科创中国

生物与新医药技术

本发明公开了一种基于神经网络的增强现实跟踪方法，包括：S1、建立神经网络结构；S2、用图像序列中目标对象的运动数据作为训练数据训练神经网络，调整神经网络中各层的权重；S3、提取视频中首帧图像的角点特征；S4、通过神经网络预测，得到目标对象的运动趋势；S5、在目标对象的运动趋势方向上在后续图像序列中对目标对象进行跟踪。本发明通过神经网络预测目标对象的运动趋势，减小了搜索范围和计算过程中的迭代次数，从而缩减了跟踪计算时间，提高了跟踪效率。

一种基于神经网络的增强现实跟踪方法，其特征在于，所述方法包括：S1、建立神经网络结构；S2、用图像序列中目标对象的运动数据作为训练数据训练神经网络，调整神经网络中各层的权重；S3、提取视频中首帧图像的角点特征；S4、通过神经网络预测，得到目标对象的运动趋势；S5、在目标对象的运动趋势方向上在后续图像序列中对目标对象进行跟踪；所述神经网络结构包括1个输入层、1个隐藏层及1个输出层，输入层的神经元个数为K，隐藏层的神经元个数为M，输出层神经元个数为1，其中上一层神经元与下一层各神经元之间的权重为wij，初始权重取随机常量wij∈[***,***]，激活函数选取Sigmoid函数所述步骤S2具体为：S21、准备训练数据；S22、对训练数据进行归范化处理；S23、通过规范化处理后的训练数据训练神经网络，调整神经网络中各层的权重，从而训练出最优的神经网络

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

点击查看