检索结果-南通市图书馆

Kalman滤波与模板更新结合的SiamRPN目标跟踪

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2023年第8期59卷 200-207页

作者：巩畅单玉刚袁杰新疆大学电气工程学院乌鲁木齐830001 湖北文理学院教育学院湖北襄阳441053

针对SiamRPN跟踪算法在目标快速运动时跟踪目标易丢失以及模板不更新影响跟踪效果问题,提出一种Kalman滤波与模板更新相结合的SiamRPN目标跟踪方法。利用训练好的SiamRPN跟踪算法对目标进行跟踪,并将上一帧目标物体的中心点位置及速度... 详细信息

针对SiamRPN跟踪算法在目标快速运动时跟踪目标易丢失以及模板不更新影响跟踪效果问题,提出一种Kalman滤波与模板更新相结合的SiamRPN目标跟踪方法。利用训练好的SiamRPN跟踪算法对目标进行跟踪,并将上一帧目标物体的中心点位置及速度输入卡尔曼滤波器,当RPN网络得到的跟踪框响应得分较低时,利用卡尔曼滤波器重新预测目标位置,搜索得到新的跟踪框。并根据上一帧目标的速度,自适应扩大搜索区域。重新设计并训练了模板更新网络,并在其中添加了通道注意力机制,在跟踪过程中对目标模板迭代更新。实验结果表明,该算法在OTB2015的成功率和精确率分别为67.2%和89.1%,在VOT2016的EAO提升24.3%,与其他算法相比在解决目标形变和运动模糊问题具有显著优势。

关键词：目标跟踪 Kalman滤波模板更新孪生网络

在线全文

学校读者我要写书评

暂无评论

融合记忆信息的单目标跟踪模板更新机制

激光与光电子学进展 2024年第8期61卷 383-390页

作者：毛昱雯葛宝臻权佳宁陈其博天津大学精密仪器与光电子工程学院天津300073 天津大学光电信息技术教育部重点实验室天津300073

针对孪生架构单目标跟踪算法存在的目标状态更新不及时的问题,基于模板与记忆信息动态融合的跟踪策略,提出一种通用的模板更新机制。该机制采用双模块融合的更新策略:通过记忆融合模块融合搜索图像特征的短期记忆信息,获得目标变化情况... 详细信息

针对孪生架构单目标跟踪算法存在的目标状态更新不及时的问题,基于模板与记忆信息动态融合的跟踪策略,提出一种通用的模板更新机制。该机制采用双模块融合的更新策略:通过记忆融合模块融合搜索图像特征的短期记忆信息,获得目标变化情况;将前一帧可信的跟踪结果作为动态模板,从相关特征的角度,通过权重融合模块对原始模板和动态模板进行加权融合,通过结合跟踪过程的原始记忆与短期记忆实现更准确的目标定位。将模板更新机制应用于SiamRPN、SiamRPN++和RBO三种主流算法,并在VOT2019公开数据集上进行实验验证。结果表明:应用该机制后算法的性能得到了有效提升,具体而言,在SiamRPN++算法中,平均重叠期望值提升了6.67%,准确性提升了0.17%,鲁棒性下降了5.39%;此外,在遮挡、形变和背景干扰等复杂场景下,添加模板更新机制的SiamRPN++算法展现出较好的跟踪性能。

关键词：目标跟踪孪生网络模板更新记忆信息

在线全文

学校读者我要写书评

暂无评论

融合记忆信息的单目标跟踪模板更新机制

激光与光电子学进展 2023年

作者：毛昱雯葛宝臻权佳宁陈其博天津大学光电信息技术教育部重点实验室天津大学精密仪器与光电子工程学院

针对孪生架构的单目标跟踪算法存在的目标状态更新不及时的问题，基于模板与记忆信息动态融合的跟踪策略，提出一种通用的模板更新机制。采用双模块融合的更新策略，通过记忆融合模块对搜索图像特征的短期记忆信息进行融合，获得目标变... 详细信息

针对孪生架构的单目标跟踪算法存在的目标状态更新不及时的问题，基于模板与记忆信息动态融合的跟踪策略，提出一种通用的模板更新机制。采用双模块融合的更新策略，通过记忆融合模块对搜索图像特征的短期记忆信息进行融合，获得目标变化情况；把前一帧可信的跟踪结果作为动态模板，通过权重融合模块从相关特征的角度对原始模板和动态模板进行加权融合，通过结合跟踪过程的原始记忆与短期记忆，实现更准确的目标定位。将模板更新机制应用于SiamRPN,SiamRPN++和RBO三种主流算法，并在VOT2019公开数据集上进行实验验证。结果表明，应用该机制后算法的性能得到了有效提升。具体而言，在SiamRPN++算法中，平均重叠期望值提升了6.67%，准确性提升了0.17%，鲁棒性下降了5.39%。此外，在遮挡、形变和背景干扰等复杂场景下，算法展现出较好的跟踪性能。

关键词：目标跟踪孪生网络模板更新记忆信息

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

特征增强和双模板更新的目标跟踪算法

电光与控制 2023年第10期30卷 7-12页

作者：符强梁栩欣纪元法任风华桂林电子科技大学广西精密导航技术与应用重点实验室广西桂林541000 桂林电子科技大学信息与通信学院广西桂林541000 桂林电子科技大学电子工程与自动化学院广西桂林541000 卫星导航定位与位置服务国家地方联合工程研究中心广西桂林541000

为改进在复杂场景下的跟踪性能,提出了一种特征增强和双模板更新的目标跟踪算法。首先,提出了一种改进的特征提取网络,并将深层特征和浅层特征融合,再利用通道空间注意力模块对该融合特征进行强化,获得表征能力增强的特征。其次,提出了... 详细信息

为改进在复杂场景下的跟踪性能,提出了一种特征增强和双模板更新的目标跟踪算法。首先,提出了一种改进的特征提取网络,并将深层特征和浅层特征融合,再利用通道空间注意力模块对该融合特征进行强化,获得表征能力增强的特征。其次,提出了一种双模板更新策略,将近邻高置信度图像帧保留为备份模板,当跟踪响应图置信度较低时,将初始模板与备份模板进行加权融合得到新的模板,再重新进行跟踪预测。最后,在数据集OTB-100和VOT-2017上进行跟踪性能评估,实验结果表明,所提算法提升了在遮挡、光照变化、背景杂乱等复杂场景下的跟踪成功率和跟踪准确率。

关键词：目标跟踪特征融合注意力模块模板更新

在线全文

学校读者我要写书评

暂无评论

基于模板更新和双特征增强的视觉跟踪算法

北京航空航天大学学报 2024年

作者：雷帮军丁奇帅牟乾西吴正平三峡大学计算机与信息学院水电工程视觉监测宜昌市重点实验室湖北省水电工程智能视觉监测重点实验室

针对视觉跟踪中由于目标形变、翻转和遮挡而导致的跟踪失败问题，提出了一种基于图像结构相似性的模板更新算法，通过动态更新模板以适应目标在跟踪过程中的变化，具体地，使用队列来保存最近N帧跟踪结果，并根据当前跟踪结果和模板图... 详细信息

针对视觉跟踪中由于目标形变、翻转和遮挡而导致的跟踪失败问题，提出了一种基于图像结构相似性的模板更新算法，通过动态更新模板以适应目标在跟踪过程中的变化，具体地，使用队列来保存最近N帧跟踪结果，并根据当前跟踪结果和模板图像之间的结构相似性得分来判断是否更新模板，如果更新，则从历史N帧跟踪结果中匹配出最优的目标图像作为新模板用于后续跟踪。同时基于SiamMask网络设计了跟踪特征增强模块和分割特征增强模块。跟踪特征增强模块包括非局部操作和卷积下采样，用于建立上下文关联，增强目标特征，抑制背景干扰，提高跟踪鲁棒性，解决由于目标被遮挡而导致的特征减弱问题。分割特征增强模块引入了卷积块注意力模块和可变形卷积，以提高网络对通道和空间特征的捕捉能力，自适应地学习目标的形状和轮廓信息，提升网络对跟踪目标的分割精度，进而提高跟踪准确率。实验表明，所提算法在解决上述问题时表现良好且稳定，与基线SiamMask相比，在VOT2016、VOT2018和VOT2019数据集上期望平均重叠率分别提升了5.2%、5.3%和2.5%，鲁棒性分别提升了6%、7.9%和15.6%，且达到了每秒91帧的实时速度。

关键词：目标跟踪图像分割 SiamMask 模板更新特征增强

基于SiameseFC的双模板异步更新追踪方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学 2022年第S02期49卷 473-479页

作者：马汉达殷达江苏大学计算机科学与通信工程学院江苏镇江212013

全卷积孪生神经网络SiameseFC有着追踪速度快、精度高等优势,但在较为复杂的场景下仍然存在一定的缺陷,并且模板不更新的追踪模式也会在快速变化下的场景中出现较大的误差。因此,提出了一种基于全卷积孪生神经网络的双模板异步更新的追... 详细信息

全卷积孪生神经网络SiameseFC有着追踪速度快、精度高等优势,但在较为复杂的场景下仍然存在一定的缺陷,并且模板不更新的追踪模式也会在快速变化下的场景中出现较大的误差。因此,提出了一种基于全卷积孪生神经网络的双模板异步更新的追踪算法。首先基于VGG-16网络提取深层与浅层两种特征,分别使用两套对应的模板,两套模板独立且异步地更新,从而节约计算资源。然后对于模板的更新,同时考虑初始模板、前一次追踪所用模板,以及前一帧追踪结果提取的模板,并且使用了基于APCE的判断机制,更新时动态地分配三者的比例。所提算法在OTB100的基准测试结果上优于SiamRPN和SiamDW等主流算法,成功率与精确度均提升了约4%~5%,并且速度达到了44fps左右,可以满足实时追踪的要求。

关键词： SiameseFC VGG-16网络模板更新双模板 APCE

在线全文

学校读者我要写书评

暂无评论

结合模板更新与轨迹预测的孪生网络跟踪算法

西安电子科技大学学报 2023年

作者：贺王鹏胡德顺李诚周悦郭宝龙西安电子科技大学空间科学与技术学院

目标跟踪一直是计算机视觉领域中重要且富有挑战的问题。为克服目标形变、遮挡或快速移动等因素对跟踪性能的影响，提出一种结合模板更新与轨迹预测的孪生网络跟踪算法。首先，在基于孪生网络跟踪模型中引入模板图像的自适应更新迭代机... 详细信息

目标跟踪一直是计算机视觉领域中重要且富有挑战的问题。为克服目标形变、遮挡或快速移动等因素对跟踪性能的影响，提出一种结合模板更新与轨迹预测的孪生网络跟踪算法。首先，在基于孪生网络跟踪模型中引入模板图像的自适应更新迭代机制，实现对目标表观变化的动态表征，以此提升目标形状或颜色发生变化时的跟踪性能。具体来说，通过对每一帧跟踪结果的分析，判断是否满足更新条件，设计了自适应模板更新的策略，有效地降低了目标模板被污染的可能性。其次，在目标跟踪过程中引入卡尔曼滤波，通过收集跟踪过程中目标位置信息并进行轨迹预测，将前一帧中跟踪算法预测的目标位置信息与轨迹预测的位置信息相融合，得到当前帧搜索区域的裁剪位置，进而实现了离线跟踪与在线学习的结合，进一步解决了目标被遮挡或者快速移动的问题。最后，在VOT2018和LaSOT数据集上验证了该算法在多种复杂场景下的性能表现。实验结果表明，所提算法的跟踪性能超过了大部分其他跟踪算法。

关键词：深度学习目标跟踪孪生网络模板更新轨迹预测卡尔曼滤波

基于互注意力和模板更新的红外行人跟踪算法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于互注意力和模板更新的红外行人跟踪算法研究

作者：王琴哈尔滨工程大学

学位级别：硕士

红外行人跟踪在智能交通、城市监控和军事侦察等领域具有重要意义。然而,红外图像由于分辨率较低、纹理信息较少、缺少颜色信息等特点,增加了跟踪任务的难度。为此,本文深入研究基于孪生网络架构的跟踪算法,针对红外行人目标跟踪的特点... 详细信息

红外行人跟踪在智能交通、城市监控和军事侦察等领域具有重要意义。然而,红外图像由于分辨率较低、纹理信息较少、缺少颜色信息等特点,增加了跟踪任务的难度。为此,本文深入研究基于孪生网络架构的跟踪算法,针对红外行人目标跟踪的特点进行优化,以实现对红外行人目标进行准确鲁棒的跟踪。本文的主要研究工作如下:首先,针对全卷积孪生网络使用卷积相关进行相似度匹配容易陷入局部最优的问题,设计了一种基于互注意力机制的特征融合网络。两个基于交叉注意力机制的交叉特征增强聚合模块分别放在孪生网络的两个分支,对两个分支的特征图进行融合,并进行多次级联,最终实现模板和搜索区域分支全局信息的相互感知,提升模型在复杂的红外行人跟踪场景下的鲁棒性。使用改进后的Res Ne St网络作为骨干网络,通过分散注意力思想进行跨通道特征图的信息交流,增强骨干网络的特征表达能力,进而提高模型的跟踪性能。其次,在推理过程中,针对红外场景下小目标行人之间的特征难以区别的问题,采用一种通过运动估计自适应调整搜索区域的策略,根据连续几帧中行人的位移大小来自适应地调整搜索区域的放大倍数,抑制杂波干扰,同时满足行人快速运动的场景。并且针对红外行人跟踪领域数据集不足的问题,通过迁移学习的方法来训练红外行人跟踪器,先利用可见光跟踪领域的大规模数据集对模型进行预训练,提高模型的泛化性能,然后使用LSOTB-TIR数据集中的行人样本完成模型对红外行人特征的学习,以适应红外行人跟踪任务。最后,针对红外行人目标发生形变、相似目标干扰的情况下跟踪性能变差、容易发生跟踪漂移的问题,引入模板更新策略以适应行人目标的外观变化。线性更新策略难以适应行人复杂的外观变化,进而提出基于高置信度的自适应更新策略,通过卷积神经网络自适应地更新模板,以跟踪结果的置信度分数作为模板更新的判断条件,提高了模板的纯度。在PTB-TIR数据集上,对两种更新策略进行对比,结果表明,基于高置信度的自适应更新策略对目标外观的剧烈变化、遮挡都有较好的鲁棒性,在一定程度上能够缓解目标形变带来的跟踪漂移的问题,跟踪的成功率和精确度都有提升。

关键词：红外行人跟踪孪生网络注意力机制模板更新

基于语义融合及模板更新的孪生网络目标跟踪研究

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

基于语义融合及模板更新的孪生网络目标跟踪研究

作者：申景伟山东工商学院

学位级别：硕士

视觉目标跟踪技术是计算机视觉的基础研究方向之一,该技术在多个领域得到广泛应用。目标跟踪可以视为一个根据已知目标特征,在后续视频序列中持续定位该目标位置、尺度和轨迹的任务。近年来,基于孪生网络系列的目标跟踪算法不断被提出,... 详细信息

视觉目标跟踪技术是计算机视觉的基础研究方向之一,该技术在多个领域得到广泛应用。目标跟踪可以视为一个根据已知目标特征,在后续视频序列中持续定位该目标位置、尺度和轨迹的任务。近年来,基于孪生网络系列的目标跟踪算法不断被提出,该类算法将跟踪任务分为线下训练和线上跟踪两个阶段,在跟踪性能方面已经超越了传统相关滤波类的目标跟踪算法。虽然目前基于孪生网络的跟踪算法已经取得了不错的跟踪性能,但是该类算法在遇到光照变化、遮挡、形变过大、尺度变化等挑战时,仍然会出现预测框准确度变差、跟踪漂移等问题。为了解决以上问题,本文从算法集成和模板更新两个方面展开研究,具体工作如下:（1）本文提出了一种利用目标语义信息进行跟踪纠偏的Semantics-SiamRPN算法。该算法首先通过检测网络计算目标的语义信息,在语义信息的基础上,使用两阶段目标优选的相近性预测方法剔除掉干扰目标,根据相似度匹配方法将潜在目标与历史跟踪结果的三颜色特征进行匹配计算,从而重新定位目标位置,实现对跟踪结果的纠偏。此外,为了提高检测网络的语义识别能力,本文对检测网络进行了迁移学习训练。本文在OTB50、OTB100、VOT2018数据集上进行了实验,结果表明本文提出的Semantics-SiamRPN算法明显优于基线算法DaSiamRPN和其它国际前沿算法。（2）孪生网络跟踪算法在遮挡、短时剧烈形变、背景干扰等复杂场景中的预测结果极易引入无关的背景信息,其中UpdateNet算法会将每帧的预测结果更新到模板中,影响了跟踪模板的纯净度。针对这一问题,本文提出了一种基于可靠性评估的模板稀疏更新方法。该方法首先使用可靠性评估机制对预测结果的置信度进行评估,然后根据评估结果设置稀疏更新条件,舍弃对低置信度跟踪结果的更新。最后,本文在VOT2018数据集上进行了实验,结果表明这种稀疏更新的方法在一定程度上保证了跟踪模板的纯净度,提升了跟踪算法的性能。

关键词：目标跟踪目标检测重检测语义信息模板更新