检索结果-南通市图书馆

大连民族大学学报 2019年第3期21卷 214-219页

作者：巩欣飞杨大伟毛琳大连民族大学机电工程学院

针对现有卷积神经网络分类预测MDNet算法在线更新机制容易将错误样本引入网络模型,导致跟踪算法失效的问题,提出一种基于帧间预测校验的MDNet目标跟踪改进算法IPNet。该算法运用视频压缩领域的帧间预测方法和聚类算法,在前一帧目标跟踪... 详细信息

针对现有卷积神经网络分类预测MDNet算法在线更新机制容易将错误样本引入网络模型,导致跟踪算法失效的问题,提出一种基于帧间预测校验的MDNet目标跟踪改进算法IPNet。该算法运用视频压缩领域的帧间预测方法和聚类算法,在前一帧目标跟踪位置的基础上,计算前后连续两帧中目标的相似度,估计出目标下一帧可能出现的候选区域,实现目标位置预测,达到校验跟踪结果的目的。IPNet算法能有效减少更新样本导致的跟踪失效问题,改善了在目标旋转、快速运动以及背景混杂等情况下的跟踪效果,提升了算法的跟踪性能。

关键词：目标跟踪多域卷积网络帧间预测聚类算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于孪生网络的红外目标跟踪方法研究

基于孪生网络的红外目标跟踪方法研究

引用

作者：陈奎丞哈尔滨工程大学

学位级别：硕士

大多数目标跟踪算法都是基于可见光场景设计的,但在某些情况下,红外目标跟踪具有可见光所不具备的优势。红外设备利用物体本身的辐射来成像,不需要额外的光源,可以在弱光或黑暗场景中显示目标。然而,红外图像也存在诸如目标和背景之间... 详细信息

大多数目标跟踪算法都是基于可见光场景设计的,但在某些情况下,红外目标跟踪具有可见光所不具备的优势。红外设备利用物体本身的辐射来成像,不需要额外的光源,可以在弱光或黑暗场景中显示目标。然而,红外图像也存在诸如目标和背景之间边界不清晰、图像模糊甚至背景杂乱等缺陷,尤其是一些公开红外数据集的图像质量参差不齐的,这对基于数据驱动的红外目标跟踪算法的训练产生了一定的负面影响。从图像性质来看,红外场景下的目标跟踪相对于可见光跟踪,缺少颜色、纹理等信息,再加上红外图像本身对比度低,所以目标间相似、目标与背景相似造成干扰的问题尤为突出。如今基于深度学习的红外目标跟踪方法已经占据红外跟踪领域的重要位置,但是此类方法在上述红外场景下不仅缺少对目标细节信息的利用,还存在采用人工重复调试固定锚框来训练和预测目标尺寸导致的通用性不佳的问题。另外,为使神经网络更加注重红外目标特征,当前多数算法的做法是在网络里加入大量注意力机制,严重影响了计算效率。其次,跟踪器在跟踪阶段尤其是长期跟踪时极易受到周围相似物的干扰,当跟踪场景中有相似目标且背景杂乱时,大部分跟踪器无法对所跟踪目标进行有效的更新,如果无法充分利用目标历史信息,跟踪器最终会丢失目标,导致长期跟踪时鲁棒性较差。最后,大多数红外跟踪算法缺少跟丢后的重新检测机制,导致目标在经过遮挡或者模糊后的跟踪效果不佳。为了解决上述问题,本文以孪生网络跟踪器为基础,做出了如下的改进:(1)为解决红外场景下目标与背景细节不清晰、红外目标数据集图像粗糙、红外目标跟踪器无法利用目标历史信息等问题,本文提出一种基于注意力和目标模型自适应更新的红外目标跟踪算法。首先为减少人工设定锚框的繁琐步骤,本文以无锚框算法为基础,加入针对红外跟踪场景设计的快速注意力增强模块以并行处理红外图像,在不损失原信息的前提下提高红外目标与背景的差异性并增强目标的细节信息,然后将提取的特征融合到主干网络的中间层,最后利用目标模型自适应更新网络去学习红外目标的特征变化趋势,同时对目标的中高层特征进行动态更新,加强了红外跟踪器长期跟踪的能力。(2)目前的红外跟踪方法基本是人工选定目标后,跟踪器通过利用目标的历史特征实现长时间跟踪。但是,当出现相似干扰、目标遮挡等情况时,这些方法缺少完善的重检测机制来重新确定目标位置,若继续利用受污染的模板来更新目标位置,会产生误差,最终跟踪失败。为解决这些问题,本文提出一种基于场景感知分类和重检测的红外跟踪算法,首先以Siam BAN为主体框架,对BAN部分进行改进,提出场景感知分类器(Scene-aware Classifier,SC)。该分类器会依据目前的图像帧的图像特征进行判断,输出最适合此场景的系数,根据这些系数将三个BAN的相似性计算结果进行动态加权,提高不同红外场景的特征利用能力。其次是设计了红外目标重检测器,使用多域卷积网络为基础的分类器作为判断模块,利用第一帧目标特征进行初始化,使之适应当前目标的特征。在后续的持续跟踪中,通过判断模块对Siam BAN的跟踪结果进行判断,将高置信度目标作为样本训练判断模块。当判断跟踪丢失后,对判断模块进行结构复用转为重检测器,对随机采集得到的目标进行分类并根据置信度排名,最终找到目标进而完成跟踪。该方法提高了判断跟踪状态的准确性,并对目标丢失再寻提供了一个高效简单的解决方案,定位和回归精度更高。

关键词：目标跟踪深度学习孪生网络模板更新多域卷积网络

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

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

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

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：