检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于先验模板与更新模板的目标跟踪

基于先验模板与更新模板的目标跟踪

2007年光电探测与制导技术的发展与应用研讨会

作者：黄杰华李德强中国科学院沈阳自动化研究所

目标跟踪是计算机视觉中的一个重要课题。文中提出一种方法,用于解决跟踪过程中由于目标的运动、变形和外貌变化所引起的跟踪困难问题。该方法基于灰度差平方和,通过优化迭代, 求解出当前图像中目标的位置,且考虑利用了目标的先验知识,... 详细信息

目标跟踪是计算机视觉中的一个重要课题。文中提出一种方法,用于解决跟踪过程中由于目标的运动、变形和外貌变化所引起的跟踪困难问题。该方法基于灰度差平方和,通过优化迭代, 求解出当前图像中目标的位置,且考虑利用了目标的先验知识,用初始模板和更新模板同时跟踪, 再通过选择误差小的结果作为最终的跟踪目标。仿真实验的结果表明,该方法对于目标的运动、变形和外貌变化以及遮挡,能更稳定地实现跟踪。

关键词：目标跟踪模板跟踪模板更新目标遮挡

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

复杂背景下目标模板更新算法研究

遥测遥控 2006年第6期27卷 34-39页

作者：应陈克胡文江赵亦工西安电子科技大学模式识别与智能控制研究所西安710071

在匹配跟踪算法中,模板更新策略是跟踪成败的关键。从复杂背景下的目标跟踪出发,指出固定模板和逐帧模板更新的不足之处,介绍几种性能较好的模板更新策略,并在此基础上提出改进的模板更新方法。同时,为了更好地克服背景光照带来的影响,... 详细信息

在匹配跟踪算法中,模板更新策略是跟踪成败的关键。从复杂背景下的目标跟踪出发,指出固定模板和逐帧模板更新的不足之处,介绍几种性能较好的模板更新策略,并在此基础上提出改进的模板更新方法。同时,为了更好地克服背景光照带来的影响,对普通最小平均绝对差值函数MAD(M in imum Absolute D ifference)方法进行了改进。仿真实验结果表明,该算法能克服诸如烟尘干扰、背景光照变化、地貌起伏等不利因素,能在复杂背景中稳定和精确地进行目标跟踪。

关键词：目标跟踪模板更新最小平均绝对差值函数卡尔曼滤波

在线全文

学校读者我要写书评

暂无评论

基于孪生跟踪器的实时模板更新网络

智能制造 2021年第3期 51-56页

作者：张天宇北京邮电大学人工智能学院北京100876

视觉目标跟踪已成为近年来的研究热点,许多基于孪生网路(Siamese Network)结构的跟踪器已经在多个公开测试集上实现了优越的性能。但是,大多数Siamese跟踪器默认将视频序列的第一帧作为模板帧,并且在后续跟踪过程中不会对模板进行针对... 详细信息

视觉目标跟踪已成为近年来的研究热点,许多基于孪生网路(Siamese Network)结构的跟踪器已经在多个公开测试集上实现了优越的性能。但是,大多数Siamese跟踪器默认将视频序列的第一帧作为模板帧,并且在后续跟踪过程中不会对模板进行针对性的更新。当视频中目标快速移动,发生变形或部分被遮挡时,跟踪器容易发生跟踪漂移。为了解决这一问题,提出了一种创新性的自适应模板更新网络(Adaptive Template Update Network, ATUNet),该网络将目标在不同时刻的模板包括初始模板、累积模板和预测模板作为帧残模块的输入,以更新在当前帧中所需要的模板。此外,在网络的训练过程中引入了N步迭代训练,以避免烦琐和低效的训练过程。ATUNet可以直接集成到现有的Siamese跟踪器中,通过将其应用于三个Siamese跟踪器(SiamFC、SiamRPN和SiamDW)来证明所提方法的有效性。在VOT2016和VOT2017数据集上进行的大量实验表明,ATUNet有效地预测了当前时刻的目标模板,效果优于现阶段跟踪器普遍使用的线性更新策略。

关键词：计算机视觉目标跟踪模板更新深层特征损失函数

基于区域协方差矩阵的模板更新方法分析与比较

在线全文

学校读者我要写书评

暂无评论

科技广场 2010年第1期 93-97页

作者：吴翩翩中国传媒大学信息工程学院北京100024

在目标跟踪算法中,目标特征描述子和模板更新策略都是跟踪成败的关键。本文在选用区域协方差矩阵描述子的基础上,结合粒子滤波器算法,并且采用两种常用的模板更新方法,分别对商场通道监控视频序列中的行人进行了跟踪仿真实验。通过仿真... 详细信息

在目标跟踪算法中,目标特征描述子和模板更新策略都是跟踪成败的关键。本文在选用区域协方差矩阵描述子的基础上,结合粒子滤波器算法,并且采用两种常用的模板更新方法,分别对商场通道监控视频序列中的行人进行了跟踪仿真实验。通过仿真分析并比较不同模板更新方法条件下的跟踪性能,从而在不同情况下选择合适的模板更新方法,以得到更精确的跟踪结果。

关键词：目标跟踪区域协方差矩阵粒子滤波器模板更新

一种自适应模板更新的CamShift跟踪算法

在线全文

学校读者我要写书评

暂无评论

现代计算机 2018年第12期24卷 45-49页

作者：熊昊段锦陈小远代玉强于津强长春理工大学电子信息工程学院长春130000

针对Cam Shift跟踪算法中跟踪窗口漂移和发散问题,提出加入SURF特征的改进算法。利用SURF特征尺度信息的变化约束搜索框,改善跟踪窗口在遭遇大面积背景色干扰时易发散的问题;利用SURF特征点数量、尺度和方向信息的变化选择相应的模板更... 详细信息

针对Cam Shift跟踪算法中跟踪窗口漂移和发散问题,提出加入SURF特征的改进算法。利用SURF特征尺度信息的变化约束搜索框,改善跟踪窗口在遭遇大面积背景色干扰时易发散的问题;利用SURF特征点数量、尺度和方向信息的变化选择相应的模板更新策略,使模板能更好地反映目标的特征,从而在下一帧中更准确地跟踪目标。

关键词： CamShift算法 SURF 尺度模板更新

基于自适应模板更新与多特征融合的视频目标分割算法

在线全文

学校读者我要写书评

暂无评论

光电工程 2021年第10期48卷 19-28页

作者：汪水源侯志强王囡李富成蒲磊马素刚西安邮电大学计算机学院陕西西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室陕西西安710121 火箭军工程大学作战保障学院陕西西安710025

针对SiamMask不能很好地适应目标外观变化,特征信息利用不足导致生成掩码较为粗糙等问题,本文提出一种基于自适应模板更新与多特征融合的视频目标分割算法。首先,算法利用每一帧的分割结果对模板进行自适应更新;其次,使用混合池化模块... 详细信息

针对SiamMask不能很好地适应目标外观变化,特征信息利用不足导致生成掩码较为粗糙等问题,本文提出一种基于自适应模板更新与多特征融合的视频目标分割算法。首先,算法利用每一帧的分割结果对模板进行自适应更新;其次,使用混合池化模块对主干网络第四阶段提取的特征进行增强,将增强后的特征与粗略掩码进行融合;最后,使用特征融合模块对粗略掩码进行逐阶段细化,该模块能够对拼接后的特征进行有效的加权组合。实验结果表明,与SiamMask相比,本文算法性能有明显提升。在DAVIS2016数据集上,本文算法的区域相似度和轮廓相似度分别为0.727和0.696,比基准算法提升了1.0%和1.8%,速度达到40.2 f/s;在DAVIS2017数据集上,本文算法的区域相似度和轮廓相似度分别为0.567和0.615,比基准算法提升了2.4%和3.0%,速度达到42.6 f/s。

关键词：视频目标分割模板更新特征融合掩码细化

在线全文

学校读者我要写书评

暂无评论

基于双注意力机制的多分支孪生网络目标跟踪

浙江大学学报（工学版） 2023年第7期57卷 1307-1316页

作者：李晓艳王鹏郭嘉李雪孙梦宇西安工业大学电子信息工程学院陕西西安710021

为了解决SiamRPN++单目标跟踪算法在目标被短时遮挡及外观剧烈变化时定位不准确的问题,提出基于双注意力机制的多分支孪生网络目标跟踪算法.采用具有轻量化主干网络的SiamRPN++为基础算法,结合轻量化的通道和空间注意力机制,提升跟踪过... 详细信息

为了解决SiamRPN++单目标跟踪算法在目标被短时遮挡及外观剧烈变化时定位不准确的问题,提出基于双注意力机制的多分支孪生网络目标跟踪算法.采用具有轻量化主干网络的SiamRPN++为基础算法,结合轻量化的通道和空间注意力机制,提升跟踪过程中应对遮挡挑战时的抗干扰能力.新增上一帧模板分支,动态更新目标外观变化,利用三元组损失增强跟踪过程中前景与背景的判别能力.根据目标的移动速度进行局部扩大搜索,使目标被短时遮挡后仍可以及时、准确地跟踪到目标.实验结果表明,改进后的算法在OTB100数据集的成功率和精确度较原算法分别提高了2.4%和1.6%,平均中心位置误差降低了28.97个像素,平均重叠率提高了14.5%.

关键词：孪生网络注意力机制模板更新局部扩大

在线全文

学校读者我要写书评

暂无评论

基于可变形卷积的孪生网络目标跟踪算法

控制与决策 2022年第8期37卷 2049-2055页

作者：刘如浩张家想金辰曦卢先领江南大学物联网工程学院江苏无锡214122

为解决多数基于孪生网络的跟踪算法存在骨干网络特征提取能力弱、模板不适应目标变化等问题,在SiamFC的基础上提出基于可变形卷积的孪生网络算法(DCSiam).首先,采用可变形卷积模块在不同方向上学习多层特征数据的自适应偏移量,增大卷积... 详细信息

为解决多数基于孪生网络的跟踪算法存在骨干网络特征提取能力弱、模板不适应目标变化等问题,在SiamFC的基础上提出基于可变形卷积的孪生网络算法(DCSiam).首先,采用可变形卷积模块在不同方向上学习多层特征数据的自适应偏移量,增大卷积过程中的有效感受野;然后,通过多层可变形互相关融合得到最终响应图,以增强骨干网络的深层语义特征提取能力;最后,采用一种高置信度的模板在线更新策略,每隔固定帧计算响应图的峰值旁瓣比与最大值作为更新依据,使用加权的方式融合特征以更新模板.使用OTB2013、 OTB2015、VOT2016和VOT2017四个公共基准数据集对所提出算法进行跟踪性能评估,实验结果表明,在OTB2015数据集上,DCSiam算法整体精确率、成功率较基线分别提高9.5%和7.5%,很好地实现了复杂情况下的目标跟踪,验证了所提出算法的有效性.

关键词：目标跟踪孪生网络可变形卷积语义特征模板更新

在线全文

学校读者我要写书评

暂无评论

用于通用目标跟踪的图记忆跟踪器

天津大学学报（自然科学与工程技术版） 2023年第12期56卷 1317-1325页

作者：席佳祺陈晓冬汪毅蔡怀宇天津大学精密仪器与光电子工程学院天津300072

基于匹配的跟踪算法能够将特定目标的识别问题转化为模板匹配问题,具有较高的响应速度和跟踪精度,这使它在通用目标跟踪中占有优势.然而,此类算法缺乏在线适应性和对特定数据的针对性,难以应对目标和跟踪场景的复杂变化.针对这一问题,... 详细信息

基于匹配的跟踪算法能够将特定目标的识别问题转化为模板匹配问题,具有较高的响应速度和跟踪精度,这使它在通用目标跟踪中占有优势.然而,此类算法缺乏在线适应性和对特定数据的针对性,难以应对目标和跟踪场景的复杂变化.针对这一问题,提出一种基于图结构的图记忆跟踪器以提升通用目标跟踪的准确性.首先,利用图的节点匹配机制实现目标先验知识与搜索输入的点对点局部匹配,并根据匹配结果定位目标位置.其次,利用目标位置信息生成新模板.为抑制相似实例的干扰,根据相似实例分类响应呈现多峰的特点对新模板进行动态筛选.最后,将经过筛选的新模板作为候选信息存入存储模块.为了防止筛选失误引起后续错误叠加、减少错误信息的参与度,存储模块对候选信息进行实时更新.视频序列上的测试结果显示,图记忆跟踪器的存储模块能够及时更新候选信息,保留目标不同时刻的状态.常用跟踪基准上的结果显示,图记忆跟踪器在成功率和精度上优于基于匹配的基线跟踪器SiamRPN.与最近的先进跟踪器CstNet相比,图记忆跟踪器在OTB100基准上获得了11.75%的重叠成功率增益,10.53%的精度增益,在VOT2016基准上获得了8.59%的预期平均重叠增益.速度测试的结果显示,图记忆跟踪器能够在单片RTX2070上实现29帧/s的运行速度.

关键词：目标跟踪通用跟踪图结构局部匹配模板更新