检索结果-南通市图书馆

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

高质量模板在线更新的孪生网络目标跟踪算法

计算机工程与设计 2023年第7期44卷 2103-2109页

作者：段苛苛于越宫元九辽宁大学信息学院辽宁沈阳110036

为降低孪生网络跟踪器中预定义锚框对模板更新和跟踪精度的影响,提出一种采用高质量模板在线更新的孪生网络目标跟踪算法。在孪生网络跟踪框架的基础上引入一个基于区域建议网络的重检测模块,获得质量更高的回归边界框,利用初始帧、累... 详细信息

为降低孪生网络跟踪器中预定义锚框对模板更新和跟踪精度的影响,提出一种采用高质量模板在线更新的孪生网络目标跟踪算法。在孪生网络跟踪框架的基础上引入一个基于区域建议网络的重检测模块,获得质量更高的回归边界框,利用初始帧、累计帧和当前帧的特征模板训练一个更新网络实现更高质量的模板更新。在OTB100和GOT-10k数据集上的对比实验结果表明,提出算法具有更好的成功率和精度,在具有各种复杂属性的场景中表现出更优秀的性能。

关键词：目标跟踪孪生网络区域建议网络模板更新锚框互相关残差单元

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

结合特征增强与模板更新的目标跟踪方法研究

结合特征增强与模板更新的目标跟踪方法研究

作者：刘焕西安工业大学

学位级别：硕士

目标跟踪作为计算机视觉领域的研究热点,旨在探索如何准确快速地捕获感兴趣目标运动状态,实现强鲁棒性的目标跟踪,相关技术方案可以广泛应用于安全监控、智能交通等诸多领域,具有重要的理论意义与应用价值。然而,现有跟踪方法大多缺乏... 详细信息

目标跟踪作为计算机视觉领域的研究热点,旨在探索如何准确快速地捕获感兴趣目标运动状态,实现强鲁棒性的目标跟踪,相关技术方案可以广泛应用于安全监控、智能交通等诸多领域,具有重要的理论意义与应用价值。然而,现有跟踪方法大多缺乏对全局信息的关注,不能充分利用深层和浅层信息。此外,单纯依赖初始帧的特征进行模板匹配,无法适应跟踪整体过程中目标持续发生外观变化的问题。尤其是对于航拍视角下获取的目标对象,存在目标信息量少等多种复杂因素,使得研究设计性能稳定的跟踪方法面临重大挑战。本文立足现实应用需求,针对典型跟踪方法存在的不足,基于孪生网络架构和Transformer网络结构提出两种新的解决方案。论文的主要研究内容与创新性贡献如下。1)为了充分利用深层和浅层信息提高特征表征能力,并且更好适应目标外观变化,提出一种结合Transformer特征增强与模板更新的目标跟踪方法(TUTrack)。首先,基于孪生网络架构特征提取网络对特征进行预提取,构建由通道注意力和Transformer模块组成的特征增强网络,对预提取的特征向量进行上下文和通道上的显著性增强。然后,利用增强的特征信息通过分类回归网络实现目标状态估计。最后,设计模板更新策略,依据置信度得分有判断性地自适应更新样本模板。实验结果表明,提出的跟踪方法在典型基准数据集OTB100、La SOT和GOT-10k上取得了良好的跟踪性能,特别是在目标变化,背景干扰、运动模糊等复杂场景中具有较好的鲁棒性。2)为了获取更加丰富的全局上下文感知和时空信息,同时提高设计方案对航空领域微小目标的跟踪鲁棒性,提出一种基于Transformer特征集成网络的目标跟踪方法(TFITrack)。文中结合Transformer网络结构,在编码器中引入相似性计算层、时间上下文过滤层和双重注意力模块,用于聚合时空和全局上下文信息。相似性计算层和双重注意力模块可以加深特征之间的相似度,并进行通道与空间维度的校正,提高特征的表达能力。时间上下文过滤层用来自适应忽略不重要的特征信息,在保证跟踪性能的情况下减少模型计算参数量。实验结果表明,提出的跟踪方法在OTB100、La SOT、GOT-10k、DTB70、UAV123、UAV20L和UAV123@10fps七个基准数据集上具有较好的跟踪性能,特别是在具有视角变化明显、分辨率低、目标运动速度快等航拍挑战因素影响的情况下表现出更优良的鲁棒性。

关键词：目标跟踪卷积神经网络 Transformer网络模板更新注意力机制

基于语义融合及模板更新的孪生网络目标跟踪研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

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

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

孪生深度网络目标跟踪中模板更新机制研究

孪生深度网络目标跟踪中模板更新机制研究

作者：贾丰收云南大学

学位级别：硕士

作为计算机视觉领域的一个重要分支,视频目标跟踪技术现已广泛应用于工业和生活的许多方面,例如智能监控设备,军事导弹跟踪,智能交通监测,无人机目标跟踪等。由于在现实的跟踪场景中存在众多困难挑战,例如形变、遮挡、光照变化、尺度变... 详细信息

作为计算机视觉领域的一个重要分支,视频目标跟踪技术现已广泛应用于工业和生活的许多方面,例如智能监控设备,军事导弹跟踪,智能交通监测,无人机目标跟踪等。由于在现实的跟踪场景中存在众多困难挑战,例如形变、遮挡、光照变化、尺度变化等,使得开发出一个鲁棒性强的跟踪算法依然是一项困难且富有挑战的工作。现有的孪生网络跟踪器把目标跟踪定义为一个模板匹配任务。在每一帧中给出搜索区域,与初始化时固定好的目标模板进行匹配进而确定目标位置。但是正由于这样的定义模式,导致难以设计有效的动态模板更新方式。因此目前几乎所有的孪生跟踪器都使用初始帧为模板并且不进行模板的更新,无论目标发生怎样的变化,永远都使用初始模板,这样的方式难以应对频繁剧烈的外观变化。本论文针对目标跟踪中的模板更新问题展开研究,提出了新的轻量级模板更新器,能有效提升当前孪生框架跟踪器的性能。论文的主要工作及贡献如下:第一,本文提出一种新的模板更新模型来辅助孪生框架的跟踪器,弥补了该类算法不进行模板更新的缺点。针对基于深度学习的模板更新器训练数据无法得到的问题,本文采用二阶段训练方式,利用知识蒸馏方法的思想,首先使用手工定义的更新方式赋予跟踪器更新能力,再利用该跟踪器创造出新一轮的训练数据进行更新器的二次训练。其次,对于混合的模板特征,使用通道注意力模块在不同情况下对不同的特征赋予权重,帮助更新器更好地获取有用的特征信息。最后加入了遗忘模块,使得模型可以自动删除累积模板中的部分无用信息。第二,针对上述模型训练方法过于臃肿复杂且稳定性较低的问题,本文提出一种新型的训练方式大大简化了其复杂度。本文大胆尝试直接使用带随机位移的Ground-truth作为训练集的输入数据,首先对标签进行不同大小均匀分布的位移进行了测试,发现位移量在某个合适的区间时,可以使得Ground-truth产生一定程度的失真,进而模拟现实情况下更新器的输出结果,很大程度上减轻了模型对过于标准的累计模板的偏见。另外,本文提出了一种新的分组权重分配模块,能够对混合特征进行分组,更利于更新器挖掘各特征之间的关系,从而进一步提高更新器性能。对于以上两个改进的更新器,论文在目标跟踪领域权威的公开数据集OTB100,UAV123,Got-10K上进行了大量的实验,并与近年来主流的跟踪器进行对比,在准确度和鲁棒性两方面皆取得了极具竞争力的表现。

关键词：目标跟踪孪生深度网络模板更新

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

同方学位论文库

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

基于模板更新与特征融合网络的视频目标跟踪算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于模板更新与特征融合网络的视频目标跟踪算法研究

作者：王正洋西安理工大学

学位级别：硕士

近年来,随着计算机硬件与人工智能技术的飞速发展,深度学习算法在计算机视觉与自然语言处理等领域得到了广泛关注和应用。其中,目标跟踪算法属于计算机视觉领域,并广泛运用于军事作战、无人驾驶、智能视频监控等各个行业,具有较强的实... 详细信息

近年来,随着计算机硬件与人工智能技术的飞速发展,深度学习算法在计算机视觉与自然语言处理等领域得到了广泛关注和应用。其中,目标跟踪算法属于计算机视觉领域,并广泛运用于军事作战、无人驾驶、智能视频监控等各个行业,具有较强的实用性、科研价值与商业价值。基于孪生神经网络的目标跟踪算法因其鲁棒性、实时性表现出色,已成为近年来目标跟踪领域的主流研究方向。然而,现有的孪生神经网络目标跟踪算法仍存在许多问题:首先,大部分目标跟踪算法都不会进行模板更新或仅使用线性加权与卷积进行简单的多模板融合,无法适应跟踪目标随时间发生的外观形态变化。其次,孪生神经网络目标跟踪算法使用简单的深度卷积完成搜索区域特征与模板特征的融合,受感受野的限制,难以建立全局上的连接。针对上述问题,本文通过分析目标跟踪算法的领域现状,提出了两种有效的目标跟踪算法,通过模板更新网络与多层特征融合网络提高了算法的性能。本文的主要工作和创新点如下:(1)提出了一种基于多模板时序信息融合的孪生神经网络目标跟踪算法主流的孪生神经网络目标跟踪算法仅使用视频初始帧中用户截取的初始模板,并在跟踪过程中固定不变,随着跟踪的进行,目标的外观形态特征会发生动态变化,导致算法的性能产生明显的下降,针对上述问题,本文受到Transformer结构的启发,设计了多模板特征融合模块,在跟踪任务进行实时的多模板融合,实现模板更新功能。并且,本文设计了针对模板更新模块的训练方法,使用时序信息组成训练样本完成训练,实现了算法性能的提升的同时保持了一定的实时性。(2)提出了一种基于注意力机制的多层特征融合目标跟踪算法当前,孪生神经网络目标跟踪算法使用深度卷积操作完成搜索区域特征与模板特征的融合,并传入定位网络预测目标的中心位置和形状信息。但卷积操作受到感受野限制,难以建立模板与搜索区域的全局联系,在融合后造成特征细节的丢失。针对这一问题,本文设计了基于注意力机制的多层特征融合网络,将搜索区域与目标模板的浅层细节特征与深层语义特征进行注意力增强后进行融合,基于注意力机制的多层特征融合网络丰富了特征细节,也克服了感受野的限制。并且,本文提出了在线跟踪与离线跟踪相融合的定位网络,通过在线跟踪分支提高了最终预测结果的准确度。本文在目标跟踪领域的公共数据集OTB100、LaSOT、UAV123、VOT2016、GOT-10k上与当前主流的目标跟踪算法进行了大量的对比试验与消融实验,其结果验证了本文提出的两种目标跟踪算法的有效性,并证明了注意力机制与Transformer结构在模板更新与特征融合任务中通过在特征上建立全局连接可以获得比卷积网络更好的效果。

关键词：目标跟踪 Transformer 注意力机制模板更新特征融合

融合模板更新与抗干扰模块的视频目标跟踪算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合模板更新与抗干扰模块的视频目标跟踪算法研究

作者：李小鹏西安理工大学

学位级别：硕士

视频目标跟踪是计算机视觉领域的一个研究热点,广泛应用于自动驾驶、人机交互、无人机监控等民用及军用领域。近年来,基于孪生网络的目标跟踪算法在保证算法实时性的同时取得了良好的跟踪精度,成为目标跟踪领域的主流算法。然而在相机... 详细信息

视频目标跟踪是计算机视觉领域的一个研究热点,广泛应用于自动驾驶、人机交互、无人机监控等民用及军用领域。近年来,基于孪生网络的目标跟踪算法在保证算法实时性的同时取得了良好的跟踪精度,成为目标跟踪领域的主流算法。然而在相机运动、背景杂乱等复杂跟踪环境下,该类算法仍面临许多亟待解决的问题。首先,大多数基于孪生网络的算法为了防止引入噪声而舍弃了模板更新操作,导致跟踪器难以应对目标外观变化,无法发挥出最佳性能。其次,相似物干扰及遮挡问题影响了目标前景特征信息,给基于特征匹配的跟踪器造成了严重干扰,甚至导致跟踪漂移现象的发生。针对上述问题,本文对现有的孪生网络目标跟踪算法进行了大量研究与分析,提出了两种可靠的具有模板更新与抗干扰能力的视频目标跟踪算法,显著提升了跟踪器的鲁棒性与稳定性。本文的具体研究内容与创新点如下:(1)提出了一种基于图注意力网络的多模板融合目标跟踪算法。针对目标跟踪过程中的模板更新问题,本文通过对现有模板更新机制的大量研究与分析,提出了一种基于图注意力网络的多模板融合目标跟踪算法。首先,为了在实际跟踪过程中有效筛选出可靠模板用于模板更新,提出一种新的两阶段模板更新阈值判断机制,引入皮尔逊相关系数对现有阈值的辨别性不足问题进行补充。其次,通过基于图注意力网络的特征嵌入模块将初始模板的特征传播到每个可靠模板中,抑制目标以外的背景噪声,提升模板的表征能力。最后,通过基于3D卷积的多模板融合模块将可靠模板嵌入到同一特征空间,得到包含目标时空信息的最新模板用于后续跟踪。在多个主流通用数据集上的对比实验结果以及实际跟踪效果充分验证了本文提出的算法能够在跟踪过程中及时更新模板,显著提升跟踪器的鲁棒性与稳定性,并有效缓解跟踪漂移现象的发生。(2)提出了一种融合干扰感知及抗干扰模块的视频目标跟踪算法。针对目标跟踪过程中遭遇的相似物干扰及遮挡问题,本文基于对大量抗遮挡跟踪算法的剖析与理解,提出了一种融合干扰感知及抗干扰模块的视频目标跟踪算法。首先,为了增强跟踪器的抗干扰能力,将斥力损失引入回归分支,优化损失函数与训练过程。其次,为了增强跟踪器感知干扰物的能力,设计了一个新的反映跟踪目标与周围干扰物接近程度的指标——正样本突出率,并将提出的指标与现有阈值相结合,根据响应图高效筛选干扰及遮挡帧。再次,为了增强跟踪器的抗遮挡能力,提出了一种基于自适应掩码的特征学习模块,建立目标与模板的部分级对应关系,显著降低跟踪器对整体模板的依赖程度。最后,通过图注意力网络增强目标前景特征,并通过基于通道注意力的权重自适应模块聚合高质量模板,进一步提升算法的鲁棒性与稳定性。本文提出的算法在OTB2015、GOT-10k和VOT2016等主流公开数据集上都取得了优异的跟踪效果,其中在OTB2015数据集的测试结果达到了 0.700的跟踪准确率,相较于基准算法提升了 41个基准点。

关键词：目标跟踪模板更新图注意力网络孪生网络抗遮挡

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自适应博弈融合的记忆修复跟踪算法研究

电光与控制 2024年

作者：邢磊刚任红格史涛华北理工大学电气工程学院天津城建大学控制与机械工程学院天津理工大学电气工程与自动化学院

针对跟踪任务出现的目标遮挡和短暂消失等挑战属性，提出了一种结合记忆修复机制的特征博弈融合目标跟踪算法。首先，在核相关滤波器的框架下，提取目标的FHOG特征、SURF特征进行通道串联，再自适应博弈融合ResNet-50网络提取的Conv4-1... 详细信息

针对跟踪任务出现的目标遮挡和短暂消失等挑战属性，提出了一种结合记忆修复机制的特征博弈融合目标跟踪算法。首先，在核相关滤波器的框架下，提取目标的FHOG特征、SURF特征进行通道串联，再自适应博弈融合ResNet-50网络提取的Conv4-1层深度特征共同构建目标外观模型，避免跟踪算法的特征单一性。然后改进模型更新策略，通过记忆修复神经元和记忆矩阵实现对特征信息的记忆、回忆和修复，完成遮挡或漂移视频帧的特征损失修复工作，使用修复完整的特征模板对核相关滤波器进行正确更新，提高算法对跟踪对象的辨识度。最后在OTB100、TC128、UAV123实验基准数据集上与KCF、DCF＿CA、SAMF、M2C2F、EMCF算法进行对比测试，实验结果表明改进算法的跟踪准确性和鲁棒性得到提高。

关键词：计算机视觉目标跟踪相关滤波记忆修复模型特征博弈融合模板更新

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多特征在线模板更新的鲁棒目标跟踪算法

哈尔滨工业大学学报 2014年第7期46卷 87-94页

作者：陈东岳陈宗文桑永嘉东北大学信息科学与工程学院沈阳110136

在Mean-shift算法框架下提出一种基于多特征在线模板更新策略的鲁棒目标跟踪算法.首先,针对目标与背景色彩相似引发的跟踪漂移现象,提取照度不变性色彩特征与旋转不变性LBP纹理特征提取算法,并通过引入BWH算法实现多特征融合;其次,在传... 详细信息

在Mean-shift算法框架下提出一种基于多特征在线模板更新策略的鲁棒目标跟踪算法.首先,针对目标与背景色彩相似引发的跟踪漂移现象,提取照度不变性色彩特征与旋转不变性LBP纹理特征提取算法,并通过引入BWH算法实现多特征融合;其次,在传统的Mean-shift算法收敛条件上增加了直方图相似度校验,以避免陷入局部最优解.此外,还提出了基于直方图差异空间分布图的遮挡现象检测算法,从而提升了模板在线更新算法的准确性.实验结果表明,本文方法对于复杂动态场景、遮挡现象以及目标自身形变具有较强的鲁棒性和较高的准确性.

关键词：鲁棒目标跟踪纹理特征提取模板更新特征融合

维普期刊数据库