基于改进DSST的行人遮挡跟踪算法

为解决判别尺度空间跟踪(DSST)算法在行人处于长期完全遮挡后又重新出现的情况下无法跟踪的问题,提出了一种改进的跟踪算法(DDSST).在DSST框架下,首先对行人目标跟踪,然后,引入高置信度指标计算策略作为跟踪准确可信度反馈机制,在跟踪丢失时利用可变部件模型(DPM)对跟踪目标重新定位.最后,通过评估在线目标跟踪基准...     

基于推理系统的行人跟踪优化算法

针对如何使用已有的视觉分析结果完成更为复杂的检测和跟踪,改善复杂场景中行人跟踪的性能和鲁棒性等相关问题,提出了一种基于MPEG-7标准描述的行人跟踪算法。首先,根据MPEG-7多媒体描述标准提出并实现一种行人描述模型,对已有的行人检测跟踪结果进行描述。在描述模型的基础之上,提出了一种基于推理系统的行人检测与跟踪算法。算法的核心包含三个部分,推理规则,行为规则和命题规则。通过命题规则的判断,推理规则的推理和行为规则的操作,上述方法克服了目标跟踪不连续以及复杂情况下的聚集分离等问题。同时,跟踪的结果反馈给描述信息,通过描述信息和跟踪结果的相互作用,提高了跟踪的效果,最终实现了复杂环境下的行人跟踪。最后的实验结果说明了所提算法正确性。     

基于行人属性先验分布的行人再识别

为了提高基于深度学习和属性学习的行人再识别的识别精度,提出一种联合识别行人属性和行人ID的神经网络模型.相对于已有的同类方法,该模型有三大优点：1）为了提高网络在微调后的判别能力,在网络中增加了一层保证模型迁移能力的全连接层;2）基于各属性样本的数量,在损失函数中对各属性的损失进行了归一化处理,避免数据集中属性类之间的数量不均衡对识别效果的影响;3）利用数据中各属性分布的先验知识,通过数量占比来调整各属性在损失层中的权重,避免数据集中各属性正负样本的数量不均衡对识别的影响.实验结果表明,本文提出的算法具有较高的识别率,其中在Market1501数据集上,首位匹配率达到了86.90%,在DukeMTMC数据集上,首位匹配率达到了72.83%,在PETA数据集上,首位匹配率达到了75.68%,且对光照变化、行人姿态变化、视角变化和遮挡都具有很好的鲁棒性.     

融合HOG与颜色特征的粒子滤波行人跟踪算法

针对传统粒子滤波算法颜色特征单一、行人非刚性不稳定等问题,融合简化的HOG特征和加权的颜色直方图,建立了改进的粒子滤波行人跟踪算法,采用图像分块相似度检测,抑制跟踪过程中行人结构、背景结构及遮挡的干扰。实验表明,该算法在背景颜色相似及遮挡情况下,仍能稳定可靠地跟踪行人,具有较高的准确性与鲁棒性。     

多线索融合的无视野重叠跨摄像机行人跟踪算法

针对单个摄像机视野有限而无法满足日益扩大的监控范围的现象,此文对无视野重叠的跨摄像机行人跟踪算法进行了研究,并提出了一种融合时空线索和外观线索的无视野重叠跨摄像机行人跟踪算法。文章在对已有摄像机网络拓扑结构估计算法分析的基础上提出了一种基于加权时间窗口的无视野重叠摄像机网络拓扑结构估计算法。然后利用朴素贝叶斯完成两种线索融合,实现不同摄像机间行人匹配和跟踪信息的传递,最终实现无视野重叠区域的跨摄像机行人跟踪。该算法在公开的MCT数据集上进行对比实验并取得了优于其它算法的结果。     

深浅特征融合的实时单目标行人跟踪

单目标行人跟踪是计算机视觉目标跟踪领域最基础、也是研究最广泛的任务之一,而目前大多数使用的相关滤波类算法和深度学习类算法则分别在跟踪精度和跟踪实时性上存在不足.针对上述问题,本文提出一种将目标图像的深浅特征融合的实时单目标行人跟踪方法.算法利用卡尔曼滤波器预测目标位置,通过计算四分颜色直方图提取目标的浅层颜色特征,并获得预测相似性以判定预测的可靠性.使用YOLOv4模型作为检测器,提取目标深度特征并分别计算运动信息和外观信息的距离度量,同时提取浅层颜色特征计算得到相似距离度量,通过特征距离度量的加权融合对检测目标进行匹配与更新.最后,利用提出的轨迹更新策略协调预测和检测的调用关系,达到准确性与实时性的平衡.算法在OTB100和LaSOT数据集上进行了测试实验,结果表明:所提算法的跟踪准确率分别达到0.581和0.453,在GPU上分别能达到33.64 FPS和35.32 FPS的跟踪速度,满足实时跟踪的要求.     

基于多粒度特征的行人跟踪检测结合算法

对于一些较为流行的应用,例如视频场景监控,对行人的长期有效跟踪是应用的基础.尽管对目标检测与跟踪的相关技术研究已经有了很长的历史,但是如何实时并较为准确地实现目标行人跟踪目前仍然是一个活跃的研究领域.基于多粒度的思想,提出了一种改进的行人跟踪算法,将卷积特征与底层颜色特征结合,对基于深度学习的跟踪算法GOTURN(generic object tracking using regression networks)得到的跟踪结果进行判断决策,结合目标检测对跟踪结果进行修正.实验结果表明:与单一的跟踪算法相比,多粒度决策的跟踪算法能够更加准确地对目标行人进行跟踪,可以显著提高跟踪精度.     

融合先验知识推理的表面缺陷检测

当前基于深度学习的表面缺陷检测方法主要侧重于单独识别缺陷实例,即仅从区域特征方面考虑缺陷检测.然而,这种方法忽略了缺陷之间的高层关系,难免会出现缺陷检测误差.针对上述问题,提出了一种融合先验知识推理的表面缺陷检测网络(PKR-Net).PKR-Net 主要由 2 个部分组成,即显性知识推理模块(EKRM)和隐性知识推理模块(IKRM).EKRM 通过构建显性关系图(ERG)来捕获数据集中缺陷之间的全局共现关系得到共现关系特征,而 IKRM 通过构建隐性关系图(IRG)来捕获图像中缺陷之间的局部空间关系得到空间关系特征.最后将得到的共现关系特征和空间关系特征进行融合,并重新送入分类层和回归层以改进检测效果.在工业缺陷数据集Textile,NEU-DET和GC10-DET上进行实验验证,实验结果表明,该网络模型相比基线模型Faster RCNN,其mAP分别提升了 14.8%,8.2%和 18.9%,与其他缺陷检测模型相比能够达到更好的检测性能,验证了模型的有效性.     

基于局部图块匹配的行人跟踪算法

针对传统行人跟踪算法计算复杂度高的问题,提出一种基于局部图块匹配（local block-graphs matching , LBGM ）的行人跟踪算法。利用摄像机采集视频流帧画面中含有行人的多幅视频图像,按照行人所在的图像区域进行分割;对图块进行数据关联匹配,通过匹配结果完成对行人的检测过程,得到检测的行人集合;针对行人集合,利用损失最小化进行最小偏差的路径预测,实现行人的跟踪过程。选取多相机行人视频（multi-camera pedestrians video ）进行对比实验,实验结果表明,该算法可以有效地跟踪行人,较传统算法有更好的行人检测率和跟踪准确率。     

行人跟踪技术综述

行人跟踪是当前机器视觉中非刚性运动目标跟踪领域的热点问题,将这一问题分为行人检测和行人跟踪两大部分,并对其进行了详细介绍。分析了不同的检测和跟踪方法,对行人跟踪中存在的疑难问题进行了总结,最后对行人跟踪问题的研究进行了简单的展望。     

交通信息采集系统中的行人检测算法

根据高速公路行人运动的先验知识,设计了一种基于视频检测技术的高速公路行人检测算法.该算法采用背景帧差分法获取运动目标区域,采用跟踪链实现运动目标跟踪,根据行人运动的先验知识在运动目标中检测行人.算法已嵌入到交通信息采集系统中,在高速公路上进行的现场测试结果表明,算法具有较好的实时性和实效性.     

基于先验知识的自适应多叉树防碰撞算法

为提高无线射频识别(RFID)系统快速识别大量标签的能力,提出一种基于先验知识的自适应多叉树防碰撞算法。利用标签访问的规律性和标签分布的随机性,在不同的搜索深度,根据已有的先验知识和碰撞比特信息估计待识别的标签数量,从而动态地自适应选择搜索叉树。通过有效减少碰撞和空闲时隙数,大幅提高读写器搜索和识别标签的能力。理论分析与仿真实验结果表明,该算法能克服传统自适应多叉树防碰撞算法的缺点,合理选择初始搜索叉树,尤其在待识别标签数量较多的场合,可有效提高RFID系统的吞吐率。     

机动目标跟踪的IMM和IMMF-LS自适应滤波算法

介绍了一种跟踪机动目标的交互式多模型 (IMM)自适应滤波算法 ,并在其基础之上介绍了一种基于状态的扩充具有固定延时的平滑IMM算法 (IMMF -LS) ,分别采用了Singer模型和“当前”统计模型与CA模型进行交互运算。蒙特卡洛仿真结果表明了IMM具有明显的综合多模型的优点 ,IMMF -LS的跟踪精度明显高于IMM算法。     

基于自适应压缩特征选择的实时目标跟踪算法?

针对压缩感知算法中的低维特征对目标重构效果较差的问题,提出基于自适应压缩特征选择的目标跟踪算法。该算法首先提取满足目标重构要求的高维压缩特征,再通过所提出的特征选择方法选择区分度高的低维特征作为目标的外观模型,从而降低计算复杂度。为自适应选择特征,采用一种差分方法控制特征维数,满足实时性要求。实验表明,与其他算法相比,文中算法具有更强的鲁棒性和实时性。     

基于声学传感器的目标跟踪扩展算法

针对机动的目标跟踪,提出扩展的卡尔曼滤波器/多假设跟踪方法(EKF/MHT),该算法具有结构和计算简单,鲁棒性好的特点,同时研究了和声学传感器相联系的目标数量、位移量和探测分辨率对跟踪性能的影响,并通过仿真,充分说明了文中所提出的跟踪算法能够较好地弥补传统的Kalman滤波/MHT方法在跟踪机动目标时的不足。     

一种快速的暗通道去雾算法

为了在保证暗通道先验假设去雾效果的基础上,加快处理速度,提出了一种快速去雾算法。首先,根据暗通道先验假设结合中值滤波得到透射图;再根据函数构造的思想对透射图进行精确化处理;最后,采用直方图非线性拉伸实现处理后图像亮度的调整。通过对大量雾天图像处理效果图与近年来一些去雾算法处理效果图的主观和客观比较表明,该算法在保证去雾质量的前提下,提高了速度,而且去雾后图像色彩鲜艳,细节清晰。     

面向不同距离的实时人体检测与跟踪系统

提出一种实时的覆盖不同距离的人体检测与跟踪系统,可快速准确检测和跟踪监控区域内出现的人体目标.该系统通过使用背景减除技术,分割背景与移动前景,缩小检测范围.针对在不同距离下便于提取的人体特征不同的情况,系统结合人体轮廓、头部、人脸等多种不同的特征描述、检测方式,并且充分利用视频信息在时间上的连续性及人体部分几何尺寸位置关系的先验知识,提高检测跟踪的效率和准确度.该系统较好地解决由于目标相对摄像机距离的改变导致跟踪失败或速度过慢的问题.     

基于修正的卡尔曼滤波自适应跟踪算法

针对卡尔曼滤波对匀速运动目标能有效的跟踪,但是当目标出现转弯时,很难达到跟踪精度的要求,甚至丢失目标的现象.对卡尔曼滤波算法进行了改进,在观测向量中引入了两个加速度误差变量,它们动态地修正状态估计误差从而减少跟踪精度误差,形成了修正的Kalman算法.但是由于状态变量维数增加,使得计算量增加,实时性下降,将卡尔曼滤波算法与修正的卡尔曼滤波算法两种算法相结合,提出了基于修正的卡尔曼滤波自适应跟踪算法.仿真结果表明,具有良好的稳定性和精确度,优于一般的卡尔曼滤波算法.     

基于加速自适应时空背景感知相关滤波的目标追踪算法

基于相关滤波设计鲁棒的追踪算法是目标追踪领域的一个重要研究方向.背景、空间信息和时间信息对提高算法的追踪性能具有重要意义.在背景感知追踪算法的基础上,融合空间信息和时间信息,考虑空间权值矩阵的自适应性,文中提出基于加速自适应时空背景感知相关滤波的目标追踪算法.运用加速的交替方向乘子法求解空间权值矩阵和滤波器,实现目标自...