基于深度学习的视觉多目标跟踪算法综述

视觉多目标跟踪是计算机视觉领域的热点问题,然而,场景中目标数量的不确定、目标之间的相互遮挡、目标特征区分度不高等多种难题导致了视觉多目标跟踪现实应用进展缓慢。近年来,随着视觉智能处理研究的不断深入,涌现出多种多样的深度学习类视觉多目标跟踪算法。在分析了视觉多目标跟踪面临的挑战和难点基础上,将算法分为基于检测跟踪（Detection-Based-Tracking,DBT）、联合检测跟踪（Joint-Detection-Tracking,JDT）两大类及六个子类,研究不同类别算法的优缺点。分析表明,DBT类算法结构简单,但算法各子环节的关联度不高,JDT类算法融合多模块联合学习,在多项跟踪评价指标中占优。DBT类算法中特征提取模块是解决目标遮挡问题的关键,但损失了算法速度,JDT类算法对检测模块更为依赖。目前,多目标跟踪跟踪总体是从DBT类算法向JDT发展,分阶段实现算法准确度与速度的均衡;提出多目标跟踪算法未来在数据集、各子模块、具体场景应用等方面的发展方向。     

一种面向多对象多媒体应用的同步控制方法

多对象多媒体应用允许多路媒体同时呈现,其同步控制比较复杂,可分为传输过程中与呈现过程中的同步。然而现有的同步方法忽略了媒体在最后呈现过程中的同步,也没有考虑各媒体对象之间的同步要求差异。针对以上问题,为视频点播提出了一种在应用层上控制多对象多媒体同步呈现质量的方法。在采用多级缓冲门限实现媒体内同步反馈控制的基础上,依据主要媒体对象的呈现时间戳,在每一个呈现场景内调整次要媒体对象的呈现速率,从而实现媒体间的同步呈现。实验结果表明该方案能够有效地提高同步质量,且媒体间的同步性能平均提高28.45%。     

木材缺陷识别新方法——改进C-V模型与小波变换

分析了木材缺陷、单板节子的特点,提出了一种基于改进的C-V模型、小波变换及背景填充技术的缺陷识别算法。采用symlet5小波,对原图像进行一级二维离散小波变换,分别得到低频分量和高频细节,对低频分量用背景填充技术进行处理得到新的低频图像,分别使用改进的C-V 模型对各子图像识别,利用二维离散小波重构图像,进行Gauss滤波,得到分割结果。     

基于多目标动态规划的多跑道进港排序

随着航空运输的高速增长,航班延误日益严重,而对飞机进行进港排序和跑道调度能有效提高机场吞吐量、减少飞机燃油花费,从而减轻航班延误,提升经济效益.由于大量飞机的多跑道进港优化调度问题是一个非确定型多项式完全(NP-C)问题,该问题一直没有得到有效解决.本文针对已有的基于位置交换束缚的单跑道动态规划算法运算量大、运算效率低的不足,采用优化解空间的措施并运用贪心策略,同时将其推广到双跑道调度,从而解决大量飞机的双跑道、多目标进港排序优化问题.大量仿真实验表明,该算法复杂度与飞机数量呈近似线性关系,能在较短时间内对吞吐量和降落花费同时实现优化.     

在线多类别逐点式多目标跟踪与分割

现有基于深度学习的多目标跟踪算法大多利用目标检测任务预测的边界框跟踪目标,当目标间存在遮挡时,边界框会产生重叠进而影响跟踪准确度,针对这个问题,提出了一种在线多类别逐点式多目标跟踪与分割（category-free point-wise multi-object tracking and segmentation,CPMOTS）算法。该算法摒弃了边界框的目标表征方式,利用实例分割的像素级掩码表征目标进行跟踪,网络采用并行结构同时分割与跟踪多类别目标,并保证了运行效率,这在真实场景中有很强的实用性。CPMOTS首先利用实例分割网络得到实例分割掩码,对其采样得到无序点集;然后将点集的特征输入跟踪网络得到判别性的实例级嵌入向量;最后将该嵌入向量通过直观高效的注意力模块以显式建模其通道间的依赖关系,自适应学习每个特征通道的重要程度,依照这个重要程度选择性地强化有用的特征,抑制无用的特征,实现通道特征重标定,从而提高算法的性能。在多目标跟踪与分割基准数据集KITTI MOTS的实验表明,CPMOTS跟踪的精度优于大部分其他对比方法,并达到了16 frame/s的近实时速度。     

面向多人多生物属性的跨视角步态追踪系统

步态识别是一项新兴的生物识别技术, 可以被广泛地应用在刑事安防, 疫情传播链追踪等领域, 该项技术的本质在于通过人的人体体型和行走姿态来识别人的身份, 年龄, 性别等多种生物属性. 相比其他生物识别技术, 步态识别具有远距离, 全视角, 无感知, 防伪装等显著优势. 基于此, 本文设计了一款面向多人多生物属性的跨视角步态追踪系统, 该系统充分考虑了现实应用场景中存在的多人, 跨视角, 服饰变化等协变量对于步态识别准确率的影响, 并通过更加鲁棒的算法设计从复杂的环境中提取行人的步态信息从而对其身份, 年龄, 性别等生物属性进行准确的分析. 实验结果表明, 在跨视角和多种行走状态的情况下, 本系统中基于深度学习的步态识别算法模型的准确率可以达到88.0%, 在多视角的情况下, 性别分类准确率可以达到94.8%, 年龄估计的平均年龄误差约为7.92岁, 标准差约为8.11, 实验结果均优于近年来相关领域的算法, 达到相对领先的水平. 同时系统开发成本低, 面向落地应用场景, 并支持实时性步态检测.     

基于基础颜色特征的自适应尺度的多目标跟踪算法

在多目标跟踪领域,多个相似目标间相互遮挡时,易产生误跟踪、漏跟踪等问题。针对上述问题,通过引入语言学中的基础颜色及自适应尺度因子来解决。采用颜色命名过程及主成分分析法,提取目标基础颜色特征,准确区分相似目标;同时引入自适应尺度因子,自动改变目标尺度,减少因尺度变化而引入的干扰信息,增强目标外观模型的鲁棒性。基于以上两点,在Structure Preserving Object Tracking（SPOT）算法基础上,提出了Basic Color Adaptive Scale SPOT（CSSPOT）算法。在对比实验中,CSSPOT算法在跟踪准确率及计算时间这两方面较原算法均有所提升,充分说明了基础颜色特征及自适应尺度因子的正确性及有效性。     

基于模糊规划的气辅产品品质优选决策模型及应用

针对气辅产品品质涉及的指标、影响因素多而复杂的特点,通过对气辅产品成型工艺的分析,结合正交实验,运用模糊数学原理及规划方法设计了优选的模糊多属性决策模型。结合具体实例验证了本文提出的算法模型是可行的,可以较快且较准确地找出优选的气辅产品及相应的工艺方案。     

MOHHA求解不可靠生产线多目标缓冲区分配问题

研究含有可失效机器的不可靠串行生产线上缓冲区容量分配问题,以最大化生产线生产率和最小化生产线缓冲区总量为多目标,提出一种多目标混合启发式算法（MOHHA）。采用了离散事件仿真方法,建立生产率与缓冲区容量分配的仿真模型作为算法的评价工具。算法第一步求得生产线最大生产率,并作为目标生产率进一步求解最小化缓冲区总量。通过三组测试算例,与以往研究结果作对比验证了算法的有效性和优越性。     

煤的气化方法与炉型选择的决策分析

首先简要回顾和介绍了生产煤制气的各种方法及气化装置。接下去着重介绍和讨论了适用于煤的气化方法与炉型选择这一类工业规划问题的多目标决策分析方法——具有先验偏好的离散模型的消去和选择转换算法ELECTREⅠ,编制了电算程序,给出了实例分析。最后,作者对气化方法与炉型选择的技术经济政策提出了若干意见。希望本工作能对决策科学化、定量化有所促进。