检索结果-南通市图书馆

检索条件"主题词=互相关网络"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于特征增强和数据关联的多目标跟踪方法研究

基于特征增强和数据关联的多目标跟踪方法研究

引用

作者：陆洋洋南京邮电大学

学位级别：硕士

随着物联网的普及和5G应用的发展,越来越多的图像数据被产生和收集。为了有效地对这些数据进行处理,研究者们对计算机视觉下的图像分类、目标检测、图像分割和目标跟踪等各个子领域都进行了深入研究与探索。多目标跟踪是从连续的图像帧... 详细信息

随着物联网的普及和5G应用的发展,越来越多的图像数据被产生和收集。为了有效地对这些数据进行处理,研究者们对计算机视觉下的图像分类、目标检测、图像分割和目标跟踪等各个子领域都进行了深入研究与探索。多目标跟踪是从连续的图像帧中得出所有感兴趣目标的轨迹,其广泛应用在自动驾驶、人机交互和机器人视觉导航,近年来受到越来越多的关注。由于多目标跟踪目标数量的随机性、跟踪背景的复杂性、目标间的遮挡等多种因素的干扰,设计一个准确、高效的多目标跟踪算法仍然是一个具有挑战性的任务。本文为了改进多目标跟踪算法的准确率,围绕多目标跟踪中特征提取和数据关联步骤展开了研究,提出一种基于特征增强和数据关联的多目标跟踪算法,有效的改进了漏检、误检和遮挡造成的错误关联问题。主要研究内容如下:（1）针对目标的漏检和误检的问题,提出了一种基于运动显著特征和互相关注意力的多目标跟踪算法。首先采用运动增强模块,利用相邻帧特征的时间差分运算来增强通道中的运动相关特征,抑制无关信息。然后采用互相关注意力模块,将检测任务和重新识别任务解耦以减少这两个任务之间的竞争。最后将目标检测、特征提取和数据关联统一到一个框架中,实现了端到端的优化。（2）针对遮挡导致的目标轨迹中断和轨迹ID变换的问题,提出了基于二次关联低分检测框的多目标跟踪算法。通过在提出使用运动增强和互相关注意力的方式的基础上,使用二次数据关联的方法。该方法不同于以往只保留高分检测框的做法,而是将高分框和低分框分开处理,利用低分检测框和轨迹之间的相似性,发现真正的目标,实现在遮挡情况下的正确关联。在MOT Challenge上提供的MOT 16/17数据集、MOT20数据集上实验,采用了 8个（MOTA、MOTP、IDF1、MT、ML、FP、FN、IDs）标准评估指标来全面衡量算法。在MOT17数据集上的实验结果显示,运动增强模块和互相关注意力模块的应用将MOTA从66.6%提升至67.5%,FP减少了 12.1%。在此基础上叠加二次数据关联,最终的MOTA为68.7%。实验结果表明,改进后的链式跟踪算法可以增加相邻两帧之间的关联性,能够有效的解决遮挡问题,以提高多目标跟踪算法的准确性。

关键词：深度学习多目标跟踪运动特征互相关网络数据关联

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：