科创中国

电子信息技术

一种基于时序的多帧集成目标检测算法，其特征在于，包括：S1、输入连续若干帧图片，得到包含若干张图片的序列；S2、提取步骤S1中所得序列的图像特征，得到待检测对象空间信息的特征张量；S3、根据步骤S2中所得特征张量，提取若干帧图片中蕴含的时序信息，得到新的蕴含时序信息的特征张量；S4、基于特征金字塔网络，对步骤S3中所得特征张量进行训练，输出待检测物体在每帧图片中的包围盒位置、类标签以及对应的置信度；S5、根据输出的包围盒位置以及置信度，在每帧图片中画出包围待检测对象的包围盒、类标签和置信度。

本发明公开了一种基于时序的多帧集成目标检测算法，包括：S1、输入连续若干帧图片，得到包含若干张图片的序列；S2、提取步骤S1中所得序列的图像特征，得到待检测对象空间信息的特征张量；S3、根据步骤S2中所得特征张量，提取若干帧图片中蕴含的时序信息，得到新的蕴含时序信息的特征张量；S4、基于特征金字塔网络，对步骤S3中所得特征张量进行训练，输出待检测物体在每帧图片中的包围盒位置、类标签以及对应的置信度；S5、根据输出的包围盒位置以及置信度，在每帧图片中画出包围待检测对象的包围盒、类标签和置信度。本发明充分利用连续的多帧图像间存在的时序信息来提高目标检测的准确率，并结合FPN网络解决了小目标难以识别的问题。

我们的团队专注于开发一种基于时序的多帧集成目标检测算法，利用连续视频帧数据提高目标检测的准确性和稳定性。通过集成多帧信息，我们的算法能够有效降低偶发误判，增强目标跟踪的连续性。这一技术广泛应用于视频监控、自动驾驶和机器人导航等领域，提供高效可靠的视觉识别功能。团队由计算机视觉专家、机器学习工程师和软件开发者组成，致力于通过技术创新优化算法性能，提升系统的实用性和应用范围。