【摘 要】
:
多目标跟踪技术是计算机视觉领域里重要的研究内容,大量应用于视频监控、自动汽车以及军事医疗等领域。不同于单目标跟踪,多目标环境下的跟踪方法涉及到多个对象,需要先对各个对象定位后再依次进行跟踪,计算复杂度较高。特别是在跟踪框预测阶段,现有的方法需要计算大量参数,实时性难以保证。此外,在多目标环境中,容易发生多个目标之间相互遮挡的现象,如何及时判断遮挡并重新匹配目标也是多目标跟踪的研究难点。针对以上问题
论文部分内容阅读
多目标跟踪技术是计算机视觉领域里重要的研究内容,大量应用于视频监控、自动汽车以及军事医疗等领域。不同于单目标跟踪,多目标环境下的跟踪方法涉及到多个对象,需要先对各个对象定位后再依次进行跟踪,计算复杂度较高。特别是在跟踪框预测阶段,现有的方法需要计算大量参数,实时性难以保证。此外,在多目标环境中,容易发生多个目标之间相互遮挡的现象,如何及时判断遮挡并重新匹配目标也是多目标跟踪的研究难点。针对以上问题,本文提出了基于相关滤波和孪生网络的多目标跟踪算法,旨在通过轻量化模型对多个目标实时跟踪,并能有效地实现遮挡检测和目标重匹配。本文的主要研究内容如下:(1)目前主流的多目标跟踪算法,在跟踪框预测阶段大多基于深度学习,参数量较大,难以满足实时性要求。对此,本文提出了基于多尺度相关滤波的跟踪框预测方法。该方法通过尺度检测模块,根据上下文信息能够准确地描述出目标大小变化,并采用无监督的特征降维减少算法计算量,通过响应插值提高了对跟踪框的预测性能。实验结果表明,相比于基于深度学习的跟踪框预测算法,该方法参数量较少,计算速度快,有效地提升了多目标跟踪的速度。(2)多目标场景下,跟踪的各个目标之间容易发生相互遮挡,导致检测目标失效、目标ID错误等问题。对此,本文提出了基于阈值响应与孪生网络的目标重匹配方法,该方法首先通过计算预测框和检测框之间的Io U值快速判断是否发生遮挡,再通过基于孪生网络的目标匹配模块对遮挡前后目标进行相关性判断。实验结果表明,本文提出的方法可以有效地实现遮挡检测和目标重匹配,提高了跟踪准确率。
其他文献
目前,我国陆地上大部分的含油气储层业已进入了勘探开发的中后期阶段,紧随其后的是不断加大的勘探开发难度,持续增加的人工时间及生产作业成本,油气勘探面临着越来越严峻的考验。合理利用地震数据可以有效地帮助研究人员进行储层预测,而地震属性提取是开展相关工作的基础。常规地震属性研究工作中,地震属性数据与预测对象之间关系千头万绪,如何减少工作中非必要的属性提取造成的效率低下,合理地选择地震属性是亟待解决的问题
世界各国,不管是大陆法系国家还是英美法系国家都对辩护律师的权利进行了保障,这是“惩罚犯罪”与“保障人权”的内在要求。由于我国历史“无讼”文化和“善有善报,恶有恶报”的淳朴的儒家思想的长期影响,导致我们注重打击犯罪嫌疑人、被告人,对作为其委托的辩护律师持片面印象,认为辩护律师是在为“恶人脱罪”。英国哲学家培根曾经说过:“即使只有一次不公平的审判,产生的后果都要超过十次犯罪所造成的后果,不公平的审判其
农村集体成员收益分配请求权属于成员权的内容。农村集体成员基于成员身份对农村集体收益享有请求分配的权利,一旦集体组织不履行分配职责或滥用分配职权,存在应分配却不分配的情形,集体成员可以通过行使收益分配请求权来实现自己的合法权益。集体收益的分配应从两个方面理解:一是集体的管理决策机构应根据法律、法规和章程的规定及时履行分配收益的职能;二是在集体收益满足分配条件时,农村集体成员享有请求集体管理决策者向自
智能终端的普及与应用极大的促进了轨迹数据挖掘领域的研究与探索,得益于GPS(Global Positioning System)等导航技术的发展,这些智能终端记录了大量的移动个体的出行轨迹信息。通常而言,移动个体会使用多种不同的出行方式,这使得移动个体的完整轨迹信息会被分散地记录在不同智能终端所对应的轨迹数据库中。如何将这些分散的轨迹从这些轨迹数据库中甄别出来从而拼接成一个移动个体的完整出行轨迹是
如何设计出能够自动适应不同任务环境的智能模块机器人一直是一个非常有研究价值的问题。当前,大多数模块机器人的结构和控制策略都是由研究人员针对某一特定任务环境设计出来的。这使得模块机器人在任务环境发生变化时无法自动的对结构和控制策略做出调整。为了让模块机器人能够在仅给出任务目标,但没有预先知道整个任务环境的情况下,可以自动地根据所处的场景对结构和控制策略进行调整,本文提出了以下两种算法。(1)为了令模
在工业物联网(Industrial Internet of Things,IIo Ts)中,通常会安装各种无线传感器来感知环境或事件,同时安装一个或多个接收器来收集无线传感器感知到的信息,以供专业分析。对于许多工业应用,实时分析都是必须的,以确保工业环境下的应用效能和应用安全,例如石油天然气钻井中的测井应用。因此,提供延迟保障或者降低时延是工业应用环境下关注的焦点。在工业无线网络(Industri
知识图谱嵌入任务旨在为知识图谱中的实体与关系生成低维的、连续的特征向量,使计算机可以通过数学运算来挖掘出知识背后的潜在语义,并应用到三元组补全,实体分类,实体解析等下游任务中。翻译模型是一类简单且有效的知识图谱嵌入模型,受到了研究者的广泛关注,目前比较流行的做法是将翻译模型与知识图谱外的实体描述信息相结合以提高嵌入质量。现有方法大多数使用Word2vec词嵌入来生成实体描述向量,而Word2vec
命名实体识别旨在从文本中识别出有特定意义的命名实体,如人名、地名和组织机构名等。与通用领域相比,油气勘探领域的命名实体识别任务面临着多项挑战。首先,油气勘探领域缺少标注数据,高质量的标注数据在模型的学习和评估阶段都十分重要,而人工标注代价昂贵。其次,油气勘探领域的实体种类多样化,难以预先定义。另外,该领域的实体多存在组合与嵌套的情况,通用模型无法对该种实体进行准确的识别。针对以上问题,本文提出了油
随着我国经济进入新常态,出现产能过剩、竞争力下降、劳动力成本上升等一系列问题,传统制造企业经营和发展都受到了巨大的挑战,甚至出现营收和利润率双降的情况,企业业绩难以保持持续的增长,因此许多传统企业面临战略转型问题,寻找适合企业自身的新的发展方向。半导体电子材料属于我国重点发展的新兴产业,许多化工企业也寻求向这一领域转型发展。而企业实现自身的发展战略目标主要通过内部研发和外部并购两种方式,内部研发也
长期以来,我国“执行难”的问题都是全社会所关注的重要问题。造成这一窘境的原因有两方面,既包含被执行人员情况复杂、稳定性低的因素,也包括执行主体失职行为多发的原因。执行判决、裁定失职罪于2002年在《刑法修正案(四)》第一次出现,区别于执行判决、裁定滥用职权罪,从《刑法》第九章中其他渎职罪名中分离出来,2003年最高人民法院、最高人民检察院将其正式规定为执行判决、裁定失职罪。本文以执行判决、裁定失职