长时目标跟踪算法的研究与应用

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:lg97060329
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
目标跟踪技术旨在通过在图像序列的初始帧中给定目标的初始位置,进而在后续的图像序列中能够持续稳定的对目标的位置和大小进行预测。在军事制导、无人驾驶、视频监控和智能交通等领域有广泛的应用前景。与传统的短时目标跟踪算法相比,长时目标跟踪任务需要处理时间更长的视频序列,并且对目标在视野中消失又重现的场景进行处理,更加接近实际应用场景。然而现阶段对于长时目标跟踪算法,仅有少量的研究,在性能和实时性上仍有一定的优化空间。基于孪生网络的目标跟踪算法使用深度学习进行跟踪,在性能较高的同时能够达到实时,近年来引起了极大的关注。本文基于孪生网络的目标跟踪算法,对长时目标跟踪场景展开了研究,针对其中目标形变问题和目标消失重现问题进行改进,本文主要贡献如下:(1)针对长时目标跟踪下的目标形变问题,在Siam RPN算法的基础上,设计基于状态感知模板更新的目标跟踪算法(AUSiam RPN)。构建基于元学习的模板更新机制替换传统的加权求和的方式进行目标的模板更新。并使用长短记忆网络结合时序信息来进行目标状态感知,能够在目标形变过程中选取合适的时机进行更新,避免频繁更新造成的误差累积。在OTB100和VOT2019数据集上进行实验,结果表明,改进算法AUSiam RPN,在成功率和精确度上相比Siam RPN算法分别提升了4.1%和4.3%,同时还实现了46帧每秒的跟踪速度,有效的改善了目标形变场景下的跟踪能力。(2)针对长时目标跟踪下的目标消失和重现问题,基于AUSiam RPN算法,设计了基于丢失重检测的长时目标跟踪算法(AUSiam RPN_LT)。引入一种两阶段的目标重检测方法,在完成对全图快速粗搜索的基础上结合孪生网络进行判定和精定位。同时根据孪生网络的相似性进一步判决出现目标与消失目标之间的关系。在VOT2019_LT数据集上进行实验,结果表明,本文改进算法在F-score上实现了0.621的性能,并且能够以34帧每秒的速度运行。(3)针对长时目标跟踪算法的应用场景进行研究。基于Jetson Xavier NX嵌入式平台,构建长时目标跟踪应用系统。结合目标检测算法,对AUSiam RPN_LT算法在目标选取和重检测流程上进行优化。并从工程应用角度出发对系统进行实时性优化。实验表明本长时目标跟踪应用系统可以实现常规目标的稳定跟踪。
其他文献
目前常见的脑功能成像技术包括脑电图、功能磁共振成像技术和功能近红外光谱技术等。脑神经活动会引起血流动力学变化,功能近红外光谱技术利用脑组织中氧合血红蛋白和脱氧血红蛋白红对600~900nm近红外光具有较强的吸收率,从而获得脑神经活动时氧合血红蛋白和脱氧血红蛋白浓度的变化情况。功能近红外光谱技术与脑电图相比具有较高的空间分辨率,与功能磁共振成像技术相比具有良好的时间分辨率,同时f NIRS在设备成本
磁共振成像不仅可以进行结构成像,也可以进行功能成像,因此磁共振功能成像被广泛应用于脑功能研究中。在主磁场强度B0为3.0T及以下的磁共振扫描设备中,常使用平面回波成像序列进行功能成像。平面回波成像序列由于其特殊的梯度编码方式实现了一次射频脉冲激发采集整个K-空间数据,使其能够在很短的时间内完成全脑的扫描,但是这种特殊的成像方式也给平面回波成像序列引入了伪影以及低分辨率的问题。由于功能磁共振成像使用
随着深度学习的发展,基于深度学习的目标检测技术逐渐成为计算机视觉领域的一个研究热点。然而现有的目标检测算法通常无法做到检测效率和精度的平衡。其次,目标检测算法只能预测物体的边框坐标,无法精确到物体的轮廓,因此如何在保证检测效率的同时,使目标检测算法可以精确到物体的轮廓是一个待解决的问题。此外,由于目标检测数据集的标注较为复杂,需要耗费很多的时间成本以及人力成本,而现实场景中的物体分布和背景通常在不
伴随着因特网和各类信息技术的蓬勃发展,世界已经从信息匮乏时代迈向信息过量时代,促使越来越多的研究者把目光投向于对推荐系统的研究,希望借助推荐系统的力量来帮助人们自动过滤信息,降低信息筛选成本。在本文中,我们将研究视角聚焦到具体的饮食领域。吃穿住行是人们日常消费的四大领域,其中“吃”被排在第一位,足以说明其重要性。为了满足用户饮食决策需求以及指导用户进行烹饪,诞生了各种各样的食谱网站,他们精心搜集食
射频识别(RFID)技术是物联网的关键技术之一,越来越广泛地在各个领域得到应用。超高频RFID读写器系统在接收过程中,发射连续载波,无源标签在接收后,将带有标签信息的反射波返回给读写器。在这个过程中,读写器持续发射的连续载波,由于链路泄露或者通信环境等原因导致残留,形成自干扰信号,与读写器接收的有用信号叠加、覆盖,使得读写器无法正常地完成对有用信号的接收和解析。因此,在超高频RFID系统工作过程中
计算机软件正在逐步渗透至人们生活的各个领域,人们对于软件的质量也有了更高的需求。在软件开发的各个阶段分别加入完整软件测试过程,可以保证测试的充分性及软件的可靠性和安全性。其中测试用例的设计往往是主要问题所在,自动化的测试用例生成已成为人们关注的重点。基于数据流的测试用例生成主要是利用搜索算法,来生成满足数据流覆盖准则的用例。相比于控制流覆盖准则,数据流覆盖准则不会丢失方法之间的数据流交互关系。在测
射频通信的发展对收发系统提出了更加严苛的指标要求,随着5G技术在通信领域的商用,针对5G频段庞大的芯片市场,5G芯片的研究具有重要意义。其中功率放大器作为收发系统中最为关键的一环,决定整个模组的发射效率,同时在很大程度上决定了整体功耗。鉴于此,本文使用2μm砷化镓HBT工艺针对5G RF1频段设计了一款频带为50MHz-6GHz的高增益驱动放大器。频段不仅覆盖5G RF1频段,也能用于TD-LTE
在存储系统领域,现有的分布式存储系统,受限于传统的硬件设施,只能通过在系统存储总量、存储的数据数目和系统的整体性能这三者之间做取舍的方式来满足不同存储场景的需求。比如面向大文件场景的HDFS具备较高的系统容量,但是却无法存储大量的小文件;面向小文件的TFS可以存储大量的小文件,但是却无法提供较高的读性能。但日渐活跃的人工智能、物联网以及云计算等领域迫切需要一个可以满足其海量小尺寸数据存储需求的分布
知识图谱以结构化的形式描述客观世界中概念、实体及其之间的关系,提供了一种对海量数据的有效的组织和管理方式。在当前的大数据时代,各行业无时无刻都在产生着大量的数据,众多行业都需要构建自身领域的知识图谱(领域知识图谱)。然而,领域知识图谱的构建往往面临着领域相关数据缺乏、人工标注依赖大等困难。因此,如何在有限的领域数据条件下,自动创建新的标注数据,减少人工工作量是当前领域知识图谱构建迫切需要解决的关键
随着研究的不断深入,跳频技术成为了当今通信抗干扰技术的代表之一,具有非常良好的抗截获和抵抗衰落干扰的能力,已经被广泛用在军事战场和民用通信领域。频点随着时间变化是跳频信号最典型的特征,因此仅用傅里叶变换对其进行分析和处理是远远不够的,需要一种能够联合时间和频率的方法来对其进行处理。以结合了时间和频率的时频分析算法为基础,针对当前大多算法的噪声模型为高斯噪声,在非高斯模型下算法的效果并不佳的问题,本