【摘 要】
：
随着城市安防系统的迅速建设,摄像机的数量指数上升,采用人工方法在摄像机集群中追踪行人更加艰难,所以基于深度学习的多目标跟踪方法取得了迅速的发展。本文主要研究了一种非重叠视域多摄像机场景下对多个行人进行跟踪的算法,将其分为三个子问题进行研究,并提出优化和改进的方案。首先,为解决行人跨相机视域时因视角、光照影响导致特征表达能力不足的问题,提出了一种适应跨视域的特征提取算法。该算法将IBN块嵌入分类网络
论文部分内容阅读
随着城市安防系统的迅速建设,摄像机的数量指数上升,采用人工方法在摄像机集群中追踪行人更加艰难,所以基于深度学习的多目标跟踪方法取得了迅速的发展。本文主要研究了一种非重叠视域多摄像机场景下对多个行人进行跟踪的算法,将其分为三个子问题进行研究,并提出优化和改进的方案。首先,为解决行人跨相机视域时因视角、光照影响导致特征表达能力不足的问题,提出了一种适应跨视域的特征提取算法。该算法将IBN块嵌入分类网络骨架Res Net应对图像风格转换问题。同时提出随机灰度擦除的数据增强方法,有效改善光照对行人重识别模型的影响。在模型训练时使用Circle Loss代替了Soft Max Loss和Triplet Loss的组合,并结合Center Loss来加强特征的内聚性。该算法在Market1501和Duke MTMC-Re ID两大数据集上训练并在精度上取得显著体提升。然后,为解决Deep Sort算法应对遮挡能力不足的问题,本文设计一种数据存储结构,使其能够保存更长久的行人特征。给出融合距离信息的IOU关联方案,提高卡尔曼滤波预测的容错率。同时提出低置信度检测关联方法,将被遮挡的轨迹与低置信度检测进行关联,减少因遮挡导致身份切换的次数。将改进的算法在MOT16数据集进行验证。实验结果表明本文做出的改进提升了跟踪的准确度。最后,为了解决行人跨相机时无法准确识别身份的问题,加入时空信息,并利用Parzen窗平滑时间-频次直方图来获取直观的时空概率。同时为每个轨迹设置5种状态,给出由状态间的转换确定的跟踪流程,明确了轨迹创建与删除的条件。在Duke MTMC数据集验证本文提出的算法,证明其能够在跨摄像机场景下准确关联行人并完成跟踪。
其他文献
将政府办医与社会办医对立起来，不仅会使医疗卫生资源难以得到有效配置，也会使社会办医畸形发展。文章认为，政府办医和社会办医统一于社会主义医疗卫生制度中，都是中国特色社会主义医疗卫生资源不可分割的重要组成部分。把握中国特色社会主义医疗卫生资源性质，切实推进医疗卫生资源社会化，既是推进医疗卫生资源合理有效配置的客观需要，也是落实分级诊疗、推进健康中国建设的内在要求。当前，在推进医疗卫生资源社会化过程中，
计算机博弈,也被称为机器博弈,其本质是期望计算机能够和人一样做出智能的决策。计算机博弈作为人工智能领域最富有挑战且十分重要的一个研究方向,对人工智能学科的发展起到推动作用。近年来,随着深度强化学习的快速发展,以Alpha Go为代表的博弈智能体取得了举世瞩目的成就,不仅促进了机器博弈理论与技术的进步,同时对人工智能的发展产生了深远的影响。藏久棋作为一种完备信息博弈的棋类游戏,主要流行于我国藏民族地
工艺过程自动生成一直是计算机辅助工艺设计追寻的目标。但限于强专业性、复杂逻辑、少数据等问题,派生、规则、本体与浅层神经网络的方法受到了诸多挑战,效果与实用性不佳。在此背景下,本文开展了基于深度学习的小样本工艺过程生成研究,具体包括:针对现有工艺过程生成方法对于不同专业适用性较差的问题,提出一种基于深度学习编码器-解码器的工艺过程生成方法。该方法利用工艺大纲文件数据,通过编码器提取工艺属性特征,解码
文章借助超效率SBM模型、ESDA模型、Malmquist指数模型、固定效应模型分析了我国中医医院公共医疗服务效率的时空演化特征和影响因素。结果显示，我国中医医院医疗服务综合效率整体处于中等水平，地区间差异较大，TFP年均下降1.9%，效率值呈现空间集聚。医师日均担负诊疗人次数、日均担负住院床日、病床使用率和人均GDP对医疗服务综合效率有正向影响。应推进中医医疗资源均衡布局，推动医疗服务和管理模式
互联网技术的快速发展催生了大数据时代的到来,数据在积累的过程中常常伴随各种类型的数据错误,其中不一致错误就是最常见的一种。针对数据中的不一致错误,现有数据修复方法分为子集修复和更新修复两种,大多基于完整性约束规则,采用最小代价原则,通过删除或更新少量元组使得数据一致。然而当数据中的错误较多时,这种方法的准确率将大大降低。为此,本文提出规则与概率相结合的混合式数据修复方法,利用概率统计信息指导错误修
随着智能交通系统越来越普及,车辆用户产生大量的数据需求。近年来,大量的研究人员聚焦于如何解决车辆用户获取请求内容的问题,但这些研究都缺乏不同网络环境对用户体验质量（Quality of Experience,Qo E）影响的思考。本文针对不同网络环境提出了网络质量好的环境下的智能化边缘缓存策略和网络质量差的环境下的智能化边缘缓存策略。首先,针对网络质量好的环境下车辆的高速移动性导致的车辆在基站之间
随着互联网的高速发展及移动客户端的普及,人们越来越依赖于通过互联网来获取信息,文本信息过载问题日益严重,因此如何高效准确的获取信息变得尤为重要,文本摘要便是其中一个重要手段。本文在先前的研究基础上进一步探索,并提出了相应的改进算法,主要包括以下两个方面:（1）鉴于中文n-gram蕴含着丰富的局部上下文信息,本文提出一种将n-gram信息整合到现有模型的神经框架Ngram Sum。该框架以现有的神经
动态对比增强磁共振影像（Dynamic-contrast Enhanced Magnetic Resonance Imaging,DCE-MRI）可以显示平扫影像中不明确的病灶区域,因此被广泛用于乳腺癌的早期诊断中。在检查过程中,患者的呼吸行为等会导致乳腺部位的形变,导致对于同层面不同时相的乳腺区域出现错位。此外,造影剂随时间的衰减也会对配准效果造成一定程度的影响。本文针对现有配准方法存在的准确率
强化学习的深入研究推动了相关技术在无人驾驶、智能对抗等领域中的实际应用,并表现出了卓越的性能。但近年有研究指出,强化学习模型在实际使用中表现出不稳定的情况,既攻击者在模型的输入信息中注入扰动,从而使模型输出错误导致性能下降或决策失误。所以设计有效的对抗攻击是构建鲁棒的强化学习模型必不可少的前提。对于对抗样本对强化学习模型的干扰情况,本文提出了全时攻击算法进行评估,探究了强化学习模型对于不同对抗样本
近年来,导致危害人体健康的腹部器官病变和肿瘤的发病率逐年上升。腹部各个器官的体积与形态变化是腹部疾病的早期诊断指标,其主要诊断方式为计算机断层扫描技术。从人体腹部多组织CT影像中精确并高效地分割腹部器官能够提高医生诊断的准确度和效率。大多数基于深度学习的网络模型通常用来处理单器官的分割问题,其进行多组织分割任务时,会产生由于图像中含有大量无关背景、不同类型器官之间相互影响而导致的过度分割与分割准确