基于在线学习的压缩模版的目标跟踪算法

利用压缩感知(CS)矩阵建立压缩特征模版,通过在 线学习,实现一种更高效的目标跟踪算法。首先利用符 合有限等距性质的随机感知矩阵,取得跟踪目标表面特征的压缩模板;然后利用模板匹配 确定目标区域, 同时在跟踪过程中在线学习目标外观变化,并以此更新目标模板。采用了局部模板更新策略 ,使目标模板 更为准确,更能体现目标的变化状况。采用了模板匹配的确定性跟踪方法,大大减少了大量 正负样本的采 样,降低了算法复杂度。实验结果表明,与压缩跟踪(CT)算法相比,本文的基于在线学习的 压缩模版跟踪算法在时间性能 上有了明显提升,采用Kalman滤波器加速跟踪可提高6倍以上的时间性能,在多个标准测 试序列中的跟踪成功率也有了明显提高,有效地防止了跟踪中的漂移现象。     

新的基于Kalman滤波的跟踪方法

模板更新策略是匹配跟踪算法成败的关键，为了提高基于模板匹配跟踪算法的性能，在分析多种模板更新算法的基础上，给出使用Kalman滤波器更新模板的方法。该方法不再将模板图像视为一个整体，而是使用Kalman滤波器对模板图像逐像素点进行更新，以得到自适应和最佳的目标模板图像，使匹配跟踪算法的性能得到很大提高，特别对于目标被遮挡、目标姿态变化以及环境照度变化有很强的适应性。对匹配算法的改进和遮挡的处理使该算法的性能得到进一步提高。实验结果表明该方法行之有效。     

基于多模板的深度核相关滤波跟踪

针对跟踪过程中出现的遮挡、尺度变化、光照变化等问题,文章基于多模板提出深度核相关滤波算法。首先,多模板算法选取最佳滤波参数优化分类器训练样本的能力,多特征算法利用多种特征优化目标外观模型提高了跟踪过程的鲁棒性;其次,利用深度图信息计算跟踪过程中目标重叠率,判断目标的遮挡情况,遮挡时重新定义目标搜索区域,并判断是否重新跟踪目标,降低遮挡情况下的算法漂移问题;最后,根据目标遮挡情况判断是否更新分类器参数和目标外观模型,提高模板更新的可靠性。利用Princeton数据库测试算法,成功率和精度分别达到85.1和98.6,比第二名算法分别提高了7.04%和4.67%。实验从成功率、精确度方面说明基于多模板的深度核相关滤波算法优于传统算法,有一定研究价值。     

结合多模板的多域卷积神经网络视觉跟踪算法

为了适应视觉跟踪过程中目标外观变化,提高视觉跟踪算法的鲁棒性,本文基于卷积神经网络(Convolutional Neural Network,CNN)并结合多域学习法与多模板管理,提出一种通过树形结构管理多模板的多域卷积神经网络(Multi-Domain CNNs with Multiple Models in a tree structure)视觉跟踪算法。首先使用大量已标记目标位置的视频数据预训练多域结构的CNN,使CNN卷积层可从图像中提取出适用于跟踪任务的特征。然后在跟踪时中对CNN全连接层进行微调以适应跟踪目标,并使用树形结构管理存储不同时间段的目标模板得到模板树。使用模板树综合评价待检测帧,估计目标位置。最后按照一定规则将新模板添加进模板树,完成模板的更新。实验表明,该算法对跟踪过程中目标外观的变化有着良好的适应性,同时多模板可抑制CNN在跟踪时产生的模板漂移问题。     

扩展目标跟踪中的自适应模板刷新算法研究

在目标跟踪领域基于模板相关匹配的跟踪算法是一种非常实用而且有效的方法,但是由于目标表面在运动过程中经常会发生变形,因此需要使用模板刷新的方法来适应目标的变形。而普通的模板刷新策略又会导致模板漂移,为了减少这种刷新策略带来的漂移,对于扩展目标,利用其拥有较多细节的特点,提出了一种基于尺度不变特征变特征点的方法,将发生仿射变换的模板与原始模板的比较,利用比较的结果来决策刷新模板的时机,实验表明该方法对于扩展目标的跟踪来讲,该方法能够很有效而合理刷新模板,减少模板漂移,提高了跟踪精度。     

一种视觉跟踪中的模板更新策略

针对复杂场景中的目标外观和背景变化引起的模板 更新问题, 提出了一种新的视觉跟踪模板更新策略,用以提高目标模板正确性。算法利用特征信息在 时间和空间上的区别和变化,进行特征子量分类更新,避免了模型过更新,提高了目标模型 的容错能力,使更新带来的误差尽量小,以适应目标和背景信息的不断变化,在一定程度上 提高了跟踪算法的精准度和鲁棒性。实验结果表明,本文方法在视频跟踪系统中具有优越的 性 能,可以在目标运动、变化和遮挡情况下实现鲁棒跟踪。     

基于多阶段学习的相关滤波目标跟踪

由于跟踪过程中目标外观变化和遮挡因素的影响,采用单一迭代更新滤波器的KCF算法在学习过程中会积累过多的噪声信息导致目标丢失.为解决该问题,本文提出一种基于多阶段学习的相关滤波跟踪算法.通过建立具有互补关系的全局阶段滤波器模型、一致性阶段滤波器模型以及初始阶段滤波器模型并行的对目标进行跟踪.在benchmark数据集的51个视频上的实验表明,本文算法取得的总体精度得分77.6%和总体成功率得分68.9%优于现有的大部分跟踪算法.     

基于Kalman和双级联随机森林的在线目标跟踪算法

针对传统的基于检测的在线目标跟踪算法容易产生跟踪漂移的现象,提出了一种新的在线目标跟踪算法.以基于主方向模板特征的双级联随机森林分类器作为检测器,卡尔曼滤波器作为跟踪器.首先利用卡拉曼算法跟踪目标,然后以跟踪的目标位置为中心向外扩展一定的范围作为双级联随机森林分类器的检测区域,利用全局随机森林分类器和局部随机森林分类器进行目标检测,并将检测结果作为Kalman跟踪算法下一帧的观测值.实验结果显示,提出的算法在跟踪大小420×320的图像时,跟踪速度达到24.3 f/s(帧/秒),目标中心位置误差在30 pixel时,算法准确率可达到80％以上.     

基于自适应分块外观模型的视觉跟踪

提出将目标和遮挡物视为关联对象,利用遮挡物的特征来更新模板,引入高斯混合模型(GMM)进行自适应的模板学习。模板中的每个像素利用包含3个分量的GMM来表示。在当前帧中,一旦获得模板匹配,模板中每个像素及其对应的GMM都会进行相应的更新。实现结果表明,对于部分遮挡和外观变化,算法能够实现顽健的跟踪。     

复杂背景下抗遮挡的运动目标跟踪算法

通过对各种跟踪算法的研究,提出了一种适应性较好的目标运动预测与多模板匹配相结合的相关跟踪算法,并给出了模板匹配相关算法中的判断准则、模板更新准则和目标被遮挡判断。实验证明,该方法能够在复杂背景条件下运动目标发生遮挡时进行稳定跟踪。     

一种基于卡尔曼滤波及粒子滤波的目标跟踪算法

针对卡尔曼跟踪算法在非线性非高斯情况下跟踪结果不再准确,以及粒子滤波跟踪算法计算量大难以满足实时性的缺陷,提出了卡尔曼滤波及粒子滤波相结合的算法。利用卡尔曼滤波进行跟踪得到候选目标并计算目标模型与候选模型的匹配程度,若与目标模型匹配度小于一定阈值,则转换跟踪方式利用粒子滤波进行跟踪来修正卡尔曼滤波结果;同时,采用"模板缓冲区法"对目标模型进行更新以保证跟踪的连续性、稳定性及准确性。实验结果表明,这种跟踪算法既发挥了卡尔曼滤波的实时性又保持了粒子滤波的准确性,有较好的跟踪性能。     

Cancelable palmprint template generating algorithm based on adaptive threshold

Aiming at the problem of low recognition rate and poor security in the process of palmprint identity authentication, a cancelable palmprint template generating algorithm is proposed, which is based on local Gabor directional pattern with adaptive threshold by mean (mLGDP), difference local Gabor directional pattern with adaptive threshold by mean (mDLGDP) and feature fusion of them. In this method, the feature code of the image is segmented and the fea-ture vectors are extracted and binarized. Then the Bloom filter is used to achieve many-to-one mapping and the location scrambling of palmprint image. Finally, the scrambling result matrix and the user key are irreversibly transformed by the convolution operation to obtain a revocable template of the palmprint image. Both theoretical and experimental results analysis show that, in the case of key loss, the method of feature fusion can enhance the diver-sity of the original palmprint template effectively, improve the recognition rate efficiently, and have better security.     

一种基于交互式粒子滤波器的视频中多目标跟踪算法

在目标跟踪领域,常常通过建立先验模型,如路径一致性假设模型.对日标轨迹进行预测来处理跟踪过程中的遮挡问题.然而,当这种预测与目标的实际运动轨迹相差较大的时候就会发生跟踪失败.我们提出了一种交互式粒子滤波方法,通过判断不同目标样本观测之间的遮挡关系,自适应地选择不同外观模板进行相似性度量并更新粒子权值,成功地解决了跟踪过...     

DNA计算中的模板框优化方法研究

编码问题是目前DNA计算中的重点和难点之一,编码问题的难点就是当这些编码以某种方式线性连接起来表示一个特定的信息(如图的一个路径或一个最大团等),如何确保其中的每个编码能被唯一的识别.因此,如何有效使用编码是编码研究中要解决的另一个问题.本文在模板编码的基础上,提出了模板框的概念,并对其移位距离性质进行了研究.在此基础上,考察了词标长度、单词标及多词标等因素对模板框性能的影响.计算结果表明:多词标方法能够明显改善模板框的移位距离性质.最后,指出了模板框优化的进一步的研究方向.     

基于策略的IP网网管中SLA到策略的映射

分析了在应用SLA(服务等级约定)和eTOM的QoS管理框架中从SLA映射到网元配置的不一致性问题;引入基于策略的方法解决了问题,根据策略的需要,扩展了SLA模板;提出了业务指配策略模板,详细描述了SLA模板映射到业务指配策略模板的过程.     

融合GMS检测和置信度判别的TLD目标跟踪

针对目标在遮挡、尺度变化等复杂场景下易产生模型漂移问题,基于跟踪学习检测(TLD)框架提出一种结合基于网格的运动统计(GMS)检测和置信度判别的长时目标跟踪算法。首先在跟踪模块中采用快速判别尺度空间的相关滤波器(fDSST)作为跟踪器,利用位置滤波器和尺度滤波器对上一帧目标进行位置与尺度的判别,并依据TLD算法中跟踪模块与检测模块的独立性,将跟踪模块结果输入检测模块中,采用平均峰值相关能量(APCE)对模板更新进行置信度判别。在检测模块中先引入GMS网格运动统计作为检测器,使具有快速旋转不变性特征的ORB(OrientedFASTandRotatedBRIEF)算法对上一帧目标进行特征匹配,再利用网格运动统计对匹配结果进行过滤,实现目标位置的粗定位,依据预测位置对目标检测区域进行适当的动态缩减,最后使用级联分类器对目标进行精准定位。结果表明,本文提出的跟踪方法在有效防止模型漂移的情况下,大大提高了算法的跟踪速度,同时对目标遮挡、尺度变化及旋转等挑战环境也具有较好的准确性和鲁棒性。     

基于自适应遗传算法的模板匹配研究

目前图像模板匹配算法的一般都有计算量非常大的缺点,在实际运用中存在一定问题,根据这一问题提出了将自适应遗传算法应用到图像模板相关匹配中.模板匹配实际是寻找最优解的问题,将模板和子图像的互相关函数做为目标函数,基于自适应遗传算法实现了快速模板匹配算法.最后根据实验说明了该算法较搜索式模板匹配算法计算量大大减少的优越性.     

毫米波人体安检图像自适应滤波方法

为解决毫米波人体安检图像背景区域的大量毛刺、混叠等噪声对隐匿物体识别造成的干扰问题,提出一种自适应的二次模板匹配滤波方法。首先将原始图像进行水平集二值分割,然后将分割结果作为模板对原始图像进行背景滤除,最后将滤除背景的结果作为先验图像对原始图像进行改进的双边滤波。基于毫米波成像系统的实际图像进行对比实验,验证了此算法相比于传统滤波方法的改善,并证明此算法可以针对性地滤除毫米波安检图像的背景噪声,保留人体区域的图像细节,有利于毫米波安检图像中的隐匿物品识别与定位。