【摘 要】
：
随着人工智能时代的到来,计算机视觉技术在图像处理领域中发挥着重要的作用。目标检测与跟踪技术具有应用范围广泛、应用场景复杂的特点,这使得目标跟踪算法的研究与应用具有非常重要的意义。本文旨在利用KCF（Kernel Correlation Filter）算法并结合深度学习理论,针对原算法对目标尺度变化、遮挡、旋转等因素敏感的问题,对其进行相关研究与改进,设计出跟踪效果更好、鲁棒性更优的目标跟踪算法。首
论文部分内容阅读
随着人工智能时代的到来,计算机视觉技术在图像处理领域中发挥着重要的作用。目标检测与跟踪技术具有应用范围广泛、应用场景复杂的特点,这使得目标跟踪算法的研究与应用具有非常重要的意义。本文旨在利用KCF（Kernel Correlation Filter）算法并结合深度学习理论,针对原算法对目标尺度变化、遮挡、旋转等因素敏感的问题,对其进行相关研究与改进,设计出跟踪效果更好、鲁棒性更优的目标跟踪算法。首先,针对KCF算法在单一特征下跟踪效果差、场景适应能力不强的现象,本文提出了一种基于多特征融合的改进KCF算法——KCFHC算法。KCF算法的HOG特征对光照变化有较好的鲁棒性,但无法较优地处理目标形变、背景复杂、遮挡的问题;而本文的CN特征能够很好地弥补这个问题,因此将两者融合以提升算法性能。同等条件下,KCFHC算法比KCF算法的成功率提高1.5%,准确率提高2.2%,平均误差降低46.03%;帧率保持在108fps以上。该方法使算法在背景复杂和目标遮挡因素下的跟踪效果增强,算法的鲁棒性提升。其次,针对KCF算法在跟踪过程中不能自适应目标尺度变化的问题,本文提出了一种基于尺度自适应的改进KCFHC算法——KCFHCS算法。该方法在KCFHC算法的基础上,加入了尺度滤波器,从而减少了因使用错误目标样本造成的模型污染,解决了KCF算法在背景复杂、尺度变化、形态变化等情况下跟踪效果差的问题,减少了跟踪目标框漂移的现象。同等条件下,KCFHCS算法比KCFHC和KCF算法的成功率分别提高了6.97%、8.4%;准确率分别提高了6.5%、8.8%;平均分别误差降低了61.3%、67.4%,帧率为68fps以上。相比于SRDCF和ARCF算法,KCFHCS算法的成功率和精度相差不大,但速度更快;在平面旋转和离开视野的情况下更具有优势。该算法能够自适应目标尺度发生变化的情况,算法的跟踪效果较优,鲁棒性强。最后,针对KCF算法在实际应用中无法自动选择跟踪目标,会对目标跟踪结果造成目标跟踪失败和错误的情况,本文提出了一种基于YOLOv5与KCFHCS算法的目标检测跟踪算法——YOLO-KCFHCS算法。该方法首先在KCFHCS算法的基础上加入置信度判别策略;其次添加YOLOv5检测模块,利用其检测到的图像信息对位置滤波器初始化;最后在加入重检测机制。该算法能减小KCF算法中由于手动选取目标带来的不良影响;同时,算法的帧率保持在50fps以上,实时性较好。
其他文献
钙钛矿材料凭借光吸收能力强、缺陷密度低、载流子寿命和迁移率乘积高、室温下电阻率高等一系列优良特性,成为制备高灵敏度和快速响应的光电探测器的理想材料之一,它能够实现从深紫外到近红外波长范围的光响应,包括宽带、窄带光探测和高能粒子传感等,大量的实验证明钙钛矿材料在光电探测领域具有很好的发展前景。目前,基于钙钛矿材料的光电探测器成为了研究热点,材料特性和器件结构是影响光电探测器性能的关键因素,学者们一方
在第五代移动通信系统中,超高可靠低时延通信（Ultra Reliable Low Delay Communication,URLLC）应用场景对数据传输的可靠性与时延提出严峻挑战,要求在1ms内以10-5的错误概率在5G无线电接口上进行数据传输。面对URLLC严格的参数要求,从现有的文献资料和移动通信工业标准来看,物理层的解决方案相对较少,特别是同时满足超高可靠和低延迟调制方案的研究成果更是举步维
复杂网络及其抗毁性研究在众多领域中具有广泛的应用,如在电力系统中的电网鲁棒性分析,在金融领域中的风险管控,在生物医学领域的致病基因研究,在疾病防控领域的免疫策略等等,表明复杂网络抗毁性研究极具现实意义。复杂网络抗毁性研究是研究网络抵抗节点或者边攻击的能力,由于网络性能对中心性节点或边的攻击敏感,其攻击方式即网络攻击策略通常体现在对网络的中心性节点或边的攻击。本文针对网络节点攻击策略及应用展开研究。
我国作为海洋大国,实现全天时、全天候的舰船目标检测与识别对于维护海洋权益是非常重要的。合成孔径雷达（SAR）具有全天时、全天候工作的特点,可以弥补光学/红外传感器在夜晚/阴雨天无法正常对地观测的不足,因此研究基于SAR图像的目标/场景解译具有重要意义。相较于光学影像的舰船目标检测与识别来说,基于SAR图像的舰船目标检测与识别更加困难。利用CNN自主学习目标特征的特点,论文系统研究了基于卷积神经网络
近年来,随着柔性可穿戴设备、纳米机器人、柔性传感器等压电电子的兴起,二维材料压电效应受到越来越多的关注。其中硫化钼作为二维材料的典型代表,近年来被广泛研究,其具有稳定性好、机械强度高、带隙可调等优点,可在现有研究上进一步推进压电技术的发展。因此,研究硫化钼薄膜大面积高质量制备和硫化钼压电效应对器件性能影响是实现其实际应用的基础。化学气相沉积法（CVD）是制备连续均匀高质量硫化钼薄膜的主要方法,具有
舰船是海上重要的监测目标,通过卫星遥感技术对舰船目标进行信息解译不论在海洋监视还是军事侦察领域都具有广泛应用前景。随着应用需求变化,不但要关注舰船目标的静态位置,更需要关注目标的状态和运动趋势信息。尾迹作为运动舰船的重要特征,可以估算舰船的运动参数信息,开展舰船尾迹检测并反演舰船运动信息的研究具有重要意义。论文研究了基于高分辨率光学遥感影像的舰船尾迹区域提取方法,并充分利用提取的尾迹区域细节信息进
无人机因其操作灵活高效、使用成本低、且可以搭载拍摄设备的优点,被广泛应用于各种领域的航行拍摄,比如区域安全评估、工业生产监测、地质资源探寻和自然地理记录。然而,无人机所拍摄的单张图像受到无人机的空中高度、成像设备参数以及视角的限制,所覆盖的区域是有限的。因此,需要采用图像拼接技术,将多张航拍图像合成一张具有宽视野、高分辨率以及更多信息的全景图像。本文以无人机航拍视角下的图像拼接技术为研究方向,从提
随着各国对无人机技术的重视,无人机的发展进入了前所未有的快速发展轨道,而目前目标跟踪是计算机视觉中的热门研究方向,目标跟踪算法也在不断地更新,将目标跟踪算法和无人机技术相结合,对无人机技术的推动有着重大作用。考虑到无人机在进行目标跟踪的过程中,经常会遇到跟踪目标被遮挡、光照变化等情况,因此,本论文基于TLD（Tracking-Learning-Detection）跟踪算法框架,以UAV123（Un
随着深度学习技术的发展,人脸识别取得了极大的进步并且被广泛应用。例如在手机人脸解锁,人脸考勤,人脸门禁,人证核验等场景已普遍应用人脸识别技术。人脸识别的过程是将人脸图像映射到一个特征向量上,然后通过计算特征向量之间的距离来确定人脸的相似度,人脸识别的训练就是降低类内特征向量的距离,同时增大类间特征向量的距离。虽然人脸识别在公开数据集上取得了很好的性能,但是应用到实际的产品中还需要大量的工作。另外,
在现代化国防军事体系中,红外弱小目标检测跟踪技术占据着十分重要的地位。其中地面移动车辆的检测跟踪技术已经广泛应用于导弹制导,卫星跟踪系统中。然而由于红外图像成像质量较差,存在较多噪声,以及高空视角下车辆目标相对弱小,缺乏特征等因素影响,实现红外图像中地面移动车辆的准确和鲁棒检测跟踪仍存在较多难点。现有基于滤波的检测算法速度较快,但是鲁棒性较差,不能适用于复杂场景;基于优化的检测算法鲁棒性较好,但时