【技术实现步骤摘要】
本专利技术属于计算机视觉，具体涉及一种机场场面多目标跟踪方法及系统。
技术介绍
1、在机场场面监控中，多目标跟踪是确保机场安全和效率的重要技术。当前，多目标跟踪的方法主要包括基于传统机器学习的方法和基于深度学习的方法。
2、基于传统机器学习的方法通常利用轨迹、颜色直方图和运动向量等低级视觉特征来表示目标的外观和运动特征，进而使用机器学习算法进行目标跟踪。然而，这些方法在处理复杂场景、遮挡和多尺度目标时，往往难以达到令人满意的效果。基于深度学习的方法则通过卷积神经网络(cnn)、循环神经网络(rnn)等深度学习模型，直接从视频帧中学习目标的特征，并进行跟踪。虽然深度学习方法在特征提取和建模能力上具有显著优势，但在处理目标间的相互遮挡、不同尺度的目标以及复杂运动轨迹时，仍然面临挑战。
3、尤其在机场场景中，目标可能因为地面设施、飞机等物体的遮挡而无法完整地被检测到。此外，目标在不同视角和距离下呈现出不同的尺度，进一步增加了跟踪的难度。现有的方法在统一不同尺度目标的特征表示以及提高跟踪精度和稳定性方面存在不足。
...【技术保护点】
1.一种机场场面多目标跟踪方法，包括训练阶段和测试阶段，其特征在于，所述训练阶段包括：
2.根据权利要求1所述的机场场面多目标跟踪方法，其特征在于，S2-1具体为：
3.根据权利要求1所述的机场场面多目标跟踪方法，其特征在于，S2-2具体为：
4.根据权利要求1所述的机场场面多目标跟踪方法，其特征在于，S3-1具体为：
5.根据权利要求1所述的机场场面多目标跟踪方法，其特征在于，S3-2具体为：
6.根据权利要求1所述的机场场面多目标跟踪方法，其特征在于，S3-3具体为：
7.根据权利要求1所述的...
【技术特征摘要】
1.一种机场场面多目标跟踪方法，包括训练阶段和测试阶段，其特征在于，所述训练阶段包括：
2.根据权利要求1所述的机场场面多目标跟踪方法，其特征在于，s2-1具体为：
3.根据权利要求1所述的机场场面多目标跟踪方法，其特征在于，s2-2具体为：
4.根据权利要求1所述的机场场面多目标跟踪方法，其特征在于，s3-1具体为：
5.根据权利要求1所述的机场场面多目标跟踪方法，其特征在于，s3-2具体为：
6.根据权利要求1所述的机场场面多目标跟踪方法...
【专利技术属性】
技术研发人员：刘才华，李润泽，薛文敬，冯霞，徐涛，左海超，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。