【摘 要】
：
目标跟踪是计算机视觉领域一个极为重要的研究方向,其需求是根据已有的视频序列和给定的初始目标位置,利用算法在后续帧中用标注框的形式对目标实现准确跟踪。在过去的十年中,MOSSE算法作为相关滤波目标跟踪算法的起源,其使得目标跟踪的性能变得又快又准,从最初引入的相关滤波,到后来的循环矩阵、尺度预测,再到深度学习的引入,越来越多技术活跃在目标跟踪领域。但是由于越来越多场景需要用到目标跟踪,如何有效应对复杂
论文部分内容阅读
目标跟踪是计算机视觉领域一个极为重要的研究方向,其需求是根据已有的视频序列和给定的初始目标位置,利用算法在后续帧中用标注框的形式对目标实现准确跟踪。在过去的十年中,MOSSE算法作为相关滤波目标跟踪算法的起源,其使得目标跟踪的性能变得又快又准,从最初引入的相关滤波,到后来的循环矩阵、尺度预测,再到深度学习的引入,越来越多技术活跃在目标跟踪领域。但是由于越来越多场景需要用到目标跟踪,如何有效应对复杂多样的场景并持续进行准确的跟踪,也愈发称为研究重点。为了进一步改进目标跟踪算法的跟踪性能,本文基于相关滤波目标跟踪算法提出两种改进方案,改进内容如下:（1）传统的相关滤波算法都会采用余弦窗函数来解决循环样本的边界效应,其不足在于没有考虑到目标的实际大小。具体而言,普通的余弦窗函数直接采用了中间极值四周零值的模型,忽略了目标的实际尺寸,若直接预处理样本,会增加目标纹理而污染目标源信息。针对这一问题,本文提出的一种尺度自适应余弦窗模型,使用目标的初始大小对余弦窗进行削峰处理,并结合DSST的尺度估计对模型进行适时更新,提高了跟踪算法在目标发生尺度变化时的跟踪性能。（2）针对相关滤波算法在跟踪过程中容易出现滤波器模型退化的问题,本文基于ADTrack和域不变投影算法提出一种新的相关滤波目标跟踪算法。具体而言,其一,引入尺度自适应余弦窗函数,改善样本质量,并且提高算法在尺度变化场景下的跟踪性能;其二,参考域不变投影算法中对样本的约束思想,引入目标信息滤波器和背景信息滤波器的自约束和互约束,有效防止两种滤波器的过拟合问题和滤波器模型快速退化的情况。为更好地展现本文所提出研究内容的可行性和优势,本文基于多种数据集和基准算法进行了对比试验,通过在OTB基准测试平台的统一对比实验,对跟踪结果进行分析比较,可以证明本文提出的尺度自适应余弦窗模型和新的跟踪算法都具有良好的效果。
其他文献
随着时代的不断革新,应运而生的新兴技术为教育事业的推进和变革创造了机遇与挑战。国家各界高度重视信息技术与教育教学的深度融合发展,虚拟仿真实验已成为变革传统实验教育的重要突破口。虚拟实验教育能否有效改进教育教学、促进学生提升学习效率和成果成为大家关注的问题。将虚拟现实技术应用于实验教育,势必会经历学习者使用、接受到愿意进而使用的过程,这在很大程度上决定了虚拟仿真实验是否能够成功发挥其真正的效用和进行
随着现代工业生产过程越来越复杂,使得被控系统的建模要求越来越高。当下常见的非线性系统单体模型已经不能满足其建模要求,而互联非线性系统是由多个相互连接的子系统组合而成,能够描述复杂的大规模系统。在互联非线性系统中,由于系统本身的未建模动态和系统在信息交互中时滞的存在对系统稳定性造成影响。同时出于安全性能的考虑,系统需要满足一定的约束条件方能稳定可靠的运行。因此,研究互联非线性系统的状态约束受限在发生
多项式回归是数理统计中用来确定多种变量间相互依赖的非线性定量关系的统计分析方法,在大数据分析中有广泛的应用。通常数据集都包含敏感属性,在数据挖掘过程和数据发布中,如不采取任何隐私保护手段将会造成隐私泄露。差分隐私是一种新型隐私保护算法,它以攻击者拥有最大知识背景为前提,能有效抵御各类新型攻击。差分隐私保护算法通过对数据加噪声,掩盖真实信息以实现隐私保护,噪声的添加量越多隐私保护性也就越强,而噪声的
Hopf分岔作为非线性领域中探讨系统动态特性的一项重要指标,已经被广泛应用于生物数学领域。近年来,尤其是传染病模型的分岔研究有了极大的丰富。早期的传染病建模经常会忽略实际传播中具有的记忆和遗传特性,而分数阶导数可以很好的刻画这一特点。同时考虑到在传染病爆发时个体难免会发生迁移活动,因此在传染病模型中加入扩散项是非常必要的,扩散项的存在通常会引起Turing不稳定现象的产生。此外,传染病的潜伏期是实
电磁反演技术是获得未知区域待探测目标电参数分布的重要手段,其通过反演算法重构目标形状、介电常数等参数。电磁反演技术具有无损无接触的特性,目前已经广泛应用于探地雷达、医学成像、气象预测等领域。本文基于逆散射模型,针对逆散射问题的病态性和非线性,提出了一系列具备高反演性能和良好鲁棒性的电磁反演算法。具体研究内容如下:1.首先从数学物理角度出发,基于麦克斯韦方程组推导了电磁场积分方程;接着利用玻恩近似方
随着当今计算机数字采样与通信技术的不断发展,智能控制领域研究者们也在致力于离散时间控制系统的控制精度与可靠性的进一步提升。不同工业生产中普遍存在着各式各样的非线性被控对象,造成传统的线性系统控制方法无法直接获得应用的瓶颈问题。人们借助离散时间Takagi-Sugeno（T-S）模糊模型将非线性系统以任意精度逼近成若干个线性子系统而有效地规避了上述瓶颈问题,使得离散时间T-S模糊模型被广泛地应用于实
无线传感器网络（Wireless Sensor Networks,WSN）在近年来获得了迅速发展,被广泛应用于多个领域中,而节点定位技术就是支撑其实现的关键技术之一。按照定位方式的不同,可以把节点定位技术分为两类,即基于测距和非测距的定位算法。由于非测距算法无需额外的硬件成本,且实现较为简单,因此本文对基于非测距的Amorphous算法进行研究,通过改进该算法来获得更高的定位精度。本文研究的主要内
随着中国工业化的快速推进以及全国居民生活质量的逐步提高,人们居住环境的要求也越来越高,对空气质量问题也愈加关注。目前对空气质量的研究主要聚焦于以下两方面:一方面是进行空气质量的时空异质性分析,另一方面是构建空气污染预测模型。已有空气质量的时空异质性分析多是以遥感影像所反演的数据作为数据源,针对某一具体污染物探究其空间分布以及影响因素,但该类研究中区域首要污染物的确定是基于全局分析,并未考虑空间差异
随着环境保护意识的提升以及化石能源危机的日益严峻,电动汽车的发展与应用已成为当今世界关注的焦点,各国都在积极推动电动汽车产业的发展。作为电动汽车发展过程中必不可少的配套基础设施,充电站的投资建设也开始蓬勃发展。本文针对典型充电站光储容量优化配置与经济运行策略进行了研究,主要研究内容如下:（1）分析电动汽车充电负荷特性,分别针对补电时间紧迫性高与补电时间紧迫性低的电动汽车类型,通过考虑充电排队影响,
天文学是一门历史悠久的观测学科。随着科学技术的发展、观测设备的不断提升,人类对宇宙的认识不断完善。随着大视场巡天时代的到来,人类获得了海量的星系观测样本,这些样本为数据驱动的研究方法提高了数据基础、为科研工作者在星系的特征和性质研究领域提供数据支撑,机器学习、深度学习等方法也被广泛地应用到星系领域的研究中。本文旨在研究大视场巡天中星系的特征提取与自动化查找,具体包含如下三个部分:基于深度学习的引力