【技术实现步骤摘要】
本专利技术涉及一种目标跟踪方法，具体的说，涉及了一种基于神经网络和相关滤波的综采工作面目标跟踪方法及装置。
技术介绍
1、
2、传统煤矿采用人员定位卡、rfid射频识别技术等人员定位方法，此种方法使用成本较高，较易受到井下电磁场的影响；且无法对工作面的设备等进行跟踪识别。随着计算机视觉的发展，现有煤矿工作面都安装摄像头来采集现场图像，利用视觉算法对实时采集的现场图像进行处理，即可定位识别出综采工作面中的人员和工作面设备。
3、应用于煤矿井下的目标跟踪方法包括传统目标跟踪和深度学习目标跟踪两大类。传统目标跟踪依赖于手工设计的特征提取器和机器学习算法，仅适用于背景简单、特征明显的场景，对于光照不均、尘雾遮挡的煤矿井下环境，则难以从复杂的背景中提取目标特征，检测效果有限。
4、深度学习目标跟踪算法利用卷积神经网络(cnn)等深度学习模型自动学习图像特征，并直接应用到相关滤波或struck的跟踪框架里面，从而得到更好的跟踪结果，因此可将其应用到煤矿井下等狭闭空间以实现综采工作面人员及设备的目标跟踪。
<...【技术保护点】
1.一种基于神经网络和相关滤波的综采工作面人员及设备的目标跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于神经网络和相关滤波的综采工作面人员及设备的目标跟踪方法，其特征在于：
3.根据权利要求2所述的一种基于神经网络和相关滤波的综采工作面人员及设备的目标跟踪方法，其特征在于：基于上一帧视频图像的目标特征对候选框特征进行空间调制，获得空间位置信息增强后的候选框特征的具体步骤包括：
4.根据权利要求1或2所述的一种基于神经网络和相关滤波的综采工作面人员及设备的目标跟踪方法，其特征在于：以目标位置响应图的中心点为中心...
【技术特征摘要】
1.一种基于神经网络和相关滤波的综采工作面人员及设备的目标跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于神经网络和相关滤波的综采工作面人员及设备的目标跟踪方法，其特征在于：
3.根据权利要求2所述的一种基于神经网络和相关滤波的综采工作面人员及设备的目标跟踪方法，其特征在于：基于上一帧视频图像的目标特征对候选框特征进行空间调制，获得空间位置信息增强后的候选框特征的具体步骤包括：
4.根据权利要求1或2所述的一种基于神经网络和相关滤波的综采工作面人员及设备的目标跟踪方法，其特征在于：以目标位置响应图的中心点为中心生成多个候选框的具体步骤包括：以目标位置响应图的中心点，以上一帧视频图像的目标位置坐标为基础添加高斯噪声，生成多个候选框。
5.根据权利要求1或2所述的一种基于神经网络和相关滤波的综采工作面人员及设备的目标跟踪方法，其特征在于：基于iou预测模块对通道信息增强后的候选框特征进行处理后，选取评分靠前的预设个数的候选框作为最佳候选框，并对最佳候选...
【专利技术属性】
技术研发人员：王明仲，张幸福，叶文凯，崔科飞，贾卫锋，李国威，黄元庭，曾勇，
申请(专利权)人：郑州恒达智控科技股份有限公司，
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。