【摘 要】
：
针对常见的视频目标跟踪算法难以适应形变以及遮挡等一些干扰场景,该文提出了一种基于多层深度特征的尺度相关粒子滤波跟踪方法。与现有的基于相关滤波器和粒子滤波器的跟踪方法相比,该算法具有许多优点。首先,利用区分尺度空间的跟踪器,考虑了目标对象的尺度变化,在对目标尺度估计方面表现良好。其次,通过卷积神经网络提取目标特征,能够处理目标较大变化和防止跟踪器漂移。最后,通过尺度相关滤波器将采样的粒子引导至目标状
【基金项目】
：
国家自然科学基金项目(61473047)。
论文部分内容阅读
针对常见的视频目标跟踪算法难以适应形变以及遮挡等一些干扰场景,该文提出了一种基于多层深度特征的尺度相关粒子滤波跟踪方法。与现有的基于相关滤波器和粒子滤波器的跟踪方法相比,该算法具有许多优点。首先,利用区分尺度空间的跟踪器,考虑了目标对象的尺度变化,在对目标尺度估计方面表现良好。其次,通过卷积神经网络提取目标特征,能够处理目标较大变化和防止跟踪器漂移。最后,通过尺度相关滤波器将采样的粒子引导至目标状态分布模式,与传统的粒子滤波算法相比,该算法能够用较少的粒子有效地覆盖目标状态,具有鲁棒跟踪性能和较低的
其他文献
随着Wi-Fi感知技术的发展,出现了大量使用Wi-Fi信道状态信息(channel state information, CSI)进行动作识别的应用。然而大多数的方法在数据预处理和训练阶段都依赖于人工构建特征,构建过程耗时耗力并且需要专家的领域知识。针对上述问题,提出一种基于CRNN(convolutional recurrent neural network)的CSI动作识别方法。将不同手势的CSI数据做低通滤波处理后,通过自组织映射(self organizing maps, SOM)聚类的结果选择最
软件缺陷预测是提升系统质量的有效途径,也是影响软件组件中缺陷检测与修复效率的关键因素。海洋资源大数据系统属于典型的软件密集型系统,在该系统的软件质量保障环节,针对缺陷预测中训练数据不平衡以及单一回归技术对有缺陷组件缺陷数预测的支持能力不足的现状,从两方面提升组件缺陷数预测的效能:提出采用SMOTE技术构建均衡样本数据集,对不均衡的样本数据集中有缺陷组件进行过采样,兼顾不同类别样本占比,提升预测的准确性;提出一种支持先分类后回归的缺陷数多步预测方法,利用支持向量机对组件进行分类,筛除分类结果中无缺陷组件,采
针对传统的集中式网络架构存在链路负载过重、时延较长的问题,将服务器下放至靠近用户端的移动边缘计算概念孕育而生。在移动边缘计算系统中,任务卸载调度策略的好坏影响到系统时延和用户体验,因此任务卸载调度问题依旧是移动边缘计算领域中的研究热点。在移动边缘计算的多用户多核系统中,该文对用户的多个独立任务的调度策略与功率分配进行了研究。为了降低任务卸载时延,首先利用混合流水车间模型对任务卸载调度策略进行了建模,获得了系统时延的表达式,其次利用模拟退火算法对系统时延与能耗的加权和最小化的问题进行了求解,获得了最优的任务
Achilles Knife来自德国,由一块完整的不锈钢制成,刀片和手柄是一体的,整个刀是完全无缝的.无论从侧面还是从顶部看,Achilles都是独一无二的.流线型外观,符合人体工学的设计,
在研究基于深度学习的左心室分割方法时,需要足够的有标注的图像,才能获得准确的分割结果,而有标注的左心室图像往往难以获得。因此,提出了一种基于迁移学习和多尺度判别的生成对抗网络(TLMDB GAN)的MRI左心室图像分割方法,解决心室图像数据不足的问题。模型包含一个分割网络和一个判别网络。分割网络(TLBSN)使用全卷积神经网络,利用迁移学习逐层微调辅助分割,判别网络是一个多尺度的判别网络,监督生成
森林火灾危害严重,容易引起生命和财产损失,救援任务相对困难。然而,在森林火灾发生初期,准确的火情检测和火情识别,可以提前预警,降低生命和财产损失。利用无人机视觉监控火情图像,辅助救援,提高救援效率,保障救援中的人员安全。该文利用无人机实时获取森林状态图像,通过图像处理来自动识别火情。然而,单一特征难以准确分析和判断火情趋势。为了提高森林火灾识别的准确度,对森林火情的识别进行了研究,提出处理提取图像
针对疫情防控期间线上直播成为在线教学主模式的发展现状,深入分析了大规模线上直播教学对数据承载网络提出了持续大规模高密度同步传输、分组式成员动态管理和资源跨域共享安全控制等组网性能新需求。以需求为导向,提出了将VPN的安全性与组播数据传输的高效性相结合的“VPN+组播”组网技术,具体给出了域内组播、全域组播和域间混合组播等三种方案设计并从数据传输控制层面详细分析了工作过程。在此基础上,基于eNSP仿真平台通过组成员管理、GRE隧道搭建、IPSec安全协商以及安全策略调用等步骤给出“VPN+组播”组网
智能电能表随着社会的发展和其采集信息的便利性而日益普及,同时每年对智能电表进行的状态判断与检测过程也耗费了大量的人力物力资源。因此,为了高效准确地进行智能电表状态的判断,课题组提出利用智能电表运行数据构建贝叶斯网络来实现精准推断的方法。首先根据生活经验和相关文献确定能反映智能电能表状态的主要因素,然后选取相关因素的代表性数据构成电能表状态评价数据集,并对该数据集进行离散化,然后利用贝叶斯网作为融合模型解决智能电能表相关数据中存在的不确定性和不完备性问题。同时结合选择性集成学习方法进一步提高状态评价的准确性
目前车辆轮廓检测主要是使用激光扫描技术,能够快速获取复杂曲面的点云数据。在扫描车窗处时,因为车窗本身玻璃材质的透光率较大,产生异常噪声点,污染车窗及其周围的数据,影响车辆轮廓检测的精度。针对车窗处点云数据异常的问题,提出基于点间距与曲率的自适应双阈值特征提取算法。首先计算车辆切面点间距变化量与曲率,然后基于标准差确定双阈值,获得车窗噪声特征点边界。根据特征点边界对车窗部分的边界进行拟合,去除边界内
无人化、智能化是未来战场的重要特征,作为信息化战争的神经中枢,指挥信息系统智能化、自适应化是未来该系统建设的必然方向。如何设计与实现智能化指挥信息系统,普适计算及情景感知技术为其建设提供了一条可行路线。针对情景感知技术背景下,智能化指挥信息系统情景环境要素组成问题,论文综合运用指挥信息系统本体建模技术、情景感知技术,将指挥信息系统情景环境划分为八个维度,确定各维度下的情景概念、关系,在此基础上借助UML扩展机制,形成一种面向情景感知的智能指挥信息系统本体建模方法。该方法解决了智能指挥信息系统情景环境要素的