【摘 要】
：
为解决传统判别式相关滤波算法在跟踪过程中由于出现响应图畸变和外观模型描述不准确而导致的跟踪漂移问题,提出一种基于学习抑制畸变相关滤波器和选择最优特征组合的目标跟踪算法。通过引入裁剪矩阵和正则化项的方法,使在扩大目标搜索区域的同时有效抑制响应图畸变问题的发生;采用以多特征组合为基础的多特征决策方案选择出最优特征组合用于目标跟踪,提高目标外观表征能力。通过在公开测试集上与多种算法性能进行对比分析,验证
【机 构】
：
郑州工商学院工学院,河南郑州451400;河南工业大学人工智能与大数据学院,河南郑州450001;洛阳职业技术学院信息技术与城建学院,河南洛阳471000
论文部分内容阅读
为解决传统判别式相关滤波算法在跟踪过程中由于出现响应图畸变和外观模型描述不准确而导致的跟踪漂移问题,提出一种基于学习抑制畸变相关滤波器和选择最优特征组合的目标跟踪算法。通过引入裁剪矩阵和正则化项的方法,使在扩大目标搜索区域的同时有效抑制响应图畸变问题的发生;采用以多特征组合为基础的多特征决策方案选择出最优特征组合用于目标跟踪,提高目标外观表征能力。通过在公开测试集上与多种算法性能进行对比分析,验证了所提算法的准确性和有效性。
其他文献
为有效识别工程车车型,提出一种改进的HOG特征的自动识别算法。使用RPN (region proposal network) 自动划分车辆候选区,对每个候选区进行自然度保留的图像增强处理和颜色不变性处理,分别提取NPE-HOG (naturalness preserved enhancement-histogram of oriented gradients) 特征和 CIV-HOG (color
浏览器挖矿通过向网页内嵌入挖矿代码,使得用户访问该网站的同时,非法占用他人系统资源和网络资源开采货币,达到自己获益的挖矿攻击.通过对网页挖矿特征进行融合,选取八个特征用以恶意挖矿攻击检测,同时使用逻辑回归、支持向量机、决策树、随机森林四种算法进行模型训练,最终得到了平均识别率高达98.7％的检测模型.同时经实验得出随机森林算法模型在恶意挖矿检测中性能最高;有无Websocket连接、Web Worker的个数和Postmessage及onmessage事件总数这三个特征的组合对恶意挖矿检测具有高标识性.
为提高车牌检测与识别的适应性,增强系统性能,提出一种基于检测解扭曲-卷积神经网络(DU-CNN)方法。运用已有技术进行车辆检测;利用YOLO空间变换网络理念,提出一种变型的卷积神经网络DU-CNN,该网络学习对发生各种不同形变的车牌进行检测,通过对仿射变化的系数进行回归,将发生形变的车牌重新解扭曲为接近正前方视角的矩形,通过光学字符识别(OCR)方法得到最终结果。为增强训练数据集,数据集由真实数据
车联网视频采集终端在复杂环境下会出现准确率较低的问题,对此提出基于神经网络的车载视频采集终端车牌号码识别算法。依托移动边缘计算优势,在车联网侧添加边缘层Mobile Net可分离卷积核,在采用滤镜算法对采集图像进行数学形态学预处理后,结合云端的深度神经网络,设计一种基于车联网边缘计算的车牌号识别算法。实验结果表明,该方法较传统方法有着更高的准确率与速率,更好满足了公安应急处突中移动车辆实时定位的要
通过定量与定性相结合的方式全面分析了深度学习在自然语言处理领域的研究情况.采用CiteSpace和VOSviewer对深度学习在自然语言处理领域的研究国家、机构、期刊分布、关键词共现、共被引网络聚类及时间轴视图等进行知识图谱绘制,理清研究脉络.通过深入挖掘领域内的重要文献,总结深度学习在自然语言处理领域的研究趋势、存在的主要问题或发展瓶颈,并给出相应的解决办法与思路.对于如何跟踪深度学习在自然语言处理领域的研究成果给出建议,为该领域的后续研究与发展提供参考.
针对上下客车辆,在无隔离带机非混行路段路边临停的现象,建立基于元胞自动机的混合交通流模型.对于用车乘客到达时间与地点的随机性,分别采取泊松分布与均匀分布;在NS模型基础上,对不同上下客车辆临时停车、让道的行为设计规则;对于非机动车采取BC A模型,引入越线换道和让行规则.通过数值模拟,研究路边临停现象的演化机理和临停时间的影响.仿真结果展现了有路边临停现象路段交通流、相位、时空的变化特征,表明了车辆平均临停时间的增加会导致车流量降低,以及额外占道时间的增长.
针对安检通道中人工检测违禁物品导致效率低的问题,提出一种基于全卷积网络改进的X光图像违禁物品检测方法。采用单阶段检测算法提高计算速度和简化模型,实现无锚框情况下的逐像素检测;构建双向特征金字塔进行多尺度融合,一定程度上解决物品重叠的问题并降低漏检率;改进损失函数实现高效的模型训练,减少内存占用和低质量的计算。实验结果表明,所提算法能够在民航安检应用中实现准确、高效的智能X光图像中违禁物品的检测。
神经网络技术在图像处理、文本分析和语音识别等领域取得了令人瞩目的成就,随着神经网络技术应用到一些安全攸关的领域,如何保证这些软件应用的质量就显得尤为重要.基于神经网络技术的软件在开发和编程上和传统软件有着本质的区别,传统测试技术很难直接应用到此类软件中,研究针对神经网络的验证和测试评估技术十分必要.从有效评估和测试神经网络出发,对神经网络验证和测试技术的研究现状进行梳理,分别从验证技术、基于覆盖的测试技术、基于对抗样本的测试技术、融合传统测试技术等方面进行了归纳和分类.对其中一些关键技术的基本思想和实现做