【摘 要】
：
目标跟踪在计算机视觉的研究中有着举足轻重的地位,相关滤波算法的追踪思想来源自信号处理过程,基于这一思想提出了很多跟踪效果良好的算法,在跟踪的准确性和鲁棒性方面都有一定的优势。但是在相关滤波算法跟踪的过程中普遍缺少对跟踪结果可靠性的判断,通常一次性获得跟踪结果同时采用逐帧更新目标模板的策略,容易在发生模板漂移时导致跟踪算法的准确性和鲁棒性差的问题。针对上述问题,本文提出基于相邻帧目标相似度的相关滤波
论文部分内容阅读
目标跟踪在计算机视觉的研究中有着举足轻重的地位,相关滤波算法的追踪思想来源自信号处理过程,基于这一思想提出了很多跟踪效果良好的算法,在跟踪的准确性和鲁棒性方面都有一定的优势。但是在相关滤波算法跟踪的过程中普遍缺少对跟踪结果可靠性的判断,通常一次性获得跟踪结果同时采用逐帧更新目标模板的策略,容易在发生模板漂移时导致跟踪算法的准确性和鲁棒性差的问题。针对上述问题,本文提出基于相邻帧目标相似度的相关滤波跟踪算法,具体的内容如下:（1）通过相邻帧的跟踪结果区域的相似面积在后一帧跟踪结果区域面积的比重表示相邻帧的目标相似度。设置目标相似度的阈值判断条件判别跟踪结果的可靠性,当判别跟踪结果不可靠时利用目标运动轨迹平滑度指标自适应选择历史帧的目标模板重跟踪。对重跟踪后的相邻帧的目标相似度再次进行阈值判断,当目标相似度较高时更新目标模板,否则不更新。（2）通过相邻帧的跟踪结果构成的向量夹角的余弦值表示相邻帧目标的余弦相似度。利用相邻帧目标向量的余弦相似度判断跟踪结果的可靠性,当跟踪结果判别为不可靠时根据较大的余弦值选取历史帧的目标模板重跟踪。对重跟踪后的相邻帧的目标向量的余弦相似度重新设置阈值判断条件,当相似度较低时,不更新目标模板,否则更新目标模板,并且根据余弦相似度自适应位置滤波器的时间正则的权重。针对以上算法,本文在基准数据集OTB-2015和UAV123@10fps上利用重叠成功率、精度和中心像素点距离误差等评价方式进行了大量的实验。实验说明,改进后的算法准确性和鲁棒性有了明显的提升,能够在一定程度上减小目标模板漂移的影响。
其他文献
最大熵模型中的最优化算法包括迭代尺度算法和拟牛顿算法,是典型的分类算法,但分类效果有待提高。由于分数阶微积分良好的全局性,本文结合分数阶微积分,对两种优化算法进行分数阶拓展,得到分数阶迭代尺度算法和分数阶拟牛顿算法,并设计实验验证两种分数阶优化算法的性能。本文首先结合分数阶微积分的理论,将整数阶的迭代尺度算法、拟牛顿算法与分数阶微积分联立,推导出分数阶迭代尺度算法和分数阶拟牛顿算法的数学表达式。然
随着大科学工程的不断推进,大口径、大视场天文观测仪器陆续投入使用,数据规模越来越大,复杂求解需求持续攀升。在高分辨太阳图像重建时,采用选帧位移叠加法和斑点掩模法,难以高效满足实时重建的需求。目前,现有处理方式还停留在CPU单进程或线程模式上,很容易导致CPU和GPU利用率低下,造成系统资源的浪费。解决这一问题的关键就是要对现有算法进行改进,提高CPU与GPU的协同并行计算能力。本文针对NVST中L
无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法因其具有精度高、复杂度低等优势广泛运用于无人自动驾驶、移动机器人定位等领域。随着目标领域对自主能力需求不断提高,UKF算法在这些领域还存在实时性较低等问题。FPGA（Field Programmable Gate Array）具有高并行性、高速、低功耗及重构性等优点,利用其优势实现UKF算法能够提高算法在目标领域的实时性,
文本语义相似度计算研究的目的在于进行高效的信息筛选和帮助人类排除重复信息,在通用领域和临床医疗领域中有很强的应用价值。在通用领域,文本相似度计算可以帮助大量的文本信息进行筛选,其中深度学习和自然语言处理的应用对于文本语义相似度计算有着很好的表现。对于临床医疗领域来说,电子健康记录的大量使用导致医疗文本信息的冗余,通过语义相似度计算可以很好的避免医学信息冗余和组织错误的问题,所以,文本语义相似度计算
关键蛋白质是生物体生存所必需的蛋白质,生物体一旦缺失关键蛋白质,就会造成特定功能的丧失,甚至死亡。识别关键蛋白质不仅有助于理解生物体的整个生命过程,而且有助于发现致病基因和药物的作用点。随着高通量技术的兴起,蛋白质相互作用数据逐渐丰富,基于蛋白质相互作用网络识别关键蛋白质进而成为研究的热点。虽然蛋白质相互作用网络是关键蛋白质识别的主要信息,但是近些年的研究表明一些相关的生物属性信息也是影响关键蛋白
肺炎已经成为当今社会威胁人类健康不可忽视的一个疾病,特别是卒中相关性肺炎容易与其他疾病混淆。传统的卒中相关性肺炎诊断方式通过统计方法构建预测模型,如Cox比例风险模型、逻辑回归模型等,此方法纳入影响发病特征过多、预测时间较长。随着人工智能技术的发展,机器学习方法对数据已经有较好的预测性能。在卒中相关性肺炎诊断背景下,本文利用机器学习技术对以往大量卒中相关性肺炎病例进行分析,针对患者是否患病构建预测
增强子能大大增强启动子的活性,发挥出调控基因转录进程的关键作用,其对促进关键基因的表达以及富集疾病相关变异的相关研究,拥有着重大研究价值,已经成为生物医学领域的研究热点。然而从海量基因数据中识别增强子及其强度,传统的生物实验鉴定已经不能满足高通量的数据需求,基于计算机技术的方法因其能够低成本且高效地处理高通量数据,成为可能替代传统生物实验的新方法。本文采用机器学习方法,通过构造出新的特征编码方案将
近年来,随着卷积神经网络的不断突破,目标检测在视频分析任务中具有重要意义和充满了挑战。虽然有很多优秀的视频目标检测器被提出,但它们只适合部署在GPU服务器集群上。为了大幅提高检测器的准确性,这些检测器的骨干网络多达数十层甚至数百层。两大主要原因限制了现有方法在嵌入式移动设备中的视频检测性能:1)嵌入式移动设备的计算能力比GPU集群低数百倍;2)感兴趣目标的运动和变化会导致大量的噪声和模糊。因此,在
磷元素是造成水体富营养化的主要元素之一，也被认为是不可再生资源，无论从环保排放要求还是资源回收角度，对外排污水磷酸盐含量都有严苛要求。基于Visual-MINTEQ软件，系统模拟了FeCl2、FeCl3、AlCl3、CaCl2 4种常用的化学除磷剂在不同pH、加药量下的除磷效果，结果表明FeCl3、AlCl3在偏酸性条件、FeCl2在近中偏碱性条件、CaCl2在碱性条件下除磷效果最佳；在最适p H
脑肿瘤是较常见的恶性肿瘤,严重威胁着人类的身体健康。为了更好的对脑肿瘤进行治疗,医生通过核磁共振技术构造脑肿瘤图像,对脑肿瘤图像进行精确地分割,以便更好地分析诊断病人的病情。传统的脑肿瘤图像分割方法虽然计算速度快,但由于依赖于用户指定的参数和图像预处理操作,图像分割精度较低。基于深度学习的网络分割模型在图像分割上具有更好的效果,然而,已有基于深度学习的二维脑肿瘤图像分割方法存在边界模糊、分割精度低