目標(biāo)跟蹤
- 基于Lucas-Kanade算法的目標(biāo)跟蹤研究
景下，傳統(tǒng)的目標(biāo)跟蹤算法容易出現(xiàn)人員跟丟、身份變換、目標(biāo)被遮擋無法識(shí)別等情況，無法做到對目標(biāo)的準(zhǔn)確實(shí)時(shí)跟蹤。該文選擇Lucas-Kanade算法，用以對視頻中的移動(dòng)目標(biāo)進(jìn)行檢測與跟蹤研究。在時(shí)間流運(yùn)動(dòng)目標(biāo)軌跡不相同時(shí)，利用各幀圖像上的運(yùn)動(dòng)目標(biāo)軌跡偏差對算法進(jìn)行評估，主要估算算法對運(yùn)動(dòng)目標(biāo)的跟蹤具體情況。實(shí)驗(yàn)結(jié)果表明，該算法能有效防止被跟蹤點(diǎn)因被遮擋、隱沒或紋理特性改變而引起的跟蹤失敗，實(shí)現(xiàn)對運(yùn)動(dòng)目標(biāo)的準(zhǔn)確、實(shí)時(shí)和穩(wěn)定跟蹤，從而為變電站在復(fù)雜環(huán)境中的運(yùn)動(dòng)目標(biāo)
電腦知識(shí)與技術(shù) 2023年31期2023-12-25
- 概率密度函數(shù)信息融合概述
機(jī)器學(xué)習(xí)； 目標(biāo)跟蹤中圖分類號：? TJ760文獻(xiàn)標(biāo)識(shí)碼：A文章編號： 1673-5048（2023）03-0001-10DOI： 10.12132/ISSN.1673-5048.2022.02050引言目前， 針對狀態(tài)信息的信息融合表達(dá)較多是以變量（標(biāo)量、 向量、 矩陣）及隨機(jī)變量的形式表示。 通過對變量的加權(quán)平均求融合中心或者通過對隨機(jī)變量的均值和方差進(jìn)行加權(quán)平均， 從而實(shí)現(xiàn)對多狀態(tài)信息的融合。 然而， 均值和方差僅僅代表隨機(jī)變量的一階和二階統(tǒng)計(jì)量信息
航空兵器 2023年3期2023-07-20
- 復(fù)雜場景下自適應(yīng)特征融合的圖像運(yùn)動(dòng)目標(biāo)跟蹤算法研究
? ? 針對目標(biāo)跟蹤所面臨的尺度變化、 快速運(yùn)動(dòng)導(dǎo)致的跟蹤漂移或失敗問題， 提出一種復(fù)雜場景下自適應(yīng)特征融合的圖像運(yùn)動(dòng)目標(biāo)跟蹤算法。 本文分別設(shè)計(jì)了目標(biāo)分類和目標(biāo)估計(jì)模塊， 并將其有效結(jié)合。 在目標(biāo)分類模塊， 設(shè)計(jì)了一種自適應(yīng)特征融合機(jī)制。 該機(jī)制融合了多層深度特征以實(shí)現(xiàn)有效的在線跟蹤。 此外， 設(shè)計(jì)的聯(lián)合更新策略通過優(yōu)化投影矩陣層和相關(guān)層， 在處理運(yùn)動(dòng)模糊、 嚴(yán)重目標(biāo)形變時(shí)具有更強(qiáng)的魯棒性。 在目標(biāo)估計(jì)模塊， 引入IoU（Intersection ove
航空兵器 2023年2期2023-06-25
- 自動(dòng)全局上下文感知相關(guān)濾波器跟蹤算法
效果.關(guān)鍵詞目標(biāo)跟蹤；相關(guān)濾波；自動(dòng)空間正則化；全局上下文 ；時(shí)間感知中圖分類號TP391.4文獻(xiàn)標(biāo)志碼A收稿日期2021-07-30資助項(xiàng)目國家自然科學(xué)基金（61601230）作者簡介胡昭華，女，博士，副教授，主要研究方向?yàn)橐曈X跟蹤、模式識(shí)別.zhaohua_hu@163.com0 引言目標(biāo)跟蹤是機(jī)器視覺和大數(shù)據(jù)領(lǐng)域的重要研究任務(wù)之一.利用第1幀給出的目標(biāo)對象的相關(guān)信息，在之后的連續(xù)視頻幀定位跟蹤對象的位置，主要涉足視頻監(jiān)控、交通巡邏、醫(yī)學(xué)圖像、無人機(jī)等
南京信息工程大學(xué)學(xué)報(bào) 2023年1期2023-06-14
- 圖像識(shí)別技術(shù)在錄播系統(tǒng)中的研究
；目標(biāo)檢測；目標(biāo)跟蹤中圖分類號：TP391? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號：1009-3044（2023）06-0097-06開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）0引言國家“十三五”教育改革提出通過提升教育信息化促進(jìn)教育公平、提高教育質(zhì)量的方針[1]。近年來隨著云計(jì)算、大數(shù)據(jù)等技術(shù)的實(shí)現(xiàn)，使利用信息化手段擴(kuò)大優(yōu)質(zhì)教育資源覆蓋面、縮小區(qū)域、城鄉(xiāng)、校際教育資源不均衡再次提上議程。錄播采集課堂教學(xué)資源，促進(jìn)優(yōu)質(zhì)教育資源共享的特點(diǎn)，使得錄播系統(tǒng)成為教育均衡
電腦知識(shí)與技術(shù) 2023年6期2023-04-14
- 基于深度霍夫優(yōu)化投票的三維時(shí)敏單目標(biāo)跟蹤
維點(diǎn)云時(shí)敏單目標(biāo)跟蹤問題，提出了一種基于深度霍夫優(yōu)化投票的深度學(xué)習(xí)算法。首先， 采用PointNet++網(wǎng)絡(luò)分別從模板點(diǎn)云和搜索點(diǎn)云中計(jì)算種子點(diǎn)、提取幾何特征，并通過面向目標(biāo)的特征提取方法將目標(biāo)模板信息編碼到搜索區(qū)域中。其次，通過種子點(diǎn)投票計(jì)算并篩選出具有高置信度的潛在目標(biāo)中心。最后，通過目標(biāo)中心點(diǎn)的采樣、聚集產(chǎn)生多個(gè)提議，選取具有最高得分的提議生成三維目標(biāo)框。該算法能夠有效避免耗時(shí)的三維全局搜索，且對點(diǎn)云的無序性、不規(guī)則性和稀疏性保持魯棒。為了驗(yàn)證該網(wǎng)絡(luò)
航空兵器 2022年2期2022-05-18
- 快速魯棒高光譜目標(biāo)跟蹤算法
? 針對傳統(tǒng)目標(biāo)跟蹤的難點(diǎn)如目標(biāo)與背景混淆及目標(biāo)外觀急劇變化等問題，利用高光譜視頻包含的二維空域信息和豐富的一維頻譜信息，提出一種快速魯棒目標(biāo)跟蹤算法FRHT。首先，在傳統(tǒng)的空域注意力機(jī)制上基于高光譜數(shù)據(jù)的特點(diǎn)引入頻譜注意力機(jī)制，設(shè)計(jì)了相關(guān)濾波框架下自適應(yīng)更新學(xué)習(xí)的跟蹤器; 其次，手工設(shè)計(jì)高光譜運(yùn)動(dòng)目標(biāo)特征以加快跟蹤器運(yùn)算速度; 最后，提出一種運(yùn)動(dòng)目標(biāo)異常檢測機(jī)制，以增強(qiáng)跟蹤器對各種干擾的魯棒性。仿真結(jié)果表明，在高光譜數(shù)據(jù)集上，跟蹤器FRHT的速度和精度顯
航空兵器 2022年2期2022-05-18
- 基于相關(guān)濾波器的雷達(dá)單擴(kuò)展目標(biāo)跟蹤
在傳統(tǒng)的雷達(dá)目標(biāo)跟蹤算法中，目標(biāo)通常作為點(diǎn)目標(biāo)來進(jìn)行跟蹤濾波。隨著雷達(dá)傳感器分辨率的不斷提高，一個(gè)目標(biāo)可占據(jù)多個(gè)分辨單元，雷達(dá)可以提供高分辨率的觀測結(jié)果。當(dāng)目標(biāo)變成擴(kuò)展目標(biāo)時(shí)，由于單個(gè)目標(biāo)多個(gè)量測的產(chǎn)生，基于傳統(tǒng)點(diǎn)目標(biāo)假設(shè)的目標(biāo)跟蹤算法無法實(shí)現(xiàn)對擴(kuò)展目標(biāo)的穩(wěn)定跟蹤。本文基于計(jì)算機(jī)視覺領(lǐng)域的相關(guān)濾波算法提出了一種雷達(dá)單擴(kuò)展目標(biāo)跟蹤算法。該算法首先對雷達(dá)回波數(shù)據(jù)進(jìn)行歸一化， 從而得到可視化的雷達(dá)距離-方位向圖像，然后將該圖像從極坐標(biāo)系轉(zhuǎn)換到笛卡爾坐標(biāo)系，最后利
航空兵器 2022年2期2022-05-18
- 基于QT的雷達(dá)目標(biāo)跟蹤系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)
QT平臺(tái)雷達(dá)目標(biāo)跟蹤系統(tǒng)的設(shè)計(jì)方案。該系統(tǒng)能根據(jù)環(huán)境自適應(yīng)選擇跟蹤算法，實(shí)現(xiàn)目標(biāo)跟蹤處理和目標(biāo)信息實(shí)時(shí)顯示的功能。系統(tǒng)功能較為完備、界面友好，具有易操作、易維護(hù)、可移植到多種平臺(tái)等優(yōu)點(diǎn)。關(guān)鍵詞：QT平臺(tái);目標(biāo)跟蹤;信息顯示雷達(dá)目標(biāo)跟蹤系統(tǒng)是操作員與雷達(dá)系統(tǒng)進(jìn)行交互的一個(gè)重要平臺(tái)，主要負(fù)責(zé)目標(biāo)跟蹤處理和目標(biāo)信息實(shí)時(shí)顯示，實(shí)現(xiàn)操作員對戰(zhàn)場狀態(tài)的監(jiān)控。目前QT開發(fā)框架相比于其他開發(fā)產(chǎn)品，界面化程度更高，而且QT界面構(gòu)建更直觀、迅速、簡潔，因此本文選用QT進(jìn)行軟件
科技風(fēng) 2022年11期2022-04-22
- 基于DeepSORT與改進(jìn)YOLOv3的車間安全帽檢測系統(tǒng)研究
epSort目標(biāo)跟蹤技術(shù)提高檢測算法的實(shí)時(shí)性?；陂_源SHMD數(shù)據(jù)集進(jìn)行測試，結(jié)果顯示優(yōu)化YOLOv3算法的平均檢測準(zhǔn)確率達(dá)到96.80%，比現(xiàn)有YOLOv3算法提高12%，執(zhí)行速度每秒32幀，在各種自然場景下都有出色的檢測效果。關(guān)鍵詞：DeepSORT;改進(jìn)YOLOv3;車間安全;安全帽;目標(biāo)跟蹤中圖分類號：TP391文獻(xiàn)標(biāo)識(shí)碼：A文章編號：1009-3044（2022）05-0091-03近些年，我國建筑行業(yè)發(fā)生的安全事故中有60%以上的傷亡者未佩戴安
電腦知識(shí)與技術(shù) 2022年5期2022-04-11
- 基于孿生網(wǎng)絡(luò)的目標(biāo)跟蹤研究綜述
于孿生網(wǎng)絡(luò)的目標(biāo)跟蹤算法由于在跟蹤精度和跟蹤效率之間能夠?qū)崿F(xiàn)良好的平衡而備受關(guān)注。通過對基于孿生網(wǎng)絡(luò)的目標(biāo)跟蹤算法的文獻(xiàn)進(jìn)行歸納，對現(xiàn)有孿生網(wǎng)絡(luò)目標(biāo)跟蹤算法進(jìn)行了全面總結(jié)，對孿生網(wǎng)絡(luò)的2個(gè)分支結(jié)構(gòu)進(jìn)行了討論。首先，介紹了基于孿生網(wǎng)絡(luò)目標(biāo)跟蹤的基本架構(gòu)，重點(diǎn)分析了孿生網(wǎng)絡(luò)中主干網(wǎng)絡(luò)的優(yōu)化，以及主干網(wǎng)絡(luò)的目標(biāo)特征提取問題。其次，對目標(biāo)跟蹤過程中的分類和回歸2個(gè)任務(wù)展開討論，將其分為有錨框和無錨框2大類來進(jìn)行分析研究，通過實(shí)驗(yàn)對比，分析了算法的優(yōu)缺點(diǎn)及其目標(biāo)跟蹤
河北科技大學(xué)學(xué)報(bào) 2022年1期2022-03-13
- 智慧交通中的目標(biāo)識(shí)別技術(shù)研究
慧交通中的多目標(biāo)跟蹤技術(shù)進(jìn)行歸納，分析了多目標(biāo)跟蹤的流程及主要步驟。關(guān)鍵詞：智慧交通;目標(biāo)識(shí)別;目標(biāo)跟蹤;特征提取中圖分類號：G642? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號：1009-3044（2022）01-0095-031 前言隨著國內(nèi)經(jīng)濟(jì)的發(fā)展以及各種類型汽車數(shù)目的增加，我國面臨的交通問題也越來越突出。如何在復(fù)雜的交通情況下進(jìn)行車輛的目標(biāo)識(shí)別和跟蹤，已經(jīng)成為智慧交通必須要解決的首要問題。在對車輛目標(biāo)進(jìn)行特征檢測和目標(biāo)識(shí)別、跟蹤后，通過實(shí)時(shí)監(jiān)控車輛信息
電腦知識(shí)與技術(shù) 2022年1期2022-03-11
- 基于深度學(xué)習(xí)的無人機(jī)目標(biāo)檢測系統(tǒng)
;目標(biāo)檢測;目標(biāo)跟蹤近幾年，關(guān)于無人機(jī)應(yīng)用方面的科學(xué)技術(shù)快速進(jìn)步，推動(dòng)了以無人機(jī)為絕對主力的“低、慢、小”航空器的迅猛快速發(fā)展，國內(nèi)的無人機(jī)“黑飛”事件也在逐漸增多。僅僅依靠政府出臺(tái)的法規(guī)，依靠廣大無人機(jī)愛好者自覺自律，是無法徹底解決無人機(jī)的“黑飛”“濫飛”問題。因此，本文基于深度學(xué)習(xí)技術(shù)，提出了對無人機(jī)目標(biāo)檢測系統(tǒng)的研究。1無人機(jī)目標(biāo)檢測模型的選取現(xiàn)在主流的目標(biāo)檢測算法包括兩階段和單階段目標(biāo)檢測算法，本文選擇具有代表性的Fast-RCNN、Faster-
科技風(fēng) 2022年6期2022-03-04
- 視頻目標(biāo)跟蹤綜述
近年來主流的目標(biāo)跟蹤算法。通過文獻(xiàn)閱讀和歸納對比，分析了使用生成式模型和判別式模型的目標(biāo)跟蹤算法。結(jié)果顯示，對于存在復(fù)雜干擾因素的場景，采用第二類模型的目標(biāo)跟蹤算法的跟蹤效果更好。文章為視頻跟蹤領(lǐng)域的研究者們提供了一個(gè)關(guān)于目標(biāo)跟蹤算法的客觀分析。關(guān)鍵詞： 目標(biāo)跟蹤; 深度學(xué)習(xí); 相關(guān)濾波; 計(jì)算機(jī)視覺中圖分類號：TP399? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號：1006-8228（2022）01-32-04Overview on video
計(jì)算機(jī)時(shí)代 2022年1期2022-01-22
- 融合深度特征和FHOG特征的尺度自適應(yīng)相關(guān)濾波跟蹤算法
應(yīng)的相關(guān)濾波目標(biāo)跟蹤算法。首先，通過深度殘差網(wǎng)絡(luò)（ResNet）提取圖像中被跟蹤區(qū)域的深度特征，再提取目標(biāo)區(qū)域方向梯度直方圖（FHOG）特征，通過核相關(guān)濾波器學(xué)習(xí)，分別得到多個(gè)響應(yīng)圖，并對響應(yīng)圖進(jìn)行加權(quán)融合，得到跟蹤目標(biāo)位置。其次，通過方向梯度直方圖（FHOG）特征，訓(xùn)練一個(gè)PCA降維的尺度濾波器，實(shí)現(xiàn)對目標(biāo)尺度的估計(jì)，使算法對目標(biāo)尺度發(fā)生變化有很好的自適應(yīng)能力。最后，根據(jù)響應(yīng)圖的峰值波動(dòng)情況改進(jìn)模型更新策略，引入重新檢測機(jī)制，降低模型發(fā)生漂移概率，提高算
河北科技大學(xué)學(xué)報(bào) 2021年6期2021-12-22
- 基于輕量孿生網(wǎng)絡(luò)的目標(biāo)跟蹤算法
瑛摘要：行人目標(biāo)跟蹤是智能監(jiān)控領(lǐng)域的一個(gè)重要課題。傳統(tǒng)的目標(biāo)跟蹤技術(shù)，在跟蹤精度上沒有深度網(wǎng)絡(luò)高，但深度卷積神經(jīng)網(wǎng)絡(luò)計(jì)算量極大，導(dǎo)致計(jì)算速度緩慢無法實(shí)時(shí)跟蹤。隨著卷積網(wǎng)絡(luò)的不斷發(fā)展，孿生網(wǎng)絡(luò)在目標(biāo)跟蹤這一課題上脫穎而出，其根據(jù)子網(wǎng)共享權(quán)重的特點(diǎn)，可以訓(xùn)練出有效的網(wǎng)絡(luò)只需要少量的參數(shù)，少量的參數(shù)也就意味著不易于過擬合以及運(yùn)行速度快等突出的優(yōu)點(diǎn)，適用于實(shí)時(shí)行人目標(biāo)跟蹤。文中采用孿生網(wǎng)絡(luò)和輕量骨干網(wǎng)絡(luò)構(gòu)建目標(biāo)跟蹤網(wǎng)絡(luò)，實(shí)現(xiàn)實(shí)時(shí)高精度的目標(biāo)跟蹤算法。關(guān)鍵詞;目標(biāo)跟
電腦知識(shí)與技術(shù) 2021年32期2021-12-19
- 淺析網(wǎng)球收集的智能機(jī)器人系統(tǒng)設(shè)計(jì)
;機(jī)器視覺;目標(biāo)跟蹤隨著社會(huì)經(jīng)濟(jì)的蓬勃發(fā)展，我國的科學(xué)技術(shù)也逐漸成長壯大起來，智能機(jī)器人作為一種全新的自助機(jī)器人應(yīng)運(yùn)而生，并在軍用、娛樂以及水下作業(yè)等領(lǐng)域中發(fā)揮著越來越重要的作用。網(wǎng)球收集智能機(jī)器人是通過嵌入式系統(tǒng)開發(fā)，將機(jī)器視覺與精準(zhǔn)定位技術(shù)融為一體，實(shí)現(xiàn)對機(jī)器人的智能控制、路徑規(guī)劃以及目標(biāo)識(shí)別的一種智能化系統(tǒng)。提取網(wǎng)球的顏色與輪廓特征作為目標(biāo)識(shí)別的基礎(chǔ)，同時(shí)利用算法實(shí)現(xiàn)網(wǎng)球的目標(biāo)定位，將網(wǎng)球收集工作更加智能化，效率得到了大大提升。一、硬件設(shè)計(jì)1、整體方
科技信息·學(xué)術(shù)版 2021年31期2021-12-03
- 基于核學(xué)習(xí)的運(yùn)動(dòng)目標(biāo)跟蹤算法綜述
為解決非線性目標(biāo)跟蹤問題提供了一種新的有效途徑。 傳統(tǒng)的目標(biāo)跟蹤方法往往利用跟蹤模型預(yù)測目標(biāo)當(dāng)前運(yùn)動(dòng)狀態(tài)， 并確保跟蹤的準(zhǔn)確性與實(shí)時(shí)性， 核方法則提供了線性化處理的一般途徑， 且可以不依賴具體模型， 具備高效計(jì)算能力， 將核學(xué)習(xí)方法引入目標(biāo)跟蹤領(lǐng)域有望提升目標(biāo)跟蹤的環(huán)境適應(yīng)性。 本文基于核方法基本思想， 著重梳理了核學(xué)習(xí)目標(biāo)跟蹤當(dāng)前的研究進(jìn)展， 包括基于核學(xué)習(xí)的目標(biāo)檢測算法、? 生成式和判別式目標(biāo)跟蹤算法， 以及構(gòu)造不同核函數(shù)的多核學(xué)習(xí)方法， 并對核學(xué)習(xí)目
航空兵器 2021年5期2021-11-12
- 基于深度學(xué)習(xí)的目標(biāo)跟蹤算法研究現(xiàn)狀及發(fā)展趨勢
各個(gè)領(lǐng)域。在目標(biāo)跟蹤領(lǐng)域，基于深度學(xué)習(xí)的方法也取得了巨大的成功。文章主要介紹基于深度學(xué)習(xí)的目標(biāo)跟蹤算法研究現(xiàn)狀及發(fā)展趨勢。首先，介紹了視覺目標(biāo)跟蹤傳統(tǒng)算法。然后，對基于深度學(xué)習(xí)的目標(biāo)跟蹤算法進(jìn)行分類，并進(jìn)行問題分析。最后，對基于深度學(xué)習(xí)的目標(biāo)跟蹤算法的發(fā)展趨勢進(jìn)行預(yù)測。關(guān)鍵詞：目標(biāo)跟蹤;深度學(xué)習(xí);孿生網(wǎng)絡(luò);相關(guān)濾波中圖分類號：TP391.41 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號：2096-4706（2021）08-0082-04Research Statu
現(xiàn)代信息科技 2021年8期2021-11-03
- 目標(biāo)跟蹤機(jī)器人算法分析
文將詳細(xì)介紹目標(biāo)跟蹤機(jī)器人算法的具體流程，通過專業(yè)的研究與調(diào)查，精準(zhǔn)找出機(jī)器人算法在目標(biāo)跟蹤中的具體應(yīng)用，如匹配轉(zhuǎn)角點(diǎn)、強(qiáng)化仿射變換等，并利用Mean-Shift算法來完善機(jī)器人的目標(biāo)跟蹤水平，從而提升機(jī)器人算法的實(shí)用性。關(guān)鍵詞：機(jī)器人算法;目標(biāo)跟蹤;仿射變換引言：在探索機(jī)器人內(nèi)部功能的過程中，實(shí)時(shí)的目標(biāo)追蹤屬其內(nèi)部的重要功能，在研究目標(biāo)跟蹤下機(jī)器人的算法時(shí)，相關(guān)人員應(yīng)明確機(jī)器人算法的具體要求，借助適宜的跟蹤算法，有效達(dá)成相關(guān)項(xiàng)目的實(shí)用性需求，全面改善相關(guān)
錦繡·下旬刊 2021年11期2021-10-12
- 人流量檢測及口罩佩戴檢測在樓宇節(jié)能與安防中的應(yīng)用
：神經(jīng)網(wǎng)絡(luò);目標(biāo)跟蹤;智慧樓宇實(shí)時(shí)人流量統(tǒng)計(jì)信息在智慧樓宇場景中具有重要意義，一方面可以與樓宇空調(diào)、照明等系統(tǒng)進(jìn)行聯(lián)動(dòng)，根據(jù)特定區(qū)域的當(dāng)前人數(shù)、人流量等信息，對空調(diào)的溫度、風(fēng)量等參數(shù)進(jìn)行實(shí)時(shí)調(diào)整，在保證舒適環(huán)境溫度的同時(shí)降低能耗成本，實(shí)現(xiàn)節(jié)能降耗，提升能源利用率的目的;另一方面可以減少物業(yè)管理人員工作量，實(shí)現(xiàn)減員增效?？谡峙宕鳈z測系統(tǒng)具備重要意義，在避免檢測人員和他人接觸感染的風(fēng)險(xiǎn)的同時(shí)，還能夠提高檢測的效率?？捎糜跈C(jī)場、地鐵、車站等人員流動(dòng)密集場所的監(jiān)控
科技風(fēng) 2021年24期2021-09-25
- 基于檢測的艦載機(jī)多目標(biāo)實(shí)時(shí)跟蹤算法
的基于檢測的目標(biāo)跟蹤算法跟蹤性能不佳且易受干擾的問題， 提出了將YOLO v3目標(biāo)檢測算法和卡爾曼濾波相結(jié)合的艦載機(jī)多目標(biāo)實(shí)時(shí)跟蹤算法。 通過K-means聚類算法優(yōu)化了原YOLO v3算法的錨點(diǎn)框大小， 結(jié)合卡爾曼濾波算法對艦面艦載機(jī)目標(biāo)實(shí)現(xiàn)有效的跟蹤， 并在自建的艦載機(jī)多目標(biāo)跟蹤數(shù)據(jù)集和MOT16多目標(biāo)跟蹤數(shù)據(jù)集上與基于光流法的跟蹤算法、 SORT多目標(biāo)跟蹤算法進(jìn)行了對比實(shí)驗(yàn)。 結(jié)果表明， 本文提出的跟蹤算法準(zhǔn)確性、 魯棒性、 穩(wěn)定性更高， 且當(dāng)目標(biāo)框
航空兵器 2021年4期2021-09-18
- 對等結(jié)構(gòu)下的相對導(dǎo)航源選擇研究
雷達(dá)信號; 目標(biāo)跟蹤中圖分類號：??? TJ765; V294.3 ??文獻(xiàn)標(biāo)識(shí)碼：??? A 文章編號：1673-5048（2021）04-0043-060 引? 言多傳感器目標(biāo)跟蹤中常采用集中式與分布式結(jié)構(gòu)。 集中式結(jié)構(gòu)中各節(jié)點(diǎn)發(fā)送數(shù)據(jù)至融合中心進(jìn)行信息融合， 對通信和計(jì)算能力提出了較高要求[1]。 分布式結(jié)構(gòu)中各節(jié)點(diǎn)獨(dú)立處理局部觀測數(shù)據(jù)后匯總到融合中心進(jìn)行處理， 減輕了通信量、 計(jì)算量的負(fù)擔(dān)， 且能達(dá)到與集中式相近的精度[2]。 集中式與分布式結(jié)構(gòu)都
航空兵器 2021年4期2021-09-18
- 基于信息質(zhì)量選擇的動(dòng)態(tài)航跡融合算法
航跡融合; 目標(biāo)跟蹤中圖分類號：TJ765; TP391 ??文獻(xiàn)標(biāo)識(shí)碼：??? A? 文章編號：1673-5048（2021）04-0030-070 引? 言機(jī)動(dòng)目標(biāo)跟蹤領(lǐng)域的研究工作大都假設(shè)量測數(shù)據(jù)完備， 但在實(shí)際應(yīng)用中， 由于傳感器本身故障、 外來干擾等一些不確定因素的影響， 導(dǎo)致傳感器獲得的信息為不完備信息[1]。 近年來， 國內(nèi)外一些學(xué)者針對不完備信息， 尤其是量測丟失情況下的傳感器融合估計(jì)問題進(jìn)行了研究， 并取得一定的成果。 文獻(xiàn)[2-6]基于
航空兵器 2021年4期2021-09-18
- 基于粒子濾波的多徑伯努利目標(biāo)跟蹤算法
伯努利濾波;目標(biāo)跟蹤1引言目標(biāo)跟蹤即為利用傳感器獲得的參數(shù)對目標(biāo)位置信息進(jìn)行估計(jì)的過程，根據(jù)目標(biāo)個(gè)數(shù)的不同目標(biāo)跟蹤分為單目標(biāo)跟蹤和多目標(biāo)跟蹤兩種。傳統(tǒng)的單目標(biāo)跟蹤過程即利用基于目標(biāo)運(yùn)動(dòng)和測量方程的濾波算法對目標(biāo)狀態(tài)進(jìn)行估計(jì)，從而實(shí)現(xiàn)目標(biāo)跟蹤。傳統(tǒng)的多目標(biāo)跟蹤算法首先對目標(biāo)和傳感器獲得的測量值進(jìn)行數(shù)據(jù)關(guān)聯(lián)，然后分別利用單目標(biāo)跟蹤算法對每個(gè)目標(biāo)進(jìn)行跟蹤。傳統(tǒng)的多目標(biāo)跟蹤過程即為先關(guān)聯(lián)后濾波過程，此類算法需要目標(biāo)跟蹤的數(shù)目個(gè)數(shù)已知且不變的條件。而實(shí)際跟蹤過程中往
電腦知識(shí)與技術(shù) 2021年22期2021-09-14
- 基于改進(jìn)粒子濾波算法的豬只跟蹤研究
化;豬養(yǎng)殖;目標(biāo)跟蹤中圖分類號 S-058 ??文獻(xiàn)標(biāo)識(shí)碼 A? 文章編號 0517-6611（2021）16-0230-03doi：10.3969/j.issn.0517-6611.2021.16.060?? 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：Pig Tracking Based on Improved Particle Filter AlgorithmSHU Ping， WU Hong-hao， SUN Juan et al（Yancheng B
安徽農(nóng)業(yè)科學(xué) 2021年16期2021-08-30
- 基于孿生卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤算法研究
要： 傳統(tǒng)的目標(biāo)跟蹤算法采用人工特征描述物體特征，這類人工設(shè)計(jì)的特征不能全面地表達(dá)一個(gè)物體的特點(diǎn)，在跟蹤過程中這些特征點(diǎn)容易受到外界因素的影響，導(dǎo)致跟蹤效果不穩(wěn)定。基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤算法由于采用卷積神經(jīng)網(wǎng)絡(luò)提取物體的深層次特征，這類特征能夠模仿人腦描述學(xué)習(xí)一個(gè)物體的深層特征，使得在跟蹤中具有較高的穩(wěn)定性，目標(biāo)不容易丟失且跟蹤的準(zhǔn)確性更高，能夠適應(yīng)復(fù)雜多變的環(huán)境魯棒性更好。本文提出的算法采用Tensorflow搭建網(wǎng)絡(luò)框架，離線訓(xùn)練模型，然后利用Op
智能計(jì)算機(jī)與應(yīng)用 2021年3期2021-08-09
- 基于LMB平滑的雷達(dá)弱小目標(biāo)跟蹤
平滑器實(shí)現(xiàn)多目標(biāo)跟蹤;最后在軌跡連續(xù)性判斷和有效軌跡提取后輸出目標(biāo)的最終軌跡。LMB平滑器可以得到目標(biāo)平滑后的軌跡，提高距離和速度的估計(jì)精度。軌跡連續(xù)性判斷和有效軌跡提取，可以有效克服速度抖動(dòng)引起的斷裂軌跡和速度模糊引起的虛假軌跡問題。應(yīng)用本文算法處理多個(gè)測試數(shù)據(jù)的綜合得分率為96.67%，從而驗(yàn)證了算法的有效性和穩(wěn)健性。關(guān)鍵詞： 脈沖多普勒雷達(dá);軌跡連續(xù)性判斷;標(biāo)記多伯努利;濾波平滑;目標(biāo)跟蹤中圖分類號：TJ765.4; TN957.51 文獻(xiàn)標(biāo)識(shí)碼：
航空兵器 2021年2期2021-08-05
- 基于均值漂移理論的機(jī)動(dòng)單目標(biāo)跟蹤方法研究
條件下機(jī)動(dòng)單目標(biāo)跟蹤問題進(jìn)行了研究，首先在初始幀采用交互方式，目標(biāo)搜索，選定待跟蹤目標(biāo)，然后應(yīng)用漂移理論方法，對機(jī)動(dòng)單目標(biāo)進(jìn)行有效跟蹤。仿真結(jié)果表明，使用漂移方法可以實(shí)現(xiàn)對范圍內(nèi)的機(jī)動(dòng)單目標(biāo)進(jìn)行后續(xù)幀序列中的目標(biāo)行進(jìn)方向預(yù)測和跟蹤，彌補(bǔ)了傳統(tǒng)跟蹤算法的短板、保留了均值漂移算法的低計(jì)算復(fù)雜度和實(shí)時(shí)性。關(guān)鍵詞：機(jī)動(dòng)目標(biāo)? 均值漂移? 目標(biāo)跟蹤? 圖像預(yù)理中圖分類號：TP391.41 ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ?文章編號
科技創(chuàng)新導(dǎo)報(bào) 2021年9期2021-07-28
- 基于空間正則化約束的支持向量相關(guān)濾波器目標(biāo)跟蹤方法
，SCF）的目標(biāo)跟蹤方法存在嚴(yán)重的樣本邊界不連續(xù)問題，因此模型判別能力受到嚴(yán)重限制。本文將空間正則化項(xiàng)引入到SCF中，提出了基于空間正則化約束的支持向量相關(guān)濾波器（Spatially Regularized SCF，SRSCF）模型。相比于SCF，SRSCF不僅可以借助更大的圖像區(qū)域進(jìn)行模型學(xué)習(xí)，同時(shí)也能緩解樣本的邊界不連續(xù)問題對模型學(xué)習(xí)的負(fù)面影響，由此得到判別能力更強(qiáng)的模型。此外，本文提出了一種ADMM（Alternating Direction Met
智能計(jì)算機(jī)與應(yīng)用 2021年1期2021-07-11
- EKF在機(jī)器人目標(biāo)跟蹤中的應(yīng)用
濾波在機(jī)器人目標(biāo)跟蹤中有非常重要的應(yīng)用，該文重點(diǎn)介紹了擴(kuò)展卡爾曼濾波的工作流程以及如何應(yīng)用在機(jī)器人目標(biāo)跟蹤中。但EKF算法應(yīng)用在非線性系統(tǒng)中會(huì)產(chǎn)生二次項(xiàng)以上的截?cái)嗾`差，累計(jì)會(huì)影響機(jī)器人的定位精度。該文主要從拓展卡爾曼濾波的收斂性上進(jìn)行分析，利用雙估計(jì)用觀測殘差對過程噪聲進(jìn)行補(bǔ)償，利用新息和觀測值估測觀測噪聲矩陣，通過多次預(yù)測、更新迭代從而達(dá)到對機(jī)器人更精準(zhǔn)的定位。關(guān)鍵詞：擴(kuò)展卡爾曼濾波;目標(biāo)跟蹤;噪聲補(bǔ)償;觀測噪聲中圖分類號：TP3? ? ? ? 文獻(xiàn)標(biāo)識(shí)
電腦知識(shí)與技術(shù) 2021年36期2021-03-07
- 一種基于自適應(yīng)網(wǎng)格機(jī)制的強(qiáng)機(jī)動(dòng)目標(biāo)濾波算法
計(jì)， 以提高目標(biāo)跟蹤精度。 首先， 對強(qiáng)機(jī)動(dòng)目標(biāo)濾波算法開展分析， 提出以交互式多模型算法為基礎(chǔ)的混合網(wǎng)格多模型（HGMM）算法。 其次， 針對混合網(wǎng)格多模型算法開展詳細(xì)設(shè)計(jì)。 最后， 通過數(shù)字仿真驗(yàn)證了該算法可行且跟蹤效果良好， 跟蹤精度提高了約20%。關(guān)鍵詞：???? 自適應(yīng)網(wǎng)格; 交互多模型; 混合網(wǎng)格多模型; 機(jī)動(dòng)目標(biāo); 目標(biāo)跟蹤; 濾波算法; 空空導(dǎo)彈中圖分類號：???? TJ760; V212.13+5 文獻(xiàn)標(biāo)識(shí)碼：??? A 文章編號：???
航空兵器 2021年6期2021-01-06
- 計(jì)算機(jī)視覺在物流倉儲(chǔ)安全管理中的應(yīng)用
積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤算法，并經(jīng)實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的可行性。關(guān)鍵詞： 計(jì)算機(jī)視覺;圖像處理;相關(guān)濾波;卷積神經(jīng)網(wǎng)絡(luò);目標(biāo)跟蹤;傅里葉中圖分類號： TP3? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? DOI：10.3969/j.issn.1003-6970.2020.10.046本文著錄格式：王夢嘯. 計(jì)算機(jī)視覺在物流倉儲(chǔ)安全管理中的應(yīng)用[J]. 軟件，2020，41（10）：180183【Abstract】： Safety management of logistics
軟件 2020年10期2020-12-23
- 一種融合有效卷積操作子和顏色直方圖的目標(biāo)跟蹤算法
算法能夠提高目標(biāo)跟蹤的魯棒性，提升跟蹤精度和速度。最后，采用數(shù)據(jù)集的方法驗(yàn)證了該算法的有效性。關(guān)鍵詞：目標(biāo)跟蹤;相關(guān)濾波;有效卷積操作子;顏色直方圖中圖分類號：TP391.4? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號：2095-2945（2020）36-0073-04Abstract： The correlation filtering tracking algorithm based on effective convolution oper
科技創(chuàng)新與應(yīng)用 2020年36期2020-12-14
- 基于相關(guān)濾波的重檢測目標(biāo)跟蹤算法
明摘要：針對目標(biāo)跟蹤中因嚴(yán)重遮擋、變形、快速運(yùn)動(dòng)等因素導(dǎo)致的跟蹤失敗問題，提出一種基于相關(guān)濾波的重檢測跟蹤算法。首先使用相關(guān)濾波算法Staple對目標(biāo)進(jìn)行位置估計(jì)，然后構(gòu)造一個(gè)檢測濾波器對Staple算法跟蹤結(jié)果進(jìn)行置信度檢測，將檢測分?jǐn)?shù)作為跟蹤結(jié)果的置信度評估結(jié)果。若檢測分?jǐn)?shù)小于給定閾值，則激活在線SVM分類器對跟蹤結(jié)果進(jìn)行重檢測。同時(shí)用檢測濾波器對SVM分類結(jié)果進(jìn)行檢測，若檢測分?jǐn)?shù)大于Staple跟蹤算法檢測分?jǐn)?shù)，則采用SVM的跟蹤結(jié)果。在基準(zhǔn)數(shù)據(jù)集O
軟件導(dǎo)刊 2020年10期2020-12-01
- 基于KCF的多條件綜合判斷行人跌倒檢測方法
;目標(biāo)檢測;目標(biāo)跟蹤;HOG特征;OpenCV;SVM中圖分類號：TP391.41文獻(xiàn)標(biāo)識(shí)碼：A文章編號：2095-1302（2020）09-00-040 引 言如今社會(huì)中空巢老人的數(shù)量逐步增多，老人發(fā)生跌倒的概率也相應(yīng)增加，逐漸引起人們的關(guān)注。目前主要通過行人跌倒自動(dòng)檢測系統(tǒng)預(yù)防老人跌倒后無法得到及時(shí)救護(hù)，其主要分為基于可穿戴裝置的系統(tǒng)，基于場景設(shè)備的系統(tǒng)以及基于計(jì)算機(jī)視覺的跌倒自動(dòng)檢測系統(tǒng)?；诳纱┐餮b置的跌倒自動(dòng)檢測系統(tǒng)通過穿戴具有加速度傳感器的設(shè)備
物聯(lián)網(wǎng)技術(shù) 2020年9期2020-10-09
- 視頻目標(biāo)跟蹤算法研究
摘 要 視頻目標(biāo)跟蹤一直是計(jì)算機(jī)領(lǐng)域的熱點(diǎn)問題，近些年，深度學(xué)習(xí)等技術(shù)的發(fā)展使得目標(biāo)跟蹤算法的正確率獲得很大提升，但是目標(biāo)發(fā)生變化如被遮擋等情景時(shí)，易導(dǎo)致跟蹤錯(cuò)誤，為了進(jìn)一步提高目標(biāo)跟蹤算法的準(zhǔn)確性，文中將在目標(biāo)跟蹤中引入新的算法，并對該流程做了系統(tǒng)概述。關(guān)鍵詞 計(jì)算機(jī)領(lǐng)域;深度學(xué)習(xí);目標(biāo)跟蹤本文主要通過基于目標(biāo)檢測的跟蹤算法，將視頻中的每一幀的目標(biāo)檢測出來，并將結(jié)果關(guān)聯(lián)成軌跡，從而確定每個(gè)行人目標(biāo)各自的運(yùn)動(dòng)軌跡?；谀繕?biāo)檢測的跟蹤分為兩大部分：行人檢測和
科學(xué)與信息化 2020年23期2020-09-06
- 基于核相關(guān)濾波器的運(yùn)動(dòng)目標(biāo)跟蹤算法研究
個(gè)熱點(diǎn)之一，目標(biāo)跟蹤具有重要的應(yīng)用價(jià)值。影響目標(biāo)穩(wěn)定跟蹤的因素有很多，想在任何影響下都能穩(wěn)定跟蹤在領(lǐng)域內(nèi)是一項(xiàng)重大的挑戰(zhàn)。相關(guān)濾波跟蹤算法具有較高的跟蹤精度以及優(yōu)秀的跟蹤處理速度，然而在目標(biāo)有尺度變化或者受到遮擋時(shí)的跟蹤效果不是很理想。針對這兩個(gè)問題，本文提出一種基于核相關(guān)濾波并融合HOG特征與SIFT特征的跟蹤算法。該算法能在一定程度上解決目標(biāo)尺度變化劇烈以及短暫遮擋后目標(biāo)框漂移的問題。關(guān)鍵詞 目標(biāo)跟蹤;相關(guān)濾波;尺度自適應(yīng);抗遮擋;特征融合1相關(guān)濾波跟
科學(xué)與信息化 2020年23期2020-09-06
- 一種基于視覺的車載照明自動(dòng)跟蹤系統(tǒng)
;步進(jìn)電機(jī);目標(biāo)跟蹤DOI：10. 11907/rjdk. 201432 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：中圖分類號：TP319文獻(xiàn)標(biāo)識(shí)碼：A 文章編號：1672-7800（2020）008-0161-04Abstract：Aiming at the problems such as limited illumination range and complicated direction adjustment of vehicle lighting
軟件導(dǎo)刊 2020年8期2020-09-02
- 基于目標(biāo)跟蹤算法的點(diǎn)云標(biāo)注軟件設(shè)計(jì)
計(jì)了一款基于目標(biāo)跟蹤算法的標(biāo)注軟件。該軟件除了很好的完成點(diǎn)云標(biāo)注功能，還實(shí)現(xiàn)了對相應(yīng)圖片的映射標(biāo)注，使用的目標(biāo)跟蹤算法極大的提高了標(biāo)注效率。本文主要從以上三個(gè)方面介紹軟件的設(shè)計(jì)思路，最后介紹軟件的標(biāo)注流程。關(guān)鍵詞：點(diǎn)云標(biāo)注;目標(biāo)跟蹤;軟件設(shè)計(jì)Abstract：Aiming at the problem of point cloud data labeling in autonomous driving scenarios，a labeling softwa
- 基于嵌入式設(shè)備與深度學(xué)習(xí)模型的智能小車的設(shè)計(jì)與研究
智能小車實(shí)現(xiàn)目標(biāo)跟蹤。關(guān)鍵詞：樹莓派;Arduino;深度學(xué)習(xí);目標(biāo)跟蹤中圖分類號：TP23 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號：1007-9416（2020）05-0161-020引言視頻目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的重要研究方向之一，它在智能視頻監(jiān)控、人機(jī)交互等領(lǐng)域有廣泛應(yīng)用。隨著深度學(xué)習(xí)方法的發(fā)展，視頻目標(biāo)跟蹤變得越來越精準(zhǔn)。樹莓派是一款具備高級功能的嵌入式主板，Arduino是一款便捷的嵌入式開發(fā)工具，可做實(shí)時(shí)信號采集和控制。然而樹莓派硬件擴(kuò)展能力差，Ardui
數(shù)字技術(shù)與應(yīng)用 2020年5期2020-08-04
- 典型相關(guān)濾波跟蹤算法的比較與分析
算機(jī)視覺; 目標(biāo)跟蹤; 相關(guān)濾波; 深度學(xué)習(xí); 卷積特征; 尺度估計(jì)中圖分類號： TN911?34; TP391? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）05?0030?06Comparison and analysis of typical correlation filter tracking algorithmLIN Bin， SHAN Mingmei，
現(xiàn)代電子技術(shù) 2020年5期2020-07-23
- 基于卡爾曼濾波的多特征加權(quán)最近鄰數(shù)據(jù)關(guān)聯(lián)與跟蹤算法
;數(shù)據(jù)關(guān)聯(lián);目標(biāo)跟蹤;卡爾曼濾波;最近鄰中圖分類號：TN958.98 文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.7535/hbkd.2020yx03003Multi-feature weighted nearest neighbor data association andtracking algorithm based on Kalman filterZHAO Feng1， WANG Lihui1， CHEN Junji2， ZHANG Ming2， XU Weiye
河北科技大學(xué)學(xué)報(bào) 2020年3期2020-07-14
- 基于卡爾曼濾波的SiamRPN目標(biāo)跟蹤方法
ese框架的目標(biāo)跟蹤方法取得了突破性的進(jìn)展。為了提高跟蹤效果，有效解決跟蹤過程中干擾和遮擋問題，本文提出了一種基于卡爾曼濾波的SiamRPN（Siamese+RPN）目標(biāo)跟蹤方法。首先，利用訓(xùn)練好的SiamRPN跟蹤算法和卡爾曼濾波跟蹤模型分別對目標(biāo)物體進(jìn)行跟蹤，得到2種跟蹤算法跟蹤結(jié)果的置信度，然后，基于置信度加權(quán)融合模型得到最后的跟蹤框?？柭鼮V波器可預(yù)測目標(biāo)在一定遮擋干擾等情況下的位置，SiamRPN算法利用區(qū)域候選網(wǎng)絡(luò)RPN將每一幀的跟蹤轉(zhuǎn)換為一次
智能計(jì)算機(jī)與應(yīng)用 2020年3期2020-07-04
- 基于機(jī)器人視覺的目標(biāo)識(shí)別與跟蹤技術(shù)應(yīng)用研究
;目標(biāo)識(shí)別;目標(biāo)跟蹤;特征提取中圖分類號：TP311 文獻(xiàn)標(biāo)識(shí)碼：A文章編號：1009-3044（2020）15-0202-021引言隨著工業(yè)4.0時(shí)代的到來，機(jī)器人在工業(yè)生產(chǎn)領(lǐng)域已得到廣泛應(yīng)用，代替了大量人工完成生產(chǎn)線上的工作，提高了企業(yè)的生產(chǎn)效率和降低了人力成本?；跈C(jī)器人視覺對運(yùn)動(dòng)目標(biāo)進(jìn)行識(shí)別與跟蹤是機(jī)器人技術(shù)領(lǐng)域的研究熱點(diǎn)之一。隨著AI領(lǐng)域深度學(xué)習(xí)技術(shù)的發(fā)展，進(jìn)一步推動(dòng)了機(jī)器人視覺的應(yīng)用研究。通過研究目標(biāo)識(shí)別準(zhǔn)確度和效率的改進(jìn)，分析在不同場景環(huán)境下
電腦知識(shí)與技術(shù) 2020年15期2020-07-04
- 基于改進(jìn)的Boosting算法的倉庫監(jiān)控區(qū)域目標(biāo)跟蹤研究
合現(xiàn)有的多種目標(biāo)跟蹤算法，通過對比分析算法的用時(shí)、跟蹤運(yùn)動(dòng)目標(biāo)數(shù)、提取前景數(shù)、漂移現(xiàn)象存在、是否丟失目標(biāo)和需創(chuàng)建跟蹤器個(gè)數(shù)這6個(gè)方面，選擇跟蹤效果及綜合性能最佳的改進(jìn)的Boosting算法作為倉庫視頻運(yùn)動(dòng)物體的跟蹤算法，為智能化倉庫管理實(shí)踐提供重要參考依據(jù)。關(guān)鍵詞：倉庫管理;智能監(jiān)控;目標(biāo)跟蹤;Boosting算法Abstract：At present， intelligent video surveillance systems are widely u
微型電腦應(yīng)用 2020年5期2020-06-29
- 基于特征融合的復(fù)雜場景多目標(biāo)跟蹤算法研究
景條件下，多目標(biāo)跟蹤算法通常表現(xiàn)出目標(biāo)識(shí)別與跟蹤能力較差問題，特別在被其它地物遮擋后目標(biāo)跟蹤丟失更嚴(yán)重。提出一種改進(jìn)的基于多源特征提取與特征融合的多目標(biāo)跟蹤算法。為提高目標(biāo)在復(fù)雜背景下的空間分辨力，充分利用對異類物體判別能力較強(qiáng)的高層特征和針對同類不同物體判別能力較強(qiáng)的淺層特征，提高復(fù)雜背景下地物目標(biāo)的識(shí)別能力。同時(shí)，為了解決物體被遮擋后導(dǎo)致跟蹤算法丟失目標(biāo)問題，利用濾波器獲得追蹤目標(biāo)的空間尺度大小，提高跟蹤算法的準(zhǔn)確性與可靠性。實(shí)驗(yàn)表明，多目標(biāo)跟蹤算法識(shí)
軟件導(dǎo)刊 2020年4期2020-06-19
- 基于視頻跟蹤的水下裂縫缺陷智能標(biāo)注系統(tǒng)
水下裂縫進(jìn)行目標(biāo)跟蹤，結(jié)合標(biāo)注系統(tǒng)功能需求，展開對該系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表示，提出的目標(biāo)智能標(biāo)注系統(tǒng)符合設(shè)計(jì)需求，能夠?qū)崿F(xiàn)對水下裂縫缺陷準(zhǔn)確、快速、可靠的智能標(biāo)注。關(guān)鍵詞： 水下裂縫缺陷; 智能標(biāo)注; 模型訓(xùn)練; 目標(biāo)跟蹤; 系統(tǒng)設(shè)計(jì); 仿真實(shí)驗(yàn)中圖分類號： TN915.5?34 ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）12?0155?0
現(xiàn)代電子技術(shù) 2020年12期2020-06-19
- 結(jié)合Kalman濾波和LBP紋理的CAMShift改進(jìn)算法
果應(yīng)用到特定目標(biāo)跟蹤中。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法在跟蹤特定目標(biāo)方面具有較高的準(zhǔn)確性和魯棒性。關(guān)鍵詞： CAMshift算法; Kalman濾波器; LBP紋理; 圖像采集; 位置預(yù)測; 目標(biāo)跟蹤中圖分類號： TN713?34; TP391.41 ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）12?0065?04Abstract： As the traditional CA
現(xiàn)代電子技術(shù) 2020年12期2020-06-19
- 基于幀間差分與時(shí)空上下文的人臉檢測跟蹤算法
;自動(dòng)檢測;目標(biāo)跟蹤;人臉識(shí)別【中圖分類號】TP391.41 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號】1674-0688（2020）05-0056-020 引言隨著信息技術(shù)的高速發(fā)展，檢測與跟蹤技術(shù)成為視覺領(lǐng)域的研究熱點(diǎn)，尤其在人臉檢測和跟蹤方面，發(fā)展尤為迅速。在人臉檢測算法方面，目前主要有基于特征的人臉檢測算法、基于統(tǒng)計(jì)的人臉檢測方法、基于統(tǒng)計(jì)的人臉檢測方法3類，主要是在視頻圖像中確定人臉?biāo)械木唧w位置及大小[1]。隨著人臉檢測應(yīng)用范圍的逐步擴(kuò)大，對人臉檢測精準(zhǔn)性
企業(yè)科技與發(fā)展 2020年5期2020-06-19
- 基于自適應(yīng)粒子濾波的無人機(jī)目標(biāo)跟蹤算法研究
用日漸普及，目標(biāo)跟蹤成為國內(nèi)外學(xué)者的研究熱點(diǎn)，該文針對無人機(jī)目標(biāo)跟蹤易受遮擋、形變、等復(fù)雜背景的干擾導(dǎo)致跟蹤失敗等問題提出一種基于自適應(yīng)的粒子濾波的無人機(jī)目標(biāo)跟蹤算法。實(shí)驗(yàn)結(jié)果表明，該算法能有效地減少因復(fù)雜因素干擾導(dǎo)致的目標(biāo)跟蹤精度下降的問題，具有良好的魯棒性。關(guān)鍵詞：自適應(yīng)融合;粒子濾波算法;無人機(jī);目標(biāo)檢測;目標(biāo)跟蹤中圖分類號：TP273+.2 文獻(xiàn)標(biāo)識(shí)碼：A文章編號：1009-3044（2020）09-0255-02目標(biāo)跟蹤算法主要應(yīng)用于無人機(jī)目標(biāo)檢
電腦知識(shí)與技術(shù) 2020年9期2020-05-21
- 一種改進(jìn)的核相關(guān)濾波跟蹤算法
春寶摘要：在目標(biāo)跟蹤過程中，由于跟蹤目標(biāo)的移動(dòng)、變形或者被遮擋，容易造成目標(biāo)丟失。對KCF算法進(jìn)行改進(jìn)，增加目標(biāo)丟失檢測和運(yùn)動(dòng)軌跡估計(jì)的功能。根據(jù)響應(yīng)峰值異常來檢測目標(biāo)丟失。若出現(xiàn)響應(yīng)峰值異常，則中止對目標(biāo)模板的更新和目標(biāo)位置的檢測，采用運(yùn)動(dòng)軌跡估計(jì)的方式來預(yù)測目標(biāo)出現(xiàn)的新位置。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的KCF算法可以顯著提高目標(biāo)跟蹤的精度和穩(wěn)定性，并能及時(shí)對目標(biāo)丟失進(jìn)行判斷和處理。關(guān)鍵詞：核相關(guān)濾波;目標(biāo)跟蹤;丟失檢測;運(yùn)動(dòng)軌跡估計(jì)中圖分類號：TP391.41
數(shù)字技術(shù)與應(yīng)用 2020年2期2020-05-11
- 融合運(yùn)動(dòng)狀態(tài)信息的高速相關(guān)濾波跟蹤算法
高速相關(guān)濾波目標(biāo)跟蹤算法. 在傳統(tǒng)DCF算法基礎(chǔ)上做出以下改進(jìn)：（1）在跟蹤框架中融入卡爾曼（Kalman）濾波器，利用目標(biāo)運(yùn)動(dòng)狀態(tài)信息對預(yù)測運(yùn)動(dòng)軌跡進(jìn)行修正，以解決目標(biāo)復(fù)雜運(yùn)動(dòng)時(shí)易跟丟問題，提高跟蹤精度;（2）訓(xùn)練一個(gè)獨(dú)立的尺度相關(guān)濾波器進(jìn)行目標(biāo)尺度預(yù)測，并利用主成分分析法（Principal Component Analysis，PCA）進(jìn)行特征降維處理，提高跟蹤速度;（3）提出一種高置信度更新策略判斷是否對位置濾波器進(jìn)行模板更新，以及是否采用Kalm
湖南大學(xué)學(xué)報(bào)·自然科學(xué)版 2020年4期2020-05-06
- ADS-B數(shù)據(jù)處理中心—大批量目標(biāo)顯示技術(shù)
量、高頻率的目標(biāo)跟蹤顯示方面，論述簡單的技術(shù)實(shí)現(xiàn)。關(guān)鍵詞：廣播式自動(dòng)相關(guān)監(jiān)視;二級數(shù)據(jù)中心;目標(biāo)跟蹤廣播式自動(dòng)相關(guān)監(jiān)視（Automatic Dependent Surveillance-Broadcast，ADS-B）二級數(shù)據(jù)中心系統(tǒng)中的目標(biāo)跟蹤顯示是基于Qt的圖形視圖框架（Graphics View Framework）實(shí)現(xiàn)的，提供了支持大量自定義的二維圖形對象交互管理器，提供基于圖像對象的方式實(shí)現(xiàn)model-view的編程模式。本文將不重點(diǎn)介紹圖形視圖
科學(xué)大眾 2020年2期2020-04-16
- 關(guān)于校園多攝像頭協(xié)同工作的運(yùn)動(dòng)目標(biāo)跟蹤應(yīng)用研究
案。關(guān)鍵詞：目標(biāo)跟蹤;信息分析和處理;智能算法中圖分類號：TP391.41? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號：2096-4706（2020）01-0079-03Abstract：With the development of communication technology，the data transmission of high-speed data acquisition becomes possible. This system combine
現(xiàn)代信息科技 2020年1期2020-04-10
- 基于人體步態(tài)識(shí)別技術(shù)的視頻監(jiān)控應(yīng)用研究
護(hù)。關(guān)鍵詞：目標(biāo)跟蹤;姿態(tài)檢測;區(qū)域保護(hù)算法1? ? 研究背景人體步態(tài)識(shí)別是一種新興的生物特征識(shí)別技術(shù)，它就是根據(jù)人走路時(shí)的姿態(tài)對人進(jìn)行身份識(shí)別、認(rèn)證和行為分析等，該項(xiàng)技術(shù)可廣泛用于智能監(jiān)控、遠(yuǎn)距離身份識(shí)別、計(jì)算機(jī)人體行為分析等領(lǐng)域。相對于指紋識(shí)別，人臉識(shí)別，語音識(shí)別等其他生物特征識(shí)別技術(shù)有著非侵犯性和非接觸性、難于隱藏和偽裝、易于采集、可遠(yuǎn)距離識(shí)別等獨(dú)特的優(yōu)點(diǎn)，因此，具有重要的理論研究意義和實(shí)用價(jià)值。2? ? 實(shí)施過程在智能監(jiān)控系統(tǒng)中要對運(yùn)動(dòng)目標(biāo)進(jìn)行辨識(shí)
無線互聯(lián)科技 2020年3期2020-04-09
- 基于單目攝像機(jī)的無人機(jī)動(dòng)態(tài)目標(biāo)實(shí)時(shí)跟蹤
的目標(biāo)識(shí)別和目標(biāo)跟蹤問題。設(shè)計(jì)由單目相機(jī)、視覺計(jì)算機(jī)（樹莓派3B）和飛行控制系統(tǒng)組成的自主跟蹤控制系統(tǒng)框架，利用Camshift運(yùn)動(dòng)目標(biāo)識(shí)別算法對目標(biāo)位置進(jìn)行識(shí)別并預(yù)測動(dòng)態(tài)目標(biāo)運(yùn)動(dòng)軌跡，通過Mavlink協(xié)議將無人機(jī)的位置信息實(shí)時(shí)發(fā)送給飛行控制系統(tǒng)，從而控制無人機(jī)進(jìn)行動(dòng)態(tài)目標(biāo)跟蹤。實(shí)現(xiàn)無人機(jī)對動(dòng)態(tài)目標(biāo)的目標(biāo)識(shí)別，目標(biāo)跟蹤。關(guān)鍵詞：四旋翼無人機(jī);動(dòng)態(tài)目標(biāo);目標(biāo)跟蹤中圖分類號：V279? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號：2095-29
科技創(chuàng)新與應(yīng)用 2020年8期2020-03-13
- 多雷達(dá)/聲吶場景下的去相關(guān)無偏量測轉(zhuǎn)換模型
。關(guān)鍵詞： 目標(biāo)跟蹤; 非線性量測; 無偏轉(zhuǎn)換; 雷達(dá)/聲吶跟蹤; 去相關(guān); 性能評估中圖分類號： TN98?34 ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）01?0114?05Decorrelated unbiased measurement conversion modelfor situation of multiple radar
現(xiàn)代電子技術(shù) 2020年1期2020-03-03
- 基于計(jì)算機(jī)視覺的魚類攝食行為研究現(xiàn)狀及展望
繞目標(biāo)檢測、目標(biāo)跟蹤、尺寸測量、形狀分析、質(zhì)量估計(jì)、紋理分析和顏色判定等多個(gè)方面詳細(xì)分析了計(jì)算機(jī)視覺在魚類攝食行為研究方面的國內(nèi)外研究現(xiàn)狀;同時(shí)，分析了利用計(jì)算機(jī)視覺技術(shù)研究魚類行為對精細(xì)化養(yǎng)殖帶來的機(jī)遇和挑戰(zhàn)，并給出了今后在高精度檢測和活躍性等方面的研究趨勢和發(fā)展方向。關(guān)鍵詞：計(jì)算機(jī)視覺;魚類攝食;特征提取;目標(biāo)跟蹤;水產(chǎn)養(yǎng)殖中圖分類號： TP391.4 ?文獻(xiàn)標(biāo)志碼： A ?文章編號：1002-1302（2020）24-0031-06水產(chǎn)養(yǎng)殖是我國農(nóng)業(yè)
江蘇農(nóng)業(yè)科學(xué) 2020年24期2020-02-22
- 一種改進(jìn)的基于粒子濾波的交互式多模型車載跟蹤算法
循環(huán)從而提高目標(biāo)跟蹤效果;最后，通過matlab仿真分析了這兩種算法的目標(biāo)跟蹤性能，仿真結(jié)果表明，交互式多模型粒子算法較交互式多模型算法（ IMM）具有更優(yōu)的跟蹤性能，轉(zhuǎn)彎過程中優(yōu)勢更加明顯。關(guān)鍵詞：目標(biāo)跟蹤;交互式多模型算法;粒子算法;車載雷達(dá)無線傳感技術(shù)的高速發(fā)展使得傳感器節(jié)點(diǎn)能夠組成自組織網(wǎng)絡(luò)，雷達(dá)方式的無線傳感技術(shù)具有成本低、容錯(cuò)性高、部署快速等多個(gè)優(yōu)勢，適合用于無人駕駛汽車、機(jī)動(dòng)目標(biāo)跟蹤以及目標(biāo)定位等多種領(lǐng)域[1-2]。1 車載模型目標(biāo)跟蹤模型及
電子技術(shù)與軟件工程 2020年13期2020-02-21