【摘 要】
:
视觉目标跟踪是计算机视觉领域一个重要的研究课题,在自动驾驶、智能交通监测、人机交互等方面具有广阔的应用前景。然而被跟踪目标的不确定性和跟踪场景的复杂性给目标跟踪
论文部分内容阅读
视觉目标跟踪是计算机视觉领域一个重要的研究课题,在自动驾驶、智能交通监测、人机交互等方面具有广阔的应用前景。然而被跟踪目标的不确定性和跟踪场景的复杂性给目标跟踪任务带来了很大的挑战。在实际应用中,还要考虑跟踪算法的实时性和高效性。因此,本文从目标跟踪的难点出发,以获得在多种干扰因素下具有较好的实时性和鲁棒性的跟踪算法为目标,对基于深度学习的目标跟踪算法展开研究。针对在目标形变、光照变化和尺寸变化干扰因素下,基于全卷积孪生网络的目标跟踪算法鲁棒性不足,本文提出了一种改进的基于全卷积孪生网络的目标跟踪算法。该算法的特征提取网络结合了AlexNet和VGG16网络结构的优点,在减少神经网络参数量的同时,扩大了卷积层的局域感受野,提升了模型对目标外观特征的表征能力。并在网络中加入了组归一化(Group Normalization)和优化的激活函数,加快了模型的收敛速度。实验结果表明,改进的算法能实时跟踪目标,且在形变、光照变化和尺寸变化干扰因素下,本文算法比基准算法更具鲁棒性。针对在背景杂乱尤其是相似背景下,很多目标跟踪算法难以准确跟踪目标,本文提出了一种基于多特征融合的目标跟踪算法。该算法框架由孪生特征提取子网络和候选区域生成子网络两个部分组成。孪生特征提取子网络分别对样本帧和检测帧进行特征提取,并将提取到的深层语义信息和浅层视觉信息进行融合,提升算法在相似背景下对目标的分辨能力。候选区域生成网络包含分类和回归两个分支,其中分类分支计算候选区域内包含目标的概率,回归分支对目标边界框的位置和尺寸进行回归。目标的在线跟踪过程中,该算法将孪生特征提取子网络得到的样本帧和检测帧的特征图,分别输入到候选区域子网络的分类分支和回归分支,并以样本帧的特征图为卷积核,对检测帧的特征图进行卷积,得到紧凑的目标边界框。经实验验证,在相似背景干扰下,该算法跟踪性能优于基准算法,且具有实时跟踪的能力。论文对基于深度学习的目标跟踪算法展开研究,提出了两种更具鲁棒性的基于孪生网络的目标跟踪算法,实验结果表明,改进算法在目标跟踪的准确性和实时性之间取得了较好的平衡。
其他文献
针对雾天图像高亮和雾浓区域中容易出现场景透射率值求取不准确,导致复原后的图像细节丢失、出现光晕现象、对比度和色彩难以满足人眼的视觉特性等问题,本文提出了一种融合GF-MSRCR和暗通道先验的图像去雾算法。首先,利用加权四叉树方法从最小通道图中快速搜索全局大气光值;其次,从图像增强角度应用GF-MSRCR算法初步估计场景透射率值,依据暗通道先验原理对最小通道图进行二次估测,根据两次求取结果按一定比例
近年来,海洋开发的规模和速度不断加快,国防建设在水声领域的投入也不断加大,水声通信技术发展迅速。目前,在水声通信领域的研究中,大多数研究仍然仅致力于提高通信速率、作用距离和通信质量。对发射功率被约束的情况,即信噪比需要处于非常低的水平下的水声通信技术研究还不够深入。然而通常我们确实需要对信号发射功率的大小和频谱的分布做一定程度的限制。比如在民用领域,如果水声通信网络中存在某个发射功率过高的节点,其
近些年智能家居的兴起和手机、电脑等通信设备的快速更新迭代离不开物联网和无线通信技术的快速发展。在这些市场需求背后起到重要支撑作用的是无线通信集成电路产业。而CMOS工艺在集成电路中占领了越来越重要的地位,除去一些需要极高性能的电路和极高速的数字电路之外,CMOS工艺可以满足大部分的设计需求。而且CMOS工艺具有可大规模集成的特点,并且工艺成熟且成本低的优点。随着CMOS的截止频率越来越高,工艺节点
水印嵌入位置和嵌入强度严重影响着水印算法的性能。对多种数字水印算法分析比较,线性尺度空间水印算法嵌入水印位置不够精确,导致提取出的特征点稳定性差,且嵌入强度参数随机,嵌入水印工作量增大。针对上述问题,提出基于非线性尺度空间的自适应水印算法,来均衡水印透明性和鲁棒性。首先,利用KAZE算法筛选出非线性尺度空间稳定性强的特征点构建嵌入水印区域;其次,对其做三级离散小波变换,将低频子带奇异值分解后的对角
内容:信息时代的数据,重要性犹如工业时代的石油。大数据已经渗透到人们生活的方方面面,亦提供了极大的便捷,但人们常常为了享受便利和优惠的服务,疏忽对个人数据授权的保护,
光纤传感技术作为光纤领域的关键部分,同时具备传感与传输能力,能够进行远程、大范围的传感与组网,对多个测点的不同参量如温度、振动、应变等进行精确且快速的检测。在工程检测、桥梁振动监测、航天设备检测等科技领域,基于弱反射光纤光栅的测量系统中光栅的铺设间距较大,无法达到准确监测的目的,与此同时,多样的检测环境和日益严苛的工程需求对光纤光栅传感系统的解调精度、光栅的密集型分布提出了更高的要求。本文基于非相
微表情与普通的人脸面部表情的主要区别在于微表情是不能自主控制的,是情感抑制和压抑的结果,人类自身都无法察觉到的,能够揭示一个人隐藏的真实情感,广泛应用于医疗诊断、侦
5G时代的到来,给无线通信系统带来了更严峻的技术挑战,但有限的频谱资源极大地限制了通信技术的发展。为此,本文从场的角度出发,提出了一种基于时间反演的三维(Three Dimensional,3D)空间多点聚焦的无线通信方法。研究了基于时间反演电磁波的“空-时聚焦”特性抵抗多径衰落,提高通信系统的可靠性。利用时间反演信号在三维空间位置格点形成的聚焦点携带信息,使得系统在保持恒定带宽的情况下,仅以增加
近年来,深度学习发展迅猛,在国内外都引起广泛关注。由于深度学习具有强大的学习能力,已经成功应用于多种模式分类问题中。在实际生活中,样本的特征维数经常会很高,而样本的获取总是存在困难,因此小样本问题是普遍存在的。研究如何在小规模的样本集提高学习算法的准确率具有重要意义。本文提出了基于概率图模型的分类方法。首先我们给出了聚合空间和特征空间的定义,证明聚合空间可表示对象集的边缘概率,特征空间可表示对象集
人脸作为计算机视觉领域中的重要研究对象,一直是各大高校和研究机构的研究热点。伴随着计算机视觉技术的蓬勃发展,视频人脸替换技术作为近些年出现的新兴技术,正在被许多的