【摘 要】
:
随着计算机视觉技术的不断发展,视觉目标跟踪广泛应用于人机交互、智能视频监控等多个领域,但跟踪结果往往受到背景、光照以及目标形态变化等因素的影响,因此如何克服跟踪时面临的困难,实现鲁棒跟踪值得深入研究。该文围绕如何有效提升相关滤波跟踪模型、孪生网络跟踪模型性能进行研究,提出三种改进算法。首先,针对传统核循环(Exploiting the Circulant Structure of Tracking
论文部分内容阅读
随着计算机视觉技术的不断发展,视觉目标跟踪广泛应用于人机交互、智能视频监控等多个领域,但跟踪结果往往受到背景、光照以及目标形态变化等因素的影响,因此如何克服跟踪时面临的困难,实现鲁棒跟踪值得深入研究。该文围绕如何有效提升相关滤波跟踪模型、孪生网络跟踪模型性能进行研究,提出三种改进算法。首先,针对传统核循环(Exploiting the Circulant Structure of Tracking-by-detection with Kernels,CSK)相关滤波跟踪算法采用单一特征易受光照变化、复杂背景和相似目标干扰导致丢失目标的缺陷,提出颜色-纹理特征联合的CSK跟踪算法。首先提取11维颜色属性特征,主成分分析法将11维特征降至2维,减小计算复杂度且保留重要信息,然后提取图像局部二值模式(Local Binary Pattern,LBP)纹理特征,利用自适应权重方法联合两个特征,最后依据特征模板调整CSK更新机制对目标进行跟踪。其次,针对传统相关滤波跟踪框架无法进行端到端训练的问题,提出收缩损失目标感知的深度跟踪算法。首先基于深层卷积网络(Very Deep Convolutional Networks for Large-Scale Image Recognition,VGG)模型提取图像特征,设计回归损失和排名损失,通过反向梯度传播指导对目标和尺度敏感的通道选择,生成目标感知模型,为解决前-背景数据不平衡问题,在回归模型中加入收缩损失来惩罚简单训练数据的重要性,提高模型准确性,最后将目标感知模型与孪生网络模型集成进行视觉跟踪。最后,针对轴对齐跟踪框和深层网络过多的超参数导致目标跟踪性能较差的问题,提出深层残差变换网络(Aggregated Residual Transformations for Deep Neural Networks,Res Ne Xt)联合分割-定位的深度跟踪算法。算法包括Res Ne Xt模型、目标分割模型、目标定位模型和孪生网络模型四部分。首先基于Res Ne Xt预训练网络模型提取图像深层特征,基于目标分割模型得到多个相似目标的分割前景、背景特征响应图,基于目标定位模型得到精确的目标位置响应图,融合目标位置与分割响应图,选出最终目标分割图,结合主干特征通道信息进行语义分割(Convolutional Networks for Biomedical Image Segmentation,U-net)上采样得到更加准确和详细的分割图,最后对分割图进行旋转矩形框拟合,并结合孪生网络框架对目标进行跟踪。
其他文献
电力系统经济调度需要在保证电能质量的前提下,尽可能节省发电成本,减少能源消耗,满足供电需求,这一研究对国家以及电力企业有着重要意义。为此,大量求解方法应用到解决经济调度的问题中,其中智能优化算法有其独到之处,得到了广泛应用。但随着电力系统规模的扩大,实际生产中需要考虑多种因素,当同时考虑这些因素时,电力系统经济调度问题变成了非线性、非凸、不连续及高维的问题,导致智能优化算法受到限制。为此,本文针对
风能,作为一种清洁、低成本的可再生能源越来越受到世界各国风电企业关注。风电机组的装机数量和装机容量与日俱增,机组结构更加复杂,风电机组故障频发。因此,亟需研究风电机组的故障诊断方法。数据采集与监测控制系统(Supervisory Control and Data Acquisition,SCADA)数据凭借其数据量大、易获取、无需额外传感器的特点,成为研究风电机组故障诊断方法的重要数据支撑。风电机
随着特高压输电技术的发展,气体绝缘组合电器(Gas insulated switchgear,GIS)作为关键核心设备被广泛应用于特高压电网建设中。然而GIS设备内绝缘缺陷引发的放电会导致SF6分解,分解产生的低氟硫化物与设备内的微量H2O和O2反应生成具有毒性和腐蚀性的副产物,严重影响设备的正常运行。因此,研究SF6分解机理对GIS设备的安全运行具有重要意义。现有研究均是利用采样后的SF6分解产
在国家大力提倡“碳达峰,碳中和”的背景下,大力发展新能源发电技术,优化能源结构则显得尤为重要。然而,因受自然、地理环境等多方面因素的影响,新能源发电技术具有一定的择时、随机、不稳定性等现象,其直接影响着电力网络的稳定运行。而DC储能模块作为新能源系统中必不可缺的组成部分,提高其并联运行的工作稳定、可靠、快速及协同性,有着重要意义。本文将对多DC储能模块(两个)并联运行的控制策略进行深入研究。实现多
能源供应不但涉及国家安全而且也是维持人类可持续发展的重要基础。为应对可能面临的能源危机,可再生能源逐渐得到世界的广泛重视,并已成为我国的重点发展战略之一。微电网作为解决分布式发电大量接入给电力系统带来冲击的有力手段,具有广阔的应用前景。但是随着配电网中分布式发电的渗透率越来越高,常规的单电源辐射状结构转变为包含多个电源的复杂系统,其运行方式和潮流控制和环网结构相似。如果将含有大量分布式发电的配电网
电力网作为维持国民经济与生产生活不可或缺的供电系统,一直是众多专家学者的研究重点,随着大量分布式能源和各种电力电子设备的接入,电力网的安全稳定运行得到了长足保障,但随之而来的新能源消纳问题成为又一挑战,为了更好地解决“三弃”问题,进一步提高能源综合利用率、降低能源使用成本和清洁性,区域综合能源系统(Regional integrated energy system,RIES)随之而生。但是由于缺乏
视频行为识别广泛应用于智能监控系统,智能家居系统,智能驾驶等多个领域,但行为识别效果往往受模型时间复杂度、空-时特征提取、行为复杂度、昂贵的人工标注数据集等因素影响。因此,如何克服视频行为识别模型面临的困难,实现高性能的视频行为识别仍然值得深入研究。该文在目前先进的视频行为识别算法基础上,从特征提取、显著区域注意力、上下文联系以及高效主干网络等几方面,提出以下三种改进方案:首先,针对视频行为识别中
概念认知学习作为一个新兴的研究领域,从概念角度分析数据中的知识结构及相关特性。其中,增量式概念认知学习主要关注动态数据环境下的概念学习和知识处理过程,因符合大数据时代下数据量递增的现状而成为研究热点。该文从概念认知学习的增量演化角度出发,研究概念结构在增量过程中的因果不对称性与稳定性。首先,以增量式概念树为基础提出认知学习增量演化过程的因果不对称性可视化分析。基于属性拓扑理论设计增量式概念树模型及
随着环境问题的日益严重和化石燃料储备的枯竭,可再生能源利用得到了人们的广泛关注,高压大功率储能技术已成为高渗透率新能源并网的重要辅助手段,链式变换器由单相H桥链式连接组成,具有等效开关频率高、输出电压谐波小、易于模块化扩展和便于故障冗余控制等优点,非常适用于高压大功率的储能场合。因此本文主要针对三相链式储能变换器的并网功率控制、SPWM调制和多模块储能电池SOC相间及相内均衡控制三个方面进行详细研
随着国家十四五规划的提出,新能源汽车正式成为战略性新兴产业。目前,动力电池及其充电技术是限制电动车辆推广的重要因素。无线电能传输(Wireless Power Transmission,WPT)因供电安全、环境适用性强等优点,将其用于电动汽车充电可以消除接触式充电存在的弊端。然而,动力电池在充电过程中的电压变化范围大,等效阻抗不断升高。为了保证充电的过程安全可靠,减缓电池损耗,延长电池寿命,充电器