【摘 要】
：
多目标跟踪任务需要在视频图像中确定目标位置、维持目标身份信息。通过将深度学习方法应用到数据驱动条件下来学习特征的思路已经在多个研究领域取得了很好的效果。因此,本文将深度学习方法引入到多目标跟踪框架中,期望提升跟踪的整体性能。此问题的研究具有重要的工业价值与广泛的军事应用前景。本文主要工作包括以下三个部分:（1）分析了多目标跟踪问题研究现状与发展趋势,对主流多目标跟踪公开数据集MOT16进行了详细说
论文部分内容阅读
多目标跟踪任务需要在视频图像中确定目标位置、维持目标身份信息。通过将深度学习方法应用到数据驱动条件下来学习特征的思路已经在多个研究领域取得了很好的效果。因此,本文将深度学习方法引入到多目标跟踪框架中,期望提升跟踪的整体性能。此问题的研究具有重要的工业价值与广泛的军事应用前景。本文主要工作包括以下三个部分:（1）分析了多目标跟踪问题研究现状与发展趋势,对主流多目标跟踪公开数据集MOT16进行了详细说明,对当前多目标跟踪领域权威CLEAR MOT评价体系进行了详细阐述。（2）针对Deep Sort算法中目标与轨迹匹配失败问题,提出了基于孪生网络与光流的多目标跟踪算法。算法以Res Net50为骨架,构建孪生网络结构,通过对目标相似度的度量,减小跟踪过程中目标形变、相似外观对跟踪准确度的影响。同时,建立结合光流的卡尔曼滤波运动模型,融合光流预测与检测输入,提高卡尔曼滤波可靠性,以应对跟踪过程中目标误报、漏报的挑战。改进的算法在跟踪准确度性能上有所提升,实现了良好的跟踪效果。（3）针对跟踪过程中目标复杂运动以及遮挡问题,提出了基于循环网络的多目标跟踪算法。算法以LSTM（Long Short-Term Memory）结构为骨架,建立“编码-解码”循环网络目标运动模型,利用目标历史轨迹信息,对未来目标可能的位置进行预测。循环网络通过准确的目标位置预测,提高了跟踪性能。同时,为缓解目标漏报、身份转换问题,对跟踪轨迹进行聚类优化,进一步提升了轨迹的准确度。通过与国际先进算法在公开数据集中的比较与分析,验证了算法的有效性。
其他文献
电动舵传动系统是装备中用于高精度、高响应控制运行轨迹的关键设备系统。舰船电动舵传动系统的传动机构受盐碱环境腐蚀,其轴承等关键零部件出现的故障将对装备安全可靠服役产生重大影响。本文以电动舵传动系统为背景,重点研究低速往复运动的模拟实验台设计及滚动轴承智能故障诊断算法。文章首先提出了针对一维振动信号的多尺度卷积神经网络智能诊断模型,利用西储大学的轴承数据集验证了其优秀性能,并基于某型电动舵传动系统工作
为了更加直观和清晰地观察患者体内正常和病变组织（即肿瘤）,医师通常需要借助医学影像的辅助,为患者临床诊断和制定针对性的手术方案提供科学依据和必要准备。医生在进行手术之前,可以借助医学影像分割技术,从患者的影像学资料中,得到人体的器官与病变组织分割结果。分割技术能够增加医生对肿瘤病变情况的了解程度,同时帮助医生在完全切除肿瘤病变区域的前提下,尽量保护肿瘤周围的血管、神经等正常组织,并以此增加手术的成
文学作品能够引发读者对于人性真、善、美的思考，因而具有独特的育人价值。本文聚焦英文小说类语篇，结合教学实例探讨如何挖掘小说类语篇的育人价值。在教学设计和实施中，教师可将育人与小说类语篇的文体特征及语言特点相结合，引导学生在探究语篇主题意义的过程中，辨析矛盾冲突，剖析人物心理和探析故事结局，学会认识和分析人性真、善、美及人与人之间关系的一些基本问题，从而促进思维的发展，达到育人目的。
当前,计算机相关技术在医学领域扮演了越来越重要的角色。而医学图像作为医学诊断中重要的组成部分,对于病患的病情判定,疾病的严重程度评估,以及康复预测等方面,都具有极其重要的意义。医学图像分割可以快速且准确的将医学图像中的病患区域和背景区域分割开,对于临床治疗和医学研究都有很好的辅助作用。深度学习的兴起大大提高了医疗图像分割的准确度,同时可以提取出医生很难定性定量的病理特征,甚至探究尚未发现的医学原理
吸烟有害健康,在公共场所吸烟,不仅污染空气,还有着造成火灾等灾害的隐患。对于一些严禁吸烟的场所,如机场、加油站、化工仓库等,需要采取监督和检测手段监视吸烟行为。通过人工监管或者烟雾传感器等手段检测,不仅耗费人力物力,检测效果也不甚理想。为解决吸烟检测问题,本文设计了基于机器视觉的吸烟检测算法,通过摄像头捕捉视频帧,使用基于深度学习的目标检测算法检测吸烟行为。本文创新工作如下:首先,针对实时性检测问
图像作为信息最直观的表达,应用广泛。随着前端数据采集传感器的发展,单源信息已不能满足日益复杂的需求。不同源图像具备不同特性,红外图像物体轮廓清晰、包含热度信息,但像素值低、细节缺乏;可见光图像与之相反。一个自然的想法,将这二者融合可获得更有价值的图像。另外,由于光学传感器成像原理的限制,单镜头无法保证画幅全对焦,将同视角下通过调整焦距获得不同景深目标的局部清晰图像对进行融合,以获得整体清晰的图像。
近年来,目标检测算法发展十分迅速,成果也非常显著,基于深度学习的检测算法更有着远超传统算法的性能。但是,该领域的发展仍然存在着一些问题和挑战。首先是在特定检测应用场景,比如人头检测中的虚警和漏检问题,限制了其在一些对计数准确度要求比较高的情况下的应用;其次,由于全监督下基于深度学习的检测算法一般需要大量的标签才能够训练出一个比较好的模型,为降低大量标注所带来的人力和物力上的消耗,出现了半监督和弱监
作为自然语言处理中的一项重要任务,机器阅读理解（Machine Reading Comprehension,MRC）已经受到了业界内广泛的关注,大量研究人员正积极探索这一新兴领域。其具体指的是让机器依据给定的文本信息来回答一个语义相关的问题,通常这是一个较复杂和漫长的流程,涉及到语义编码、信息融合、模块交互等众多方面。而多跳MRC则在此基础上提出了更高的要求,要求机器具备推理能力,本文就此任务展开
新型冠状病毒疫情的突发及在全球范围内的迅速蔓延,人们对于防疫用口罩的需求激增。防疫用口罩的种类繁多,各类适用的场景有所不同,在选择和使用上容易存在误区;大量的防疫用口罩产品的使用带来的环境负面影响不可小觑。此前,纺织领域的研究者已将碳足迹、水足迹及化学品足迹等生命周期评价方法的指标相结合,量化评估纺织业所产生的温室气体排放、水资源消耗和化学品污染相关的潜在环境影响。但是,国内外学者对防疫类口罩的环
图像目标检测是计算机视觉领域的一个基础任务,主要用于自动识别和定位图像中的特定目标,是许多人工智能技术的基础,有极其重要的军用民用价值。近年来,基于深度学习的目标检测方法取得了飞速的发展,也成功应用于一些工业场景。但是,可靠性不足、计算量过高、泛化能力差等问题大大限制了目标检测算法的应用范围。本文以大规模公开的数据集中的目标为对象,对图像目标检测算法展开了研究。研究工作包括三个部分:（1）总结了目