检索结果-南通市图书馆

浙江大学学报（工学版） 2022年第12期56卷 2379-2391页

作者：国强吴天昊徐伟 KALIUZHNY Mykola 哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001 先进船舶通信与信息技术工业和信息化部重点实验室黑龙江哈尔滨150001 哈尔科夫国立无线电电子大学乌克兰哈尔科夫61166

针对时空正则目标跟踪算法无法有效利用特征,为了缓解边界效应扩大搜索区域导致的滤波器倾向于从背景中学习的问题,提出基于通道可靠性和异常抑制的目标跟踪算法.构造通道正则项,在训练阶段求解不同特征通道对应的权重,实现对不同特征... 详细信息

针对时空正则目标跟踪算法无法有效利用特征,为了缓解边界效应扩大搜索区域导致的滤波器倾向于从背景中学习的问题,提出基于通道可靠性和异常抑制的目标跟踪算法.构造通道正则项,在训练阶段求解不同特征通道对应的权重,实现对不同特征通道的加权,降低通道冗余并提高定位精度.在目标函数中加入异常抑制正则项,约束当前帧的响应图,实现滤波器模型的平滑约束.利用交替方向乘子法将求解目标问题转化为求滤波器、辅助因子以及通道权重的最优解.将所提算法在OTB2015、TempleColor128以及UAV20L公开数据集测试并与其他跟踪算法进行对比.实验结果表明,所提算法在快速运动、光照变化场景中的跟踪效果稳定,基本满足实时性要求.

关键词：目标跟踪时空正则通道正则异常抑制交替方向乘子法

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

具有改进时空正则和异常抑制的相关滤波跟踪

引用

国外电子测量技术 2022年第12期41卷 48-55页

作者：段苛苛郑俊蓉邰滢滢辽宁大学信息学院沈阳110036

为提高正则化相关滤波跟踪算法在复杂场景下的跟踪性能,提出一种具有改进的时空正则化和异常抑制的相关滤波目标跟踪算法。该算法在现有时空正则项的基础上引入稀疏空间变化向量来学习空间权重和参考权重之间的变化,引入稀疏时间变化向... 详细信息

为提高正则化相关滤波跟踪算法在复杂场景下的跟踪性能,提出一种具有改进的时空正则化和异常抑制的相关滤波目标跟踪算法。该算法在现有时空正则项的基础上引入稀疏空间变化向量来学习空间权重和参考权重之间的变化,引入稀疏时间变化向量来学习相邻两帧之间滤波器的变化,同时将响应图变化引入目标函数来抑制训练过程中的响应突变,最后通过交替方向乘子法迭代优化求解。在OTB-2015数据集上的对比实验结果表明,提出的算法具有更好的精度和成功率,且在光照变化、遮挡、快速运动等复杂跟踪场景下具有更好的鲁棒性。

关键词：目标跟踪相关滤波正则化响应图异常抑制

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

基于深度学习的目标跟踪方法研究

基于深度学习的目标跟踪方法研究

引用

作者：付赛西南科技大学

学位级别：硕士

运动目标跟踪方法是机器视觉领域的重要研究内容,在人机交互、无人机视觉侦察与导航等领域有广泛应用。跟踪精度和成功率是衡量运动目标跟踪方法优劣的重要指标。如何在光照变化、背景干扰、目标形状变化、目标物被遮挡等干扰因素下,精... 详细信息

运动目标跟踪方法是机器视觉领域的重要研究内容,在人机交互、无人机视觉侦察与导航等领域有广泛应用。跟踪精度和成功率是衡量运动目标跟踪方法优劣的重要指标。如何在光照变化、背景干扰、目标形状变化、目标物被遮挡等干扰因素下,精确、快速的对目标进行跟踪仍是国内外学者重点关注的问题。本文针对复杂背景下目标跟踪过程中跟踪成功率和跟踪精度低等问题,研究基于深度学习的目标跟踪算法。具体内容如下:(1)针对复杂场景下目标跟踪响应图发生剧烈变化而严重影响跟踪准确性这一问题,研究了基于中心度的孪生网络目标跟踪算法。该算法使用了修改的Res Net-50网络框架来提取深度特征,增强网络的特征提取能力。算法使用多锚框自适应头将多个卷积层输出的特征图进行了自适应融合,来捕获不同层次的细节和语义信息,增强算法的鲁棒性。此外改进了Siam BAN目标跟踪算法,加入了中心度预测网络来判断特征图上的目标位置与目标中心点的距离,当两者间的距离越大时,中心度得分越低,极大的降低了响应图中异常值对跟踪算法性能的影响,提高了目标跟踪算法的成功率和精度。并且在OTB100、VOT2016、VOT2018数据集上进行评估。实验表明在OTB100数据集上改进的算法比Siam BAN算法跟踪成功率提高0.1%。(2)针对长时目标跟踪中目标被长时遮挡、出视野等复杂情况导致目标重新出现在视野这一问题,研究了一种基于元学习和重检测的长时目标跟踪算法。被跟踪的物体长时间离开视野时会导致跟踪算法跟踪失败。针对此问题,在短期跟踪算法的基础上加入了基于元学习的模板更新机制,在目标未消失时更新模板。当目标消失时,使用改进的YOLOv5算法作为重检测模块。通过对置信度得分图检测,发现跟踪失败时引入了目标检测算法,进行目标的精确定位,从视野中找出目标。仿真结果表明,在UAV123数据集被遮挡和目标出视野的序列上,改进后的跟踪算法成功率提高了1%。(3)将本课题提出的跟踪算法部署在Jeston Nano开发板上,结合开发板的硬件情况,对网络结构进行了优化。通过自行拍摄的跟踪视频序列进行测试,实验结果表明在Jeston Nano开发板上部署的目标跟踪算法可以实时跟踪目标。

关键词：目标跟踪长时跟踪深度学习异常抑制重检测

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

复杂背景下运动目标跟踪方法研究

复杂背景下运动目标跟踪方法研究

引用

作者：苏超群西南科技大学

学位级别：硕士

运动目标跟踪一直是机器视觉领域的重点研究内容之一,在许多领域都有着广泛的应用,例如智能监控,智能交通控制,无人机视觉导航等。然而,因实际背景复杂多变,导致目标跟踪过程经常受光照变化、背景干扰、目标形状旋转、目标在视野外、遮... 详细信息

运动目标跟踪一直是机器视觉领域的重点研究内容之一,在许多领域都有着广泛的应用,例如智能监控,智能交通控制,无人机视觉导航等。然而,因实际背景复杂多变,导致目标跟踪过程经常受光照变化、背景干扰、目标形状旋转、目标在视野外、遮挡等因素影响,所以,如何精准、快速的对目标进行跟踪仍是国内外学者和研究人员关注的热点问题。开展复杂背景下运动目标跟踪方法研究具有重要的理论意义和工程应用价值。为此,课题针对复杂背景下运动目标跟踪的问题,通过对目标跟踪方法进行改进,来提高跟踪算法的成功率和跟踪精度。研究的主要内容如下:1.目标跟踪过程中,目标物被遮挡、光照变化、目标运动过快、图像上目标模糊和目标旋转将引起目标物外观变化,此外,目标运动速度快、分辨率低将导致搜索区域不足而造成目标框漂移。这些都将使跟踪检测过程中响应图发生异常,从而使跟踪算法的成功率和精度均下降。为此,设计改进的基于高效卷积算子的异常抑制目标跟踪算法,将抑制异常的发生与跟踪器模型的训练过程结合起来,极大地降低了响应图异常的发生,提高了目标跟踪算法的跟踪成功率和精度。2.被跟踪的目标物长时间不在视野内会导致跟踪器模型更新错误,使得跟踪算法跟踪失败而无法继续跟踪。针对此问题,研究了基于HSV颜色直方图的长期目标跟踪方法。使用目标的颜色直方图信息训练一个分类器,通过异常值来分析目标跟踪状态。当目标物被遮挡或消失后,通过分类器在视频帧上进行搜索,搜索到与目标物颜色直方图相似的物体并通过对比置信度来判断是否为被跟踪的目标物,如果判断结果为被跟踪目标物则启动跟踪模块继续跟踪。3.对所研究的算法在OTB-100数据集和VOT2018lt数据集上进行了仿真实验,实验数据表明,本文研究的算法在在改进前后算法的成功率和精度均得到了提高,证明了本文研究的算法在复杂背景下跟踪效果的有效性。

关键词：目标跟踪复杂背景异常抑制长期跟踪颜色直方图

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

复杂场景下的单目标跟踪算法研究

复杂场景下的单目标跟踪算法研究

引用

作者：程月英南京邮电大学

学位级别：硕士

目标跟踪的核心思想是跟踪模型根据视频序列中第一帧图像给定的目标边界框和位置信息估计出后续图像中的目标位置,从而实现在整个视频序列中的目标跟踪过程。在过去几十年里,目标跟踪算法研究获得了广泛关注并得到快速发展。但是,如何... 详细信息

目标跟踪的核心思想是跟踪模型根据视频序列中第一帧图像给定的目标边界框和位置信息估计出后续图像中的目标位置,从而实现在整个视频序列中的目标跟踪过程。在过去几十年里,目标跟踪算法研究获得了广泛关注并得到快速发展。但是,如何实现在复杂场景下的精确跟踪和鲁棒跟踪,依旧是一个难点。虽然相关滤波理论的引入提高了目标跟踪的准确性和处理速度,但是跟踪结果容易受到噪声的影响而跟踪失败。判别式相关滤波（Discriminant Correlation Filter,DCF）跟踪模型引入背景信息进行训练,显著提高跟踪器的鲁棒性,但模型容易受到边界效应和时间退化的影响。为了提高复杂场景下的目标跟踪算法的准确性和鲁棒性,本文基于判别式相关滤波跟踪算法提出两种改进方案,主要研究的成果如下:（1）针对传统的相关滤波跟踪算法在复杂场景下容易跟踪失败的问题,本文提出时间驱动的异常学习相关滤波器（Aberrance Learning via Time-driven Correlation Filter,ALTCF）。具体来说,ALTCF模型引入可以抑制异常数据的时间正则项,利用时间域上的特征来确保目标跟踪模型保持时间上的相似性,缓解因噪声而产生的异常数据所带来的负面影响,同时抑制模型训练的过拟合现象。最后,ALTCF模型结合滤波器响应相似度和时间域特征来搜索图像中可能的目标位置,提高了相关滤波目标跟踪在时域中的鲁棒性,缓解滤波器时间退化。（2）针对基于DCF的跟踪算法在复杂场景下会受到空间边界效应和滤波器时间退化的影响,本文提出基于学习时间一致性相关滤波器（Learning Temporal Consistency Correlation Filter,LTCF）的目标跟踪模型。为了提高跟踪模型的稳定性,该模型增加二阶信息,即滤波器的梯度信息进行相关滤波器的训练和更新。因此,LTCF跟踪模型将梯度特征的稳定性与时间一致性相结合,并利用特征之间的相关性来提高目标跟踪的准确性和鲁棒性。为了探讨本文提出的跟踪算法的性能,本文基于不同数据集进行了对比实验,参与对比实验的跟踪模型包括30种先进算法。通过对跟踪结果进行比较分析,本文所提出的跟踪算法在复杂场景下展现出良好的跟踪效果,能保证目标跟踪的准确性和鲁棒性。

关键词：目标跟踪判别式相关滤波器异常抑制时间一致性二阶信息

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

在线全文

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

在线全文

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：