基于容积卡尔曼滤波的视频目标跟踪算法

视频目标跟踪是计算机视觉领域的研究热点,具有很强的应用前景。为了提高复杂动态场景下跟踪算法的准确性、实时性和鲁棒性,分析了容积卡尔曼滤波和均值漂移算法的优缺点,本文提出了基于容积卡尔曼滤波结合均值漂移的全自动融合跟踪算法。本算法首先利用基于ORB特征点匹配的改进帧差法对视频目标自动标注,获取目标的初始位置,然后采用融合跟踪算法估计目标的位置和更新搜索窗口,从而实现全自动目标跟踪。本文采用标准视觉目标跟踪数据集VTB进行实验,实验结果表明全自动跟踪算法可以提高跟踪精度,且满足实时性和鲁棒性。     

基于深度学习的暴恐视频识别模型研究

为了在海量的视频数据中快速、准确地识别出可能存在暴力、恐怖或极端主义内容的暴恐视频,本文基于卷积长短时记忆网络（ConvLSTM）构建了一个针对暴恐视频检测的深度学习模型。该模型通过对视频帧序列进行特征提取和时序建模,能够有效地检测出暴恐视频,具有较高的准确率和鲁棒性。实验结果表明,本文提出的模型在暴恐视频检测任务上取得了良好的表现,相比传统方法有了明显的提升。