【摘 要】
：
提出了一种改进的核相关滤波(KCF)实时目标跟踪算法.增加初始化跟踪范围自适应的策略,同时在跟踪过程中采用动态学习率.利用初始化跟踪范围自适应方法对跟踪目标响应趋势进行快速判断,若响应值快速衰减,则扩大跟踪范围.动态学习率的设定也与目标响应强度密切相关,当目标响应强度较高时,目标学习率较高,增加模型的鲁棒性;当目标响应值低时,模型学习率降低,减少模型保护的噪声信息.最后介绍了DSP6455定点单核
论文部分内容阅读
提出了一种改进的核相关滤波(KCF)实时目标跟踪算法.增加初始化跟踪范围自适应的策略,同时在跟踪过程中采用动态学习率.利用初始化跟踪范围自适应方法对跟踪目标响应趋势进行快速判断,若响应值快速衰减,则扩大跟踪范围.动态学习率的设定也与目标响应强度密切相关,当目标响应强度较高时,目标学习率较高,增加模型的鲁棒性;当目标响应值低时,模型学习率降低,减少模型保护的噪声信息.最后介绍了DSP6455定点单核定点处理器上的算法移植工作,实测耗时为23 ms,满足实时性要求.
其他文献
Silicon Labs(亦称"芯科科技")推出Secure Vault技术,先进的安全功能新套件旨在帮助可连接设备制造商应对物联网(IoT)不断升级的安全威胁和监管压力。Silicon Labs的Wireless Gecko Series 2平台通过将一流的安全软件功能与物理不可克隆功能(PUF)硬件技术相结合,充分发挥Secure Vault的优势,大大降低了物联网安全漏洞和知识产权受损的风险
5月31日,SpaceX龙飞船成功将两名NASA宇航员送入太空。这离埃隆·马斯克在火星上种玫瑰的梦想又进了一步。6月1日,我国将在7至8月执行首次火星探测的消息登上微博热搜。当人们为此欢欣鼓舞时,这项重大任务的"主帅"却已不在人世。5月20日,中科院院士、中国首次火星探测任务"天问一号"首席科学家万卫星在京病逝,享年62岁……5月20日晚上,一场暴雨毫无征兆地倾盆而下。21点38分,中国科学院院士
微表情是源于人的情感表情的真实体现,在动画制作的过程中无论是二维动画还是三维动画的人物表情都需要尽量模拟真实人物面部表情。微表情动画关键帧嵌套指在参考真实微表情数据的基础上,形成模拟的微表情图形,将图形的关键帧在已有的表情动画关键帧序列基础上进行二次嵌套插入,对面部表情进行精细化的动画模拟。基于人面部微表情库的数据来对关键帧数据进行图形创建和插入,实验结果比没有插入微表情关键帧的动画效果更加生动,
针对计算鬼成像采样过程中出现的数据扰动及采样次数不易较多所引起的鬼图像质量较差的问题,提出了一种基于Tikhonov正则化的计算鬼成像方法。该方法利用一个表征噪声强度的约束项,将计算鬼成像问题转化为信号误差与噪声强度最小化的数学问题,并利用广义交叉验证法选取合适的正则参数来重构待测物体的鬼像。实验结果表明,所提算法在干扰情况下明显优于传统鬼成像、差分鬼成像和伪逆鬼成像,具有较强的稳定性;在无干扰情
提供了一种基于机器视觉的双视野双光路远心系统设计方案,以折射棱镜为分界,将远心系统分为物镜部分与目镜部分,通过增加或更换目镜,即可在原有系统中同时实现不同的光学放大率,提高了远心系统在不同场合的适用性。设计了一款具有双视野的双远心系统。该系统工作距离为130mm,物方视场分别为40mm与80mm,搭配ON Semiconductor公司生产的型号为SN5000A的成像芯片,光学放大倍率分别为-0.
澳门科技大学于2005年开始参与"嫦娥探月工程"载荷研制及数据分析和研究工作。2018年7月,澳门科技大学成立月球与行星科学国家重点实验室(以下简称实验室),于同年10月8日正式挂牌,成为天文与行星科学领域第一个国家重点实验室。2019年12月15日,澳门太空探索与科学中心(以下简称中心)在澳门科技大学揭牌。实验室/中心的成立是国家大力发展深空探测,推动粤港澳大湾区科技创新,提升澳门科技水平的重要
美国航空航天局(NASA)顾问委员会下设载人探测与运行委员会的委员们,对该局能否按现行规划赶在2024年前送人重返月球表示怀疑,并对该局的登月着陆器研制思路感到担忧。在该委员会为期两天的一次会议2020年5月14日结束时,一些委员称,鉴于目前的进展情况,并基于半个多世纪前"阿波罗"登月的经验,他们认为2024年登月的目标实现不了。批评最尖锐的是前NASA航天飞机和"国际空间站"计划经理霍洛韦。
2020年6月23日9时43分,在中国西昌卫星发射中心,长征三号乙运载火箭托举着北斗三号最后一颗全球组网卫星直破云霄。北斗卫星导航系统第55颗卫星已准确进入预定轨道,此次发射任务取得圆满成功!被誉为北斗"专列"的长三甲从2007年发射首颗北斗卫星起,13年间,"金牌火箭"长三甲系列运载火箭将所有北斗卫星送入预定轨道,发射成功率100%。可以说长三甲系列火箭伴随了北斗系统建设发展的每一步,是名副其实
基于传统图像处理方法的车道线检测算法,易受到各种自然条件的影响,鲁棒性差、检测准确率不高,且不具备特征的语义描述能力,当图像的像素发生变化时检测效果会明显下降。针对这些问题,为提高复杂场景的车道线检测准确率,提出一种基于多尺度全卷积神经网络的车道线检测模型。该模型首先采用空间金字塔池化结构提取多尺度的图像纹理信息来增强深度网络的表征能力;其次选用加权损失函数提高车道线的检测准确率;最后通过训练网络
散斑计量中,为了在动态测量中得到清晰的原始散斑条纹图,使更有效的提取相位信息,提出一种改变像面散斑平均尺寸大小对散斑成像影响的方法,进而改善原始散斑条纹图的清晰度。通过分析光路参数F数和放大倍数与像面散斑尺寸大小的定量关系,通过实验进行了验证。实验结果表明,形变量一定,系统放大倍数为1,成像透镜F值为4. 5,或者,当F数为2,系统放大倍数为3. 5,像面散斑平均尺寸大小为5. 841μm,最接近