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

深度长时目标跟踪算法综述

计算机工程与应用 2023年第4期59卷 1-17页

作者：梁义涛韩永波李磊河南工业大学信息科学与工程学院郑州450001 河南省粮食光电探测与控制重点实验室郑州450001

在视觉目标跟踪领域,长时跟踪因存在更为复杂的遮挡、相似物干扰和目标消失等具有现实意义的挑战场景,而越来越被研究者所重视。传统长时跟踪算法存在精度低和效率低等问题,已经无法满足如视频监控和自动驾驶等领域对跟踪器性能的应用... 详细信息

在视觉目标跟踪领域,长时跟踪因存在更为复杂的遮挡、相似物干扰和目标消失等具有现实意义的挑战场景,而越来越被研究者所重视。传统长时跟踪算法存在精度低和效率低等问题,已经无法满足如视频监控和自动驾驶等领域对跟踪器性能的应用需求。目前,大量的研究工作通过引入深度神经网络快速推动了长时跟踪技术的发展。为了深入分析深度长时跟踪算法的现状与未来发展,通过对比长短时跟踪数据集及评价指标,初步界定了长时跟踪任务范畴,归纳了长时跟踪任务的需求和难点,并介绍了长时跟踪数据集及评价体系的发展。基于深度长时目标跟踪算法的设计框架,详细描述了框架各组成部分的设计思路。以长时跟踪策略为切入点深入分析了现有研究工作,归纳了不同模型的优缺点及特性。依据对现有研究工作的整理和总结,讨论了该领域面临的挑战,并对未来的发展方向进行了展望。

关键词：视觉目标跟踪跟踪数据集长时跟踪实时跟踪深度神经网络

在线全文

学校读者我要写书评

暂无评论

海上无人机对运动船舶的长期检测跟踪算法

仪器仪表学报 2024年第3期45卷 326-335页

作者：范云生张凯牛龙辉刘婷费凡大连海事大学船舶电气工程学院大连116026 辽宁省智能船舶技术与系统重点实验室大连116026

针对无人机在海上对船舶进行长时跟踪时,由于船身被遮挡及船舶离开视野导致目标跟踪失败的问题,提出了基于YOLOv5和ECO_HC相结合的海上目标长时检测跟踪算法。首先,利用感知哈希与峰值比例综合评估跟踪过程的可靠性,目标丢失时利用YOLOv... 详细信息

针对无人机在海上对船舶进行长时跟踪时,由于船身被遮挡及船舶离开视野导致目标跟踪失败的问题,提出了基于YOLOv5和ECO_HC相结合的海上目标长时检测跟踪算法。首先,利用感知哈希与峰值比例综合评估跟踪过程的可靠性,目标丢失时利用YOLOv5检测器重新定位目标位置,并初始化跟踪器模型,消除累计错误信息。其次针对目标在跟踪过程中存在的旋转变化,利用傅里叶-梅林变换进行旋转参数估计,减少了目标旋转造成的跟踪器性能下降问题。本文算法在OTB-100数据集上的平均精确度和成功率为83.9%和76.7%;在无人机平台上进行实际海上场景船舶跟踪实验,在完全遮挡及离开视野两种情况下精确度和成功率分别为为80.9%,60.4%和90.2%,48.3%,实验表明本文算法可以有效抑制常见海面干扰因素的影响。

关键词：海上无人机长时跟踪相关滤波重新检测旋转跟踪框

在线全文

学校读者我要写书评

暂无评论

一种多特征融合的复杂场景动态目标跟踪算法

中国矿业大学学报 2021年第5期50卷 1002-1010页

作者：程健陈亮王凯郭一楠闫鹏鹏煤炭科学研究总院矿山大数据研究院北京100013 中国矿业大学信息与控制工程学院江苏徐州221116 中国矿业大学(北京)机电与信息工程学院北京100083 煤炭资源高效开采与洁净利用国家重点实验室北京100013

针对传统目标跟踪算法在目标形变、遮挡或光照变化等复杂场景下容易丢失目标的问题,提出了一种融合多特征的复杂场景动态目标长时间视觉跟踪算法,该算法基于跟踪学习检测(TLD)框架,首先,利用高斯二阶滤波器提取跟踪目标在不同方向的纹... 详细信息

针对传统目标跟踪算法在目标形变、遮挡或光照变化等复杂场景下容易丢失目标的问题,提出了一种融合多特征的复杂场景动态目标长时间视觉跟踪算法,该算法基于跟踪学习检测(TLD)框架,首先,利用高斯二阶滤波器提取跟踪目标在不同方向的纹理信息,通过纹理信息采用Hessian矩阵计算图像曲面的主曲率,融合主曲率与RGB颜色信息建立目标特征概率直方图模型;然后,使用融合多特征的Mean Shift算法替代TLD框架中的光流法,降低跟踪模块的计算复杂度;最后,采用P-N学习策略构建快速级联检测器,实现跟踪失败时准确检测并重新初始化跟踪器快速修正跟踪结果.在OTB-50公开数据集和煤矿井下巷道视频上进行动态目标跟踪测试.结果表明:所提算法能够实现目标形变、遮挡或光照变化等复杂场景动态目标长时间跟踪,具有较高的鲁棒性和跟踪精度.

关键词：长时跟踪 Mean Shift TLD 梯度纹理

引入短时记忆的Siamese网络目标跟踪算法

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 2022年第3期58卷 235-241页

作者：王希鹏李永李智梁起明武警工程大学信息工程学院西安710086

为提升目标跟踪算法在复杂场景下的鲁棒性,使算法适应长时跟踪场景,提出结合多层特征融合和短时记忆机制的跟踪方法,提升目标跟踪的鲁棒性。融合卷积神经网络多层特征,提升网络的特征提取能力。在跟踪阶段,引入了短时记忆模块,搜索区域... 详细信息

为提升目标跟踪算法在复杂场景下的鲁棒性,使算法适应长时跟踪场景,提出结合多层特征融合和短时记忆机制的跟踪方法,提升目标跟踪的鲁棒性。融合卷积神经网络多层特征,提升网络的特征提取能力。在跟踪阶段,引入了短时记忆模块,搜索区域特征分别与初始的基准模板特征和短时记忆的动态特征进行匹配,对得到的响应图进行融合,提升目标跟踪的鲁棒性,通过视频局部信息增强算法对跟踪目标的判别性。在OTB2015和GOT-10K目标跟踪标准数据集上进行了实验,在OTB2015上的精确度和成功率分别达到了0.808和0.593。实验结果表明,所提算法的测试效果与几种主流跟踪算法相比有了显著的提升,并且达到了27帧/s的实时跟踪速度,证明了所提方法的有效性。

关键词：孪生网络长时跟踪特征融合模板更新

在线全文

学校读者我要写书评

暂无评论

基于长时跟踪的滑雪教学姿态辅助矫正方法

计算机工程 2024年

作者：张朋严盼盼乔凤杰清华大学体育部

在滑雪教学过程中，由于学员的迅速移动和姿态的大幅变化，导致以短时智能图像变化特征为主的姿态跟踪算法失效或不稳定。特别是在雪地条件恶劣或光线不足等复杂环境下，跟踪效果会受到较大的影响。为此，提出基于长时跟踪的滑雪教学姿... 详细信息

在滑雪教学过程中，由于学员的迅速移动和姿态的大幅变化，导致以短时智能图像变化特征为主的姿态跟踪算法失效或不稳定。特别是在雪地条件恶劣或光线不足等复杂环境下，跟踪效果会受到较大的影响。为此，提出基于长时跟踪的滑雪教学姿态辅助矫正方法。使用递归最小二乘法(Recursive Least Squares，RLS)分类器训练得到学员姿态位置核相关滤波器(Kernelized Correlation Filters，KCF)。计算最大的KCF响应值，精确检测学员的姿势位置。如果KCF结果低于经验阈值，表明目标丢失，启动再检测模块。利用光流法，在前一帧学员姿态位置附近寻找当前帧中的姿态位置，以获取一个大致位置。在此位置重新应用跟踪器，获得精确的学员姿态位置，实现长时跟踪。依据得到的姿态位置数据，构建滑雪学员姿态误差补偿模型，提取学员身体的运动参数和姿态误差。计算身体运动参数，并结合核相关滤波器KCF，构建滑雪学员身体姿态辅助矫正模型，从而完成滑雪教学的姿态辅助矫正。实验结果表明，该方法在长时跟踪中展现出高度的有效性、可靠性和稳定性。其平均PCK指标达到92.3%，同时，在目标跟踪效率上，参数量和计算量分别为30.24MB和9.26GFLOPS，速度达到142fps，实现了高效实时的跟踪，验证了该方法在滑雪教学姿态辅助矫正中的可行性。

关键词：长时跟踪滑雪教学姿态辅助矫正相关滤波器误差补偿运动参数

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

结合置信度评估与再检测的目标长时跟踪

计算机工程与设计 2022年第12期43卷 3348-3355页

作者：王英先马社祥天津理工大学集成电路科学与工程学院天津300384

针对目标长时跟踪中遮挡和出视野等因素导致的跟踪准确率降低甚至跟踪失败问题,提出一种结合置信度评估与再检测的目标长时跟踪算法。根据相关滤波响应的平均峰值相关能量与颜色得分判断跟踪结果的可靠性;通过引入DIOU约束,有效限制候... 详细信息

针对目标长时跟踪中遮挡和出视野等因素导致的跟踪准确率降低甚至跟踪失败问题,提出一种结合置信度评估与再检测的目标长时跟踪算法。根据相关滤波响应的平均峰值相关能量与颜色得分判断跟踪结果的可靠性;通过引入DIOU约束,有效限制候选位置的数量,增加惩罚项计算候选框得分,得到最优再检测结果;评估再检测结果的可靠性决定是否替换跟踪位置。在OTB-2015数据集上与先进相关滤波算法进行对比,该算法精确度与成功率分别为0.855和0.798。在目标遮挡和出视野等复杂环境下,具有较强的鲁棒性和实时性。

关键词：目标跟踪相关滤波长时跟踪置信度评估再检测特征融合平均峰值相关能量

一种基于深度学习目标检测的长时目标跟踪算法

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2021年第3期16卷 433-441页

作者：邵江南葛洪伟江南大学江苏省模式识别与计算智能工程实验室江苏无锡214122 江南大学物联网工程学院江苏无锡214122

针对长时目标跟踪所面临的目标被遮挡、出视野等常常会导致跟踪漂移或丢失的问题,基于MDNet提出一种深度长时目标跟踪算法(long-term object tracking based on MDNet,LT-MDNet)。首先,引入了一种改进的收缩损失函数,以解决模型训练时... 详细信息

针对长时目标跟踪所面临的目标被遮挡、出视野等常常会导致跟踪漂移或丢失的问题,基于MDNet提出一种深度长时目标跟踪算法(long-term object tracking based on MDNet,LT-MDNet)。首先,引入了一种改进的收缩损失函数,以解决模型训练时正负样本不均衡的问题;其次,设计了一种高置信度保留样本池,对在线跟踪时的每一帧的有效并且置信度最高结果进行保留,并在池满时替换最低置信度的保留样本;最后,在模型检测到跟踪失败或连续跟踪帧数达到特定阈值时,利用保留样本池进行在线训练更新模型,从而使模型在应对长时跟踪时保持鲁棒和高效。实验结果表明,LT-MDNet在跟踪精度和成功率上都展现了极强的竞争力,并且在目标被遮挡、出视野等情况下保持了优越的跟踪性能和可靠性。

关键词：目标跟踪长时跟踪神经网络卷积特征类不均衡问题损失函数特征提取深度学习

基于相关滤波的抗遮挡目标跟踪算法研究及应用

在线全文

学校读者我要写书评

暂无评论

基于相关滤波的抗遮挡目标跟踪算法研究及应用

作者：李富强天津理工大学

学位级别：硕士

运动目标跟踪技术是视觉图像处理领域的一个重点研究方向,在智能化时代广泛应用于视频监控、军事制导、人机交互等领域。其中,传统相关滤波类目标跟踪算法凭借其简单、高效的优势,受到研究人员的广泛关注并且取得了显著的研究成果。但... 详细信息

运动目标跟踪技术是视觉图像处理领域的一个重点研究方向,在智能化时代广泛应用于视频监控、军事制导、人机交互等领域。其中,传统相关滤波类目标跟踪算法凭借其简单、高效的优势,受到研究人员的广泛关注并且取得了显著的研究成果。但由于跟踪场景的复杂多变性,当前的跟踪算法在实际应用场景中存在着不同程度的缺陷。因此,研究在复杂情形下如何实现对目标高效、鲁棒的跟踪具有极大实际应用价值。本文以实现复杂场景下的目标跟踪为研究主线,在相关滤波跟踪算法框架的基础上,针对算法在遮挡、快速运动、复杂背景等跟踪情形下的不足提出相应的改进方法。本文的主要研究工作如下:(1)针对目标跟踪过程中因遮挡、快速运动等干扰导致的位置预测不准确问题,提出一种结合卡尔曼滤波预测的长时目标跟踪算法。在重检测模块前引入卡尔曼滤波器,对由于遮挡等干扰导致的目标丢失情况进行目标位置预测,避免了重检测模块对全帧图像的遍历检测;同时引入PCA降维方法对尺度预测滤波器进行降维,利用QR分解插值的方式在尺度预测精度相当的情况下,降低尺度滤波器的计算成本。在OTB-2015数据集上的实验表明,所提改进方法在遮挡等干扰场景能够有效预测目标位置,提高了算法的跟踪精度和实时性。(2)针对相关滤波器跟踪模型对背景干扰、遮挡等复杂情形下跟踪效果差的问题,本文提出一种时空上下文感知融合重检测机制的目标跟踪算法。首先,在滤波器模型的基础上增加时空上下文感知项,通过对目标时空上下文关联性信息的学习,提高滤波器对目标和背景的分类能力;其次,提出根据平均峰值相关能量评估目标定位的可靠性,进而决定是否对模型更新,防止模型被污染;最后,在算法跟踪框架中加入SVM重检测模块,当目标位置预测响应小于设定阈值时,表明目标跟踪丢失,利用重检测模块对目标进行重定位。在OTB-2015和Temple color 128数据集上的实验结果表明,本文所提CARDCF算法相较与所对比的主流跟踪算法在遮挡等复杂干扰情形下具有更好的跟踪性能和鲁棒性。(3)为了实现改进算法在实际跟踪场景中应用,在基于树莓派的嵌入式系统上实现对改进的长时目标跟踪算法进行移植。通过树莓派硬件平台,搭建Qt、Open CV开发环境,实现对目标图像的采集和目标跟踪任务,实验结果表明,改进算法在嵌入式环境下对目标进行跟踪时具备较强的鲁棒性和实时性。

关键词：目标跟踪相关滤波器长时跟踪时空上下文嵌入式系统

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

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