检索结果-南通市图书馆

中国图象图形学报 2019年第7期24卷 1106-1115页

作者：罗会兰石武江西理工大学信息工程学院

目的在视觉跟踪领域中,特征的高效表达是鲁棒跟踪的关键,观察到在相关滤波跟踪中,不同卷积层表达了目标的不同方面特征,提出了一种结合连续卷积算子的自适应加权目标跟踪算法。方法针对目标定位不准确的问题,提出连续卷积算子方法,将离... 详细信息

目的在视觉跟踪领域中,特征的高效表达是鲁棒跟踪的关键,观察到在相关滤波跟踪中,不同卷积层表达了目标的不同方面特征,提出了一种结合连续卷积算子的自适应加权目标跟踪算法。方法针对目标定位不准确的问题,提出连续卷积算子方法,将离散的位置估计转换成连续位置估计,使得位置定位更加准确;利用不同卷积层的特征表达,提高跟踪效果。首先利用深度卷积网络结构提取多层卷积特征,通过计算相关卷积响应大小,决定在下一帧特征融合时各层特征所占的权重,凸显优势特征,然后使用从不同层训练得到的相关滤波器与提取得到的特征进行相关运算,得到最终的响应图,响应图中最大值所在的位置便是目标所在的位置和尺度。结果与目前较流行的3种目标跟踪算法在目标跟踪基准数据库(OTB-2013)中的50组视频序列进行测试,本文算法平均跟踪成功率达到85.4%。结论本文算法在光照变化、尺度变化、背景杂波、目标旋转、遮挡和复杂环境下的跟踪具有较高的鲁棒性。

关键词：目标跟踪相关滤波跟踪连续卷积算子自适应加权卷积特征响应图

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

结合连续卷积算子与时间正则化的自适应加权目标跟踪

结合连续卷积算子与时间正则化的自适应加权目标跟踪

引用

作者：石武江西理工大学

学位级别：硕士

目标跟踪一直都是计算机视觉领域研究的热点之一,已经广泛应用于智能控制(如无人机、机器人等),人机交互,自动驾驶等领域。在视觉跟踪领域中,特征的高效表达是鲁棒跟踪的关键,观察到在相关滤波跟踪中,不同卷积层表达了目标的不同方面特... 详细信息

目标跟踪一直都是计算机视觉领域研究的热点之一,已经广泛应用于智能控制(如无人机、机器人等),人机交互,自动驾驶等领域。在视觉跟踪领域中,特征的高效表达是鲁棒跟踪的关键,观察到在相关滤波跟踪中,不同卷积层表达了目标的不同方面特征,提出了一种结合连续卷积算子和时间正则化的自适应加权目标跟踪算法;针对目标定位不准确的问题,提出连续卷积算子方法,将离散的位置估计转换成连续位置估计,使得位置定位更加准确;针对不同卷积层的特征表达能力不同的问题,提出自适应加权方法,利用相关滤波算法自适应融合多层卷积特征,达到削弱背景干扰和增强特征表达的效果;针对有遮挡或者目标发生剧烈形变的情况下容易导致跟踪失败,提出正则化方法,避免训练的相关滤波器过拟合,提高跟踪性能。首先,由于卷积网络不同层的特征的分辨率不同,层数越深,特征图越小,为了能够将多种分辨率的特征融合在一起。首先利用三次样条插值函数将时域离散特征图转换为时域连续特征图,然后利用连续卷积算子将学习到的连续相关滤波器和连续特征图进行相关滤波,使得目标位置估计更加准确。其次,深度卷积神经网络中不同卷积层表达了目标的不同方面特征,即浅层特征具有更多的位置信息,而深层特征具有更多的语义特征,所以如果能结合它们的不同特征表达能力进行跟踪,会得到相较于只利用深层或浅层特征更好的跟踪效果。首先,深度卷积网络结构提取多层卷积特征,并且通过计算相关卷积响应大小来确定下一帧对应特征层的权重,凸显优势特征,使目标与背景或干扰物更容易区分开来。然后,使用从不同层训练得到的相关滤波器与提取得到的特征进行相关运算,得到最终的响应图,响应图中最大值所在的位置便是目标所在的位置和尺度。最后,通过将时间正则化引入到空间正则化相关滤波器中构建了一个新的模型,结合自适应特征融合算法,得到结合连续卷积算子和时间正则化的自适应加权目标跟踪算法。目标跟踪是一个长时间的跟踪过程,由于多幅图像训练学习的相关滤波器,比较着重于当前帧最近的样本,容易受最近不准确的样本影响,训练得到的滤波器可能会发生过拟合,并在有遮挡等复杂的情况下导致跟踪失败。引入时间正则化后,本文算法不仅可以用上一帧训练样本合理逼近空间正则化相关滤波器通过多帧训练样本训练的跟踪器的效果,而且大大提高了跟踪效率。实验表明,本文算法在光照变化,尺度变化,背景杂波,目标旋转、遮挡和复杂环境下的跟踪具有较高的鲁棒性,且具有良好跟踪效率。

关键词：目标跟踪相关滤波跟踪连续卷积算子自适应加权卷积特征响应图

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

多特征融合的无人艇视觉小目标鲁棒跟踪

引用

中国舰船研究 2024年第5期19卷 65-78页

作者：王宁吴伟王元元孙赫男冯远大连海事大学轮机工程学院辽宁大连116026 水路交通控制全国重点实验室辽宁大连116026 大连市智能船舶绿色动力控制与测试重点实验室辽宁大连116026 大连海事大学船舶电气工程学院辽宁大连116026 大连海事局甘井子海事处辽宁大连116031

[目的]针对低特征分辨率、相似环境信息引起的无人艇视觉小目标跟踪混淆问题,提出一种多特征融合的连续卷积算子跟踪算法。[方法]首先,采用双三次插值技术,提高多特征图分辨率,实现亚像素级定位;其次,利用特征投影和生成样本空间,提高... 详细信息

[目的]针对低特征分辨率、相似环境信息引起的无人艇视觉小目标跟踪混淆问题,提出一种多特征融合的连续卷积算子跟踪算法。[方法]首先,采用双三次插值技术,提高多特征图分辨率,实现亚像素级定位;其次,利用特征投影和生成样本空间,提高目标跟踪的效率,避免滤波器过拟合;最后,设计高置信度模型更新策略,解决相似环境信息对滤波器的干扰问题。[结果]结果表明:相较于传统的连续卷积算子跟踪算法,平均成功率提升17.4%,平均距离精度指标提升17.8%,期望平均覆盖率提升5.1%。[结论]该算法法能够处理海洋环境下的小目标跟踪混淆问题,为提升无人艇及海洋机器人的智能感知能力,提供关键技术支撑。

关键词：海上小目标鲁棒跟踪多特征融合连续卷积算子无人艇视觉

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

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

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

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：