检索结果-南通市图书馆

作者：戚周铭天津理工大学

学位级别：硕士

多目标跟踪技术在多个实际领域中都有着巨大的应用需求:随着越来越多的监控设备在机场、学校、商场等人流密集场所的普及,自动分析监控录像的需求日渐高涨。最近在自动驾驶领域,出现了环视跟踪的需求,即使用多个车载相机同时观察车辆四... 详细信息

多目标跟踪技术在多个实际领域中都有着巨大的应用需求:随着越来越多的监控设备在机场、学校、商场等人流密集场所的普及,自动分析监控录像的需求日渐高涨。最近在自动驾驶领域,出现了环视跟踪的需求,即使用多个车载相机同时观察车辆四周交通参与者。然而,由于遮挡现象的存在,现阶段的多目标跟踪器不能在密集场景中较为准确地跟踪目标,经常出现目标丢失、ID交换的现象。而且也没有一种开源的能帮助自动驾驶车辆实现环视跟踪的多相机多目标跟踪算法。为此,本文提出了以下目标跟踪方法:(1)一种结合头部跟踪的密集场景下行人多目标跟踪方法。为降低密集场景中严重的遮挡现象给多目标跟踪器带来的负面影响,考虑到头部是行人整个全身最高最不易被遮挡的部位,提出了一种新型的结合头部跟踪的行人多目标跟踪方法Trape Hat。首先,使用头部跟踪器生成行人头部运动轨迹,同时检测出行人的全身边界框;接下来计算头部边界框和全身边界框之间的关联程度,并使用匈牙利算法对上述计算结果进行匹配;最后根据匹配结果将头部轨迹中的头部边界框替换为全身边界框,并输出密集场景下行人全身的运动轨迹。实验证明,这种基于头部跟踪的方法有效降低了密集场景下严重遮挡为跟踪器带来的漏报和误报等负面影响。(2)一种基于重识别的多相机多目标跟踪方法。为了在无人汽车上实现环视跟踪的效果,从而早日实现更高级别的无人驾驶技术。提出了一种基于重识别的多相机多目标跟踪方法,该方法把多相机多目标跟踪任务拆分成了两个子任务:单相机下的多目标跟踪与不同相机之间的目标重识别。首先使用目标检测器完成对目标车辆的检测,并使用多目标跟踪器对检测到的目标进行跟踪。然后使用目标重识别算法在多个相机下找到同一目标,在对跟踪和重识别的结果进行整合后,在每一个相机中给出目标运动轨迹的同时为每一个目标赋予全局唯一的id。该车辆环视跟踪算法在Calm Car MTMC Tracking Challenge中取得第一名并获得了该比赛的一等奖。

关键词：多目标跟踪多相机多目标跟踪 IoC 目标检测目标重识别深度学习

基于Transformer的视觉定位方法及其应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Transformer的视觉定位方法及其应用

作者：睢泽洲天津理工大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的多目标追踪算法研究

基于深度学习的多目标追踪算法研究

作者：石驰宇天津理工大学

学位级别：硕士

运动目标检测和视频追踪技术在民用和军用的许多领域中都有广泛的应用场景。目前,尽管在车站、银行和大型购物中心等公共场所使用摄像机非常普遍,但在复杂背景及密集场景下,用于行人追踪的自动监控技术仍然需要大量人工干预。多目标追... 详细信息

运动目标检测和视频追踪技术在民用和军用的许多领域中都有广泛的应用场景。目前,尽管在车站、银行和大型购物中心等公共场所使用摄像机非常普遍,但在复杂背景及密集场景下,用于行人追踪的自动监控技术仍然需要大量人工干预。多目标追踪因其学术价值和商业潜力,在计算机视觉中逐渐备受关注。研究多目标追踪的主要目的是减少对人类的依赖,并自动完成复杂环境中目标的实时观察以及对感兴趣目标行为的分析和描述。近年来,深度学习等技术的发展使得多目标追踪算法得到极大提升,但是当目标发生形变、尺度变化以及被遮挡等情况时,还是很容易导致追踪失败。现有的实时多目标追踪研究主要集中在相关性判别上,其本质上是一种实时关联方法,而无法构成完整的多目标追踪。为了将提高算法的运动速度,因此,本文将多目标追踪中的多个模块融合到一个神经网络中,这样的融合有两点好处:一方面是通过共享图像底层特征,减少冗余计算,另一方面从图像的特征图出发,而不是从像素级出发,降低了算法的时间复杂度。本文基于深度学习技术,提出一种新的融合网络,同时对多目标追踪中的运动轨迹预测模块和数据关联算法提出改进方案。本文的主要工作包括以下内容:(1)提出了基于检测、重识别和Social-LSTM的多目标行人追踪算法。针对视角、光照、噪声等因素对多目标追踪的影响,对网络结构进行设计,以提高模型的泛化性能;在检测模型的基础上实现行人重识别功能;对于运动轨迹预测模块,采用Social-LSTM捕捉目标之间的相互作用力,提高算法的预测能力。实验表明,本文提出的算法在运行速度和提高追踪准确度方面,获得了显著的提髙。(2)提出了多模块融合的多目标行人追踪算法。为了进一步提高MOT算法的实时性,将检测、行人重识别和运动轨迹预测等功能融合到一个深度神经网络中,同时对数据关联算法进行改良。目前主流的多目标追踪算法在预测过程中都需要使用的卡尔曼滤波或者在数据关联中使用的匈牙利算法匹配,这些都需要将神经网络的输出结果转移到CPU上,GPU和CPU之间的交互会消耗大量时间,增加MOT的算法运行时间。该算法通过在运动轨迹预测模块中引入目标特征,将有效增加算法的鲁棒性。实验表明,本文算法相较于己有算法,在提高时间复杂度和降低误匹配率方面,都获得了显著的提髙。

关键词：多目标追踪深度神经网络 Social-LSTM算法数据关联

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

结合融合攻击的图像防御模型健壮度检测算法

结合融合攻击的图像防御模型健壮度检测算法

作者：周冠华天津理工大学

学位级别：硕士

食品用塑料包装制品中有害有机物的检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

食品用塑料包装制品中有害有机物的检测方法研究

作者：毛明英重庆大学

学位级别：硕士

塑料制品广泛用于饮料、食用油、牛奶等食品的包装。作为与食品直接接触的包装材料,最重要的是要对内容物无害。然而,近年大量研究表明,塑料制品中常用的增塑剂已二酸二（2-乙基）己酯(Di（2-ethylhexyl） Adipate,DEHA)和邻苯二甲酸二... 详细信息

塑料制品广泛用于饮料、食用油、牛奶等食品的包装。作为与食品直接接触的包装材料,最重要的是要对内容物无害。然而,近年大量研究表明,塑料制品中常用的增塑剂已二酸二（2-乙基）己酯(Di（2-ethylhexyl） Adipate,DEHA)和邻苯二甲酸二（2-乙基）己酯(Bis（2-ethlhexyl） Phthalate,DEHP)具有致癌、致畸、致突变的作用;另外,废旧光盘制作的问题奶瓶、回收聚碳酸酯（PC）塑料加工的饮水桶等容易引入有害物质,从而对人类健康造成潜在危害。本课题以聚氯乙烯（PVC）、聚酯（PET）、PC等常用食品包装制品为研究对象,对其中所含的三种典型有害有机物DEHA、DEHP、多环芳烃（Polycyclic Aromatic Hydrocarbons,PAHs）等进行研究。根据PVC、PET、PC的溶胀特性的差异,选择不同萃取剂分别对样品进行提取,建立了主辅溶剂提取塑料制品中有害有机物的样品前处理方法及相应的分析检测方法。以异丙醇、正己烷、异辛烷为主萃取剂,二氯甲烷为辅萃取剂,建立了主辅萃取剂快速提取PVC制品中DEHA的样品前处理方法及毛细管气相色谱检测方法。结果表明:正己烷/二氯甲烷（体积比5∶1）时相对提取率最高。在选定的最优条件下,方法的回收率和相对标准偏差（RSD）分别为85.3%～94.6%、1.02%～2.74%。与传统提取方法相比,本方法样品前处理过程简便、快速、提取效率高。利用Fenton反应产生的羟基自由基与邻苯二甲酸酯水解产生的邻苯二甲酸钠反应,生成具有荧光的羟基邻苯二甲酸钠,从而采用荧光光度法间接测定了PVC制品中DEHP的含量。结果表明,DEHP浓度在4.28×10-2 .14 mg·mL-1范围内与荧光强度呈线性关系,线性良好,相关系数为0.9954。另外,通过向PET、PC两类包装材料中添加回收塑料,模拟这两类产品的生产工艺进行加工,并以正己烷/一氯代苯作为PET制品的萃取剂、正己烷/丙酮作为PC制品的萃取剂分别对样品进行提取,采用毛细管气相色谱法对PET、PC、PVC等模拟样品和PET、PC等实际产品进行了分析检测。结果表明,添加回收塑料的包装制品中含有大量有害的萘、苊烯、苊等物质,且随加工次数的增加有害物质的种类和含量均增加。

关键词：有害有机物 DEHA DEHP PAHs 主辅萃取剂

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的车道线检测算法研究

基于深度学习的车道线检测算法研究

作者：朱国强天津理工大学

学位级别：硕士

车道线检测任务是利用计算机视觉技术分析并识别道路上的车道线,该任务为自动驾驶系统提供重要的道路信息,为实现高精度的行驶决策提供了可靠的基础,目前车道线检测已经是自动驾驶视觉感知的重要组成部分。随着自动驾驶技术的发展,如今... 详细信息

车道线检测任务是利用计算机视觉技术分析并识别道路上的车道线,该任务为自动驾驶系统提供重要的道路信息,为实现高精度的行驶决策提供了可靠的基础,目前车道线检测已经是自动驾驶视觉感知的重要组成部分。随着自动驾驶技术的发展,如今的高级驾驶辅助系统(ADAS)如辅助变道和智能避障中得到了广泛应用,其中的车道线检测任务已经成为了研究热点。本次课题以深度学习的车道线检测算法为研究对象,针对车道线检测算法中黑夜与阴影等环境因素带来的精度下降问题,并在实验过程中通过设计一系列的鲁棒性测试方法和指标。本文使用目前深度学习的方法,分析并应对车道线检测中所存在的部分难点以及现实环境中可能存在的问题,通过理论研究与实验验证,在多次的对比实验中表明了本次课题提出的方法和实验的有效性,其主要工作和创新如下:一、道路环境和光照条件常会对车道线检测算法造成干扰,使得算法在复杂的道路情况下的检测效果不尽如人意。为了提高算法在这些情况下的检测效果,本文结合了卷积神经网络的强大特征提取能力和Transformer架构中的乘性注意力机制,将自注意力结构应用到了卷积神经网络中,通过让模型更加关注道路重要部分从而提高了卷积神经网络在黑夜等情况下的检测效果。二、为了更好地比较深度学习神经网络中不同的车道线检测算法模型之间的鲁棒性差异。本文根据现实环境中可能会出现各种突发情况和干扰,从信号收集和物理环境两个方面,设计一系列干扰实验,采用黑盒测试的方法检测出不同情况下模型的鲁棒性。此外,本文还提出了一个新的鲁棒性指标来更好地评估模型的鲁棒性。三、在资源有限的设备上部署网络模型时,通常会遇到体积和速度问题,研究中使用知识蒸馏等方法压缩模型实现模型轻量化,已经受到了学术界和工业界的广泛关注。为了更好的满足车道线检测实时性,本文设计了一种有效信息的知识蒸馏方法,尝试通过知识蒸馏实现模型的轻量化,使得轻量化后的模型精度不会有显著下降,从而提高模型部署在现实环境中的效果。

关键词：车道线检测卷积神经网络自注意力知识蒸馏鲁棒性测试

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的快速目标检测技术研究

基于深度学习的快速目标检测技术研究

作者：王震天津理工大学

学位级别：硕士

随着目前计算机视觉技术的不断发展,目标检测作为计算机领域中最重要的一部分,同时也在智能交通、图像检索、信息采集多个领域有着重要的地位。然而很多传统的目标检测算法都是基于手工设计的特征和小训练样本的,往往受到光照、遮挡、... 详细信息

随着目前计算机视觉技术的不断发展,目标检测作为计算机领域中最重要的一部分,同时也在智能交通、图像检索、信息采集多个领域有着重要的地位。然而很多传统的目标检测算法都是基于手工设计的特征和小训练样本的,往往受到光照、遮挡、环境变化因素等众多因素的影响,进而影响了目标检测算法的性能。而近几年发展越来越火热的深度学习作为一个有力的工具能帮助人们实现更好地在目标检测领域进行研究和探索。深度学习在目标检测领域以极大的优势超越了传统视觉算法,通过在大数据下自主学习得到的特征,不仅在数量上更是在性能上远远超出了人手工设计的算法特征。虽然深度学习有着传统视觉算法不能比拟的性能优势,但是深度学习的缺点也是显而易见。深度学习中越深层的模型包含了越多的参数,带来了计算量的大幅提升,导致无法实时运行。这对于将深度学习技术应用于人们的日常生活带来了诸多困难。庞大的计算量需求导致了深度学习不能实时的运行在嵌入式或是手持设备中。为了解决这个问题本文提出了基于模型中卷积核滤波器筛选策略的模型精简以及端到端的目标检测方法,具体工作内容如下:(1)针对目前深度学习模型中参数繁多、运算耗时久、占用体积大的问题,本文提出了一种基于平均响应值Average Response Energy(ARE)的卷积核滤波器筛选策略,主要是将深度模型中贡献度低的卷积核滤波器从原模型中移除,可以大量的减少原模型的权重参数,进而减少模型的占用体积与计算量。在本文的三个公共数据集上,实验结果也是表明了基于平均响应值的卷积核滤波器筛选策略对于降低模型体积和计算量是有效的,在不牺牲精度的情况下,能够大幅提升深度学习模型的实时性。(2)对于当前结合分割定位算法和深度学习分离式框架,本文通过在深度模型的最后一层卷积层后添加多尺度卷积特征提取层,训练了一个端到端的基于深度学习的目标检测框架。在PASCAL VOC 2007数据集上,实验结果也是表明了该端到端的深度学习目标检测算法可以有效降低模型的运算时间。

关键词：深度学习卷积神经网络目标检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于区域混合特征融合的图像自动描述生成

基于区域混合特征融合的图像自动描述生成

作者：刘文轩天津理工大学

学位级别：硕士

图像自动描述生成是一个结合了计算机视觉、自然语言处理的跨模态研究问题,它的目的是能够将图像中的内容转译为符合人类习惯的自然语句描述,可以看作是对图像信息进行描述的任务,它可以为视觉信息自动生成描述。近年来,通过卷积神经网... 详细信息

图像自动描述生成是一个结合了计算机视觉、自然语言处理的跨模态研究问题,它的目的是能够将图像中的内容转译为符合人类习惯的自然语句描述,可以看作是对图像信息进行描述的任务,它可以为视觉信息自动生成描述。近年来,通过卷积神经网络提取图片中词特征的主要趋势。当前大多数的Image Caption(即图像自动描述生成)方法基于二段式编解码模型即encoder-decoder结构。然而目前主流方法对于图像特征的处理方式离有效提取图像中的语义信息还有一定差距,因而输出结果还不够理想。首先,本文对比学习并研究了近几年国内外图像方法,发现目前主流模型在图像特征提取阶段中主要提取单一的某种特征信息,即提取特征在类型与尺度上过于单一,无法生成全面的图像描述,并且单一的图像特征往往会导致识别错误致使文本输出内容错误。对于内容丰富的图像来说,单一特征的无法覆盖图像的完整语义信息,均存在一定缺陷。本文考虑在分别提取两种特征后通过自注意力模块来对分配图像特征权重来融合所有特征,以获取尽可能丰富以及准确的语义信息。其次,本文对于如何在生成语句中增强对物体的细节描述,使物体描述更加细致,使得输出描述在局部目标描述上更加完整进行了研究。目前图像自动描述生成方向使用的特征是经过卷积神经网络和区域候选网络提取的图像特征,将图像特征作为输入通过语言模型生成图像描述。为了使得模型能够和人一样通过控制对于视觉信息中主次信息进行筛选剔除噪声信息以及冗余信息,在任务中引入注意力机制企图达到同样的效果。但是目前的注意力机制是将图像特征中的有用信息和冗余信息同时作为输入特征,而冗余信息的存在直接影响了模型的准确性,导致忽略部分语义信息。本文从位置聚类的角度改进结果和特征之间的相关性,从而使模型能够针对性的学习物体区域特征与包含其细节信息的网格特征的互补关系,从而提高模型输出的完整性。最后,本文通过在Image Net数据集、Visual Gerome数据集和MS COCO数据集上进行训练,并在MS COCO数据集进行图像自动描述生成测试。通过与前人的研究方法验证了本文模型的有效性。

关键词：图像自动描述生成深度神经网络特征融合位置聚类

面向无人机平台与低功耗嵌入式设备的对地目标检测与跟踪算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向无人机平台与低功耗嵌入式设备的对地目标检测与跟踪算法研究

作者：赵文政天津理工大学

学位级别：硕士

无人机在战场上有着重要的战略意义,主要任务为侦察军情、监视目标、战斗评估等视觉任务。本文主要研究了在无人机平台上的对地目标检测与跟踪,针对低功耗嵌入设备的特点,优化检测算法,结合跟踪算法,设计了一个适用于无人机上低功耗嵌... 详细信息

无人机在战场上有着重要的战略意义,主要任务为侦察军情、监视目标、战斗评估等视觉任务。本文主要研究了在无人机平台上的对地目标检测与跟踪,针对低功耗嵌入设备的特点,优化检测算法,结合跟踪算法,设计了一个适用于无人机上低功耗嵌入式设备的目标检测与跟踪系统。在无人机的高空视野中,由于视距宽阔,感兴趣目标与无人机距离变化很大。同一目标在不同距离时,其尺寸不同,且在距离较近时,旋转变化也较多。对于目标检测任务来说,难度较大。在目标距离较远时,其尺寸远小于距离较近的目标,在同一画面中,尺度相差大的目标,对于目标检测任务说,难度较大。在无人机平台上,只能够搭载低功耗的嵌入式设备,且嵌入式设备算力较低,几乎无法搭载实时目标检测与跟踪系统,其实时性一直以来都是研究的难点。本文设计的快速目标检测算法中,主要采用残差结构技术,空洞卷积技术,深度可分离卷积技术,可变形卷积技术,多层特征融合技术等,设计了一种快速的,在高空对地面目标效果较好的快速目标检测算法,其速度达到了8.81FPS,平均准确率达到了86.3%,是一种能够部署在无人机搭载的低功耗嵌入式设备中,具有较高的实际意义。在目标检测的基础上,进一步对视觉任务中的多目标跟踪做了研究,提取了目标的颜色直方图和Io U联合特征,计算距离矩阵,利用卡尔曼滤波对目标做运动预测,结合匈牙利算法完成检测目标和预测目标的特征匹配。本文将目标检测算法与跟踪算法结合,设计出一种面向无人机平台的低功耗对地目标检测与跟踪系统,其速度能够达到12-15FPS,具有一定的实际使用价值和意义,并对无人机平台的目标检测与跟踪系统,提供了一种有效的设计思路。

关键词：目标检测多目标跟踪无人机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于无监督的跨域目标检测算法研究

基于无监督的跨域目标检测算法研究

作者：许靖昆天津理工大学

学位级别：硕士