基于CNN的人体目标跟踪算法研究

来源 :青岛科技大学 | 被引量 : 0次 | 上传用户:feylodiw
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
人体目标跟踪是计算机视觉的重要研究方向,广泛应用于智能视频监控、智能交通系统、机器人、自动驾驶等领域,具有极高的研究价值。计算机视觉领域的深度学习方法,具有自主学习目标特征、准确度高、鲁棒性强等优点。但是,基于深度学习的目标跟踪仍然面对首帧训练数据不足、各种内外部因素干扰、实时性要求等问题。因此,本文针对人体目标检测和目标跟踪算法进行了研究,研究工作如下:(1)针对当前主流的人体目标检测算法Faster R-CNN,在处理多尺度问题时精度不足,网络运行效率有待提升等问题,提出基于CNN的多尺度多人目标检测方法。将FPN特征金字塔分别与Faster R-CNN的两个阶段进行结合,得到多尺度RPN和多尺度人体检测器。权衡RPN阶段正负锚点数量,保证网络高效、稳定运行。提出使用多次NMS,代替一次NMS,加快网络运行速度。调整锚点纵横比例,并对整体网络进行了一系列优化。提出的算法模型在标准数据集PETS 2009,Caltech,和INRIA上经过端到端训练得到,实验结果表明,提出方法的平均精确度显著提高。(2)针对当前主流的目标跟踪算法SiamMask提取目标的特征信息丰富度、深度欠佳,网络运行效率有待提升,在大型数据集上的训练速度慢等问题,提出特征融合与训练加速的高效目标跟踪。加深主干网络的参考特征层级,减少下采样,融合多个层级的参考特征图,从而提取目标更加深度、丰富的语义信息。经过深度互相关操作得到RoWs,在其中构建RPN网络,通过权衡正负锚点的数量比,使孪生网络性能更加高效、稳定。多个大型数据集训练孪生网络时,使用均匀滑动漂移采样,代替随机漂移采样算法,从而在抑制中心偏置现象的同时,显著地加快了孪生网络训练速度。在目标跟踪基准VOT2018上的评估实验结果表明,与所有参考的主流跟踪算法相比,提出的跟踪算法具有最佳性能。(3)将本文人体目标检测和目标跟踪算法相结合,实现完全自动的人体目标跟踪。首先对视频首帧使用本文人体目标检测方法,精确检测人体目标所在区域。将首帧人体区域坐标送入本文目标跟踪算法,对人体目标进行逐帧的跟踪。在VOT2018人体目标视频序列上的评估实验表明,与所有参考的跟踪算法相比,本文算法具有最优性能。
其他文献
经典Pawlak粗糙集理论是处理模糊性及不确定性知识的数学工具,在众多领域受到广泛关注,但是其缺乏一定的容错性,而决策粗糙集模型和程度粗糙集模型作为经典Pawlak粗糙集模型
孔雀石是主要的氧化铜矿物,在硫化浮选过程中,硫化钠用量的控制是一个至关重要的因素,一旦过量便会对其浮选造成抑制,从而影响其浮选效果。本论文是针对孔雀石在硫化浮选过程
随着汽车电子行业的发展,车载娱乐设备也变得越来越智能化,在驾驶员使用这些设备的同时,对于安全驾驶也提出更高的要求,其中在人机交互系统中衍生出一种可以脱离传统需要人机
在高纬度、高海拔的寒冷地区,混凝土结构普遍存在冻融破坏现象,冻融损伤不仅降低混凝土结构的力学性能,而且缩短其使用寿命,甚至对人民生命财产安全造成极大的威胁,因此必须
利用NCC具有高比面积、独特光学性质、层状排列的手性向列型液晶相为模板剂,诱导自组装制备出CNMS材料,CNMS将左手螺旋层状结构和液晶特性等精确地复制在其中。由于CNMS较大
受人类视网膜工作机制的启发,动态视觉传感器(Dynamic Vision Sensor,DVS)由于其有诸多优于传统的基于帧的图像传感器的某些优势,近来已成为研究热点。DVS中的像素不是在积分
目前,肺癌已经成为世界上发病率和死亡率最高的疾病。患者一旦被确诊为肺癌,往往已经处于肺癌晚期,晚期肺癌患者的五年存活率很低。因此,对肺癌患者做到早发现、早诊断、早治
3D打印技术又称增材制造技术,近年来获得了迅速发展。激光选区熔融技术(Selective Laser Melting,SLM)是技术较成熟、应用较广泛的一种3D打印技术,可制造致密度高、组织良好
软件开发过程中,诸如代码、需求文档、测试集合等软件制品之间的追踪线索对于软件理解、影响分析、软件维护等活动都具有重要意义。然而,人工的建立软件制品之间的追踪线索需
伴随着大数据时代的到来,卷积神经网络逐渐的替代了传统的识别方法,为了获得更强的特征,实现更高的精度,网络也从2D发展至3D。网络的结构变得日渐复杂,对硬件的计算能力要求