由四个尺度组成,每个尺度在2x2步幅卷积下变换和2x2反卷积上变换操作之间有一个身份跳转连接,从第一尺度到第四尺度每层的通道数分别为64、128、256和512,模型中的步幅卷积和反卷积层中没有使用偏置;

Step3:对融合结果进行特征提取,获得不同感受野的热力图融合特征,计算融合结果中热力图中心点的梯度,获取目标中心点进行目标检测;

Step4:对检测结果进行平滑增益卡尔曼滤波,通过将高斯函数与检测结果置信度结合获取平滑自适应观测噪声矩阵,获取目标的运动信息;

Step5:结合运动信息对帧间目标进行数据关联,获得目标运动轨迹;

Step6:设计梯度加速轨迹重连接模块,对碎片轨迹与中断轨迹进行轨迹重连接,获得精确的跟踪结果;

第i个轨迹的梯度提升轨迹重连接模型如下:

pt=GB(i)(t)+ξ (7)

其中,pt是第t帧的位置坐标变量,ξ~N(0,σ2)是高斯噪声,进行梯度提升轨迹重连接前,首先对中断轨迹进行线性插值,插值轨迹其中l为轨迹长度,GB(i)(t)为梯度提升决策树回归。

2.根据权利要求1所述的噪声控制多目标跟踪方法,其特征在于,所述Step2具体为:Step2.1:将跟踪数据的当前帧、前一帧以及当前帧热力图进行特征提取与加法融合;

Step2.2:将融合特征的C_256与C_128输入先验降噪模块中;

Step2.3:通过无偏置的特征提取与特征重组去除融合特征的冗余噪声。

3.根据权利要求1所述的噪声控制多目标跟踪方法,其特征在于,所述Step4具体为:Step4.1:计算测量预拟合残差;

Step4.2:通过将高斯函数与检测结果置信度结合获取平滑自适应观测噪声矩阵SG_Rk,其中高斯半径σ为3;

Step4.3:计算预拟合残差协方差;

Step4.4:基于通过高斯函数平滑后的自适应观测噪声矩阵计算卡尔曼增益矩阵;

Step4.5:更新系统估计值;

Step4.6:计算更新后的估计协方差矩阵。