Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019041519) TARGET TRACKING DEVICE AND METHOD, AND COMPUTER-READABLE STORAGE MEDIUM
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/041519 International Application No.: PCT/CN2017/108794
Publication Date: 07.03.2019 International Filing Date: 31.10.2017
IPC:
G06K 9/00 (2006.01)
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
K
RECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9
Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
Applicants:
平安科技(深圳)有限公司 PING AN TECHNOLOGY (SHENZHEN) CO., LTD. [CN/CN]; 中国广东省深圳 福田区八卦岭八卦三路平安大厦吴东勤 Wu, Dongqin Ping An Building, Bagua 3rd Road, Bagualing, Futian District Shenzhen, Guangdong 518000, CN
Inventors:
周舒意 ZHOU, ShuYi; CN
王建明 WANG, JianMing; CN
肖京 XIAO, Jing; CN
Agent:
深圳市沃德知识产权代理事务所(普通合伙) SHENZHEN WORLD INTELLECTUAL PROPERTY AGENCY (GENERAL PARTNERSHIP); 中国广东省深圳 福田区园岭街道八卦四路10号中浩大厦1528-1530室于志光 Yu, Zhiguang Room 1528-1530, Zhonghao Building No.10 of Bagua Fourth Road, Yuanling Street, Futian District Shenzhen, Guangdong 518000, CN
Priority Data:
201710754313.X29.08.2017CN
Title (EN) TARGET TRACKING DEVICE AND METHOD, AND COMPUTER-READABLE STORAGE MEDIUM
(FR) PROCÉDÉ ET DISPOSITIF DE SUIVI DE CIBLE, ET SUPPORT DE STOCKAGE LISIBLE PAR ORDINATEUR
(ZH) 目标跟踪装置、方法及计算机可读存储介质
Abstract:
(EN) A target tracking device and method based on a convolutional neural network, and a computer-readable storage medium, these being able to improve the accuracy of target tracking. The device comprises a memory and a processor, wherein a target tracking program capable of running on the processor is stored in the memory, and when the program is executed by the processor, the following steps are implemented: collecting picture samples from a video frame image according to a sampling point distribution, and recording the position coordinates of the picture samples (S10); extracting, based on a CNN model, sample features from the picture samples, and calculating a degree of confidence of the picture samples and a tracked target according to the sample features (S20); adjusting the weight of the picture samples according to the degree of confidence, and calculating the position coordinates of the tracked target according to the position coordinates and the weight (S30); collecting a positive sample and a negative sample from the video frame image according to the position coordinates to train a CNN model with a training sample set (S40); then updating model parameters of the CNN model (S50); and repeating the above-mentioned steps until the tracking of a video is complete (S60).
(FR) L'invention concerne un dispositif et un procédé de suivi de cible basés sur un réseau neuronal convolutionnel, et un support de stockage lisible par ordinateur, ceux-ci pouvant améliorer la précision de suivi de cible. Le dispositif comprend une mémoire et un processeur, un programme de suivi cible pouvant être exécuté sur le processeur étant stocké dans la mémoire, et lorsque le programme est exécuté par le processeur, les étapes suivantes sont mises en œuvre : collecter des échantillons d'image à partir d'une image de trame vidéo selon une distribution de point d'échantillonnage, et enregistrer des coordonnées de position des échantillons d'image (S10); extraire, sur la base d'un modèle de CNN, des caractéristiques d'échantillon à partir des échantillons d'image, et calculer un degré de confiance des échantillons d'image et une cible suivie selon les caractéristiques d'échantillon (S20); ajuster le poids des échantillons d'image selon le degré de confiance, et calculer les coordonnées de position de la cible suivie selon les coordonnées de position et le poids (S30); collecter un échantillon positif et un échantillon négatif à partir de l'image de trame vidéo selon les coordonnées de position pour entraîner un modèle de CNN avec un ensemble d'échantillons d'apprentissage (S40); puis mettre à jour des paramètres de modèle du modèle de CNN (S50); et répéter les étapes mentionnées ci-dessus jusqu'à ce que le suivi d'une vidéo soit achevé (S60).
(ZH) 一种基于卷积神经网络的目标跟踪装置、方法及计算机可读存储介质,能够提高目标跟踪的准确度。所述装置包括存储器和处理器,存储器上存储有可在处理器上运行的目标跟踪程序,该程序被处理器执行时实现步骤:按照采样点分布从视频帧图像上采集图片样本,并记录图片样本的位置坐标(S10);基于CNN模型从图片样本中提取样本特征,并根据样本特征计算图片样本与跟踪目标的置信度(S20);根据置信度调整图片样本的权重,根据位置坐标和权重计算跟踪目标的位置坐标(S30);根据位置坐标从视频帧图像采集正样本和负样本以训练样本集训练CNN模型(S40),进而更新CNN模型的模型参数(S50);重复上述步骤,直至完成视频的跟踪(S60)。
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: Chinese (ZH)
Filing Language: Chinese (ZH)