检索结果-内蒙古大学图书馆

作者：周松辽宁工业大学

学位级别：硕士

多目标跟踪(Multi-Object Tracking,MOT)是计算机视觉领域的一个重要分支,旨在分析视频序列,以识别和跟踪一个或多个类别的对象。MOT已广泛应用于机器人导航、智能视频监控、行为识别等领域,但由于现实场景的复杂性,难免存在因为目标之... 详细信息

多目标跟踪(Multi-Object Tracking,MOT)是计算机视觉领域的一个重要分支,旨在分析视频序列,以识别和跟踪一个或多个类别的对象。MOT已广泛应用于机器人导航、智能视频监控、行为识别等领域,但由于现实场景的复杂性,难免存在因为目标之间的相互遮挡、摄像机抖动等现象带来的检测噪声,在一定程度上影响了跟踪算法的准确性和稳定性。本文在对国内外目标检测算法和跟踪算法研究的基础上,通过对YOLOv5检测算法和DeepSort跟踪算法的改进,来实现高精度和高识别率的跟踪任务。主要工作如下: (1)针对YOLOv5＿6.0算法在复杂背景下对小目标的检测与识别能力差的问题,提出了YOLOv5-GBS(YOLOv5＿6.0+GAM+BiFPN+GnConv+SIoU)目标检测算法。在YOLOv5＿6.0模型的主干网络末端引入全局注意力模块,来缓解在特征提取部分产生的特征信息丢失的问题,增强网络对小目标的关注度。将颈部网络中的FPN+PAN结构修改为BiFPN结构,同时,使用递归门控卷积GnConv进行重构,来实现多尺度特征融合,以加强模型的特征融合能力。将预测网络中的CIoU损失函数替换为SIoU损失函数,优化模型的训练和检测过程,加快模型的收敛速度。在City-Wider Person数据集上对YOLOv5-GBS算法进行了对比实验和消融实验,实验结果表明,对算法每个部分的改进均有正面影响,并且YOLOv5-GBS算法的检测精度、召回率、mAP0.5和检测速度均为对比算法中最优,分别为96.1%、92.5%、97.5%,101fap/s,满足现实场景中对目标检测的需求。 (2)对DeepSort多目标跟踪算法进行改进,解决由于频繁遮挡和长时间的遮挡产生的目标丢失或ID切换问题。将DeepSort算法中使用的Faster R-CNN检测器修改为鲁棒性和稳定性更好的YOLOv5＿GBS检测器,以正确的识别出视频帧中的更多的目标。对KF使用的8个状态变量进行修改,并对预测结果进行了补偿,来提高对目标的跟踪精度和定位进度。为了提高算法的跟踪匹配能力,使用CIoU匹配策略替换IoU匹配策略。将改进后的算法在MOT16和MOT20数据集上进行消融和对比实验,实验结果表明改进算法的MOTA提升了3.6%和6.5%,HOTA提升了6.3%和6.4%,ID切换次数降低了564次和423次。因此,改进的DeepSort算法在实际任务中更具有优越性。

关键词：全局注意力机制 BiFPN SIoU YOLOv5＿GBS算法改进DeepSort算法多目标跟踪算法

来源：评论

学校读者我要写书评

暂无评论

基于多源信息融合与随机有限集的多目标跟踪算法研究

基于多源信息融合与随机有限集的多目标跟踪算法研究

引用

作者：肖翔宇哈尔滨工程大学

学位级别：硕士

随着现代雷达、光电、声纳等传感器技术的发展，多目标跟踪(Multi-targetTracking,MTT)技术已成为信息融合领域的研究热点之一，广泛应用于空中预警、交通指挥等军民领域。在现代战场环境中，高密度背景杂波、目标数目随时间变化、多目... 详细信息

随着现代雷达、光电、声纳等传感器技术的发展，多目标跟踪(Multi-targetTracking,MTT)技术已成为信息融合领域的研究热点之一，广泛应用于空中预警、交通指挥等军民领域。在现代战场环境中，高密度背景杂波、目标数目随时间变化、多目标复杂机动等不确定因素会导致传统多目标跟踪算法的计算量增大，算法时效性与跟踪精度下降。随机有限集(RandomFiniteSet,RFS)类算法无需进行复杂的数据关联运算，并且可以有效地与多源信息融合算法结合起来，为解决多目标跟踪问题提供了新的思路。本文基于多源信息融合技术与随机有限集算法对多目标跟踪问题进行了深入研究，主要研究内容如下:　　1.针对线性高斯场景下高背景杂波与目标复杂机动导致跟踪精度下降的问题，提出了基于多普勒信息联合筛选与序贯滤波的多模型高斯混合型势概率假设密度算法。算法以势概率假设密度(CardinalityProbabilityHypothesisDensity,CPHD)滤波器为基础，首先设计了基于位置-多普勒信息的双关联波门，利用位置信息与多普勒信息对量测进行联合筛选，提高了筛选准确性;其次引入了多模型算法，以匹配目标存在的多种机动模式;最后利用目标多普勒信息与位置信息的相关性，在位置更新结果的基础上使用多普勒信息进行序贯滤波，进一步提高了多目标跟踪精度。通过仿真实验证明了所提算法的有效性。　　2.针对非线性、低杂波密度场景下雷达传感器存在的多普勒盲区问题，利用多传感器的信息互补特性，提出了多普勒盲区下基于多传感器分布式信息融合的多目标跟踪算法。算法以五阶CKF-势均衡多目标多伯努利(CardinalityBalancedMulti-targetMulti-Bernoulli,CBMeMBer)滤波器为基础，利用被动传感器不受多普勒盲区影响的性能优势，设计了多普勒盲区内的目标跟踪方法，并利用多传感器之间的信息互补特性，构造了多普勒盲区外基于分布式多源信息融合的5th-CKF-CBMeMBer算法。仿真实验表明，所提出的多传感器信息融合算法可以实现多普勒盲区内的目标跟踪，并改善多普勒盲区外的多目标跟踪精度。

关键词：多目标跟踪算法多源信息融合随机有限集 CBMeMBer滤波器 CPHD滤波器

来源：评论

学校读者我要写书评

暂无评论

用于自动驾驶车辆的融合注意力机制多目标跟踪算法

引用

汽车安全与节能学报 2021年第4期12卷 516-521页

作者：张平迟志诚陈一凡惠飞长安大学汽车学院西安710064 长安大学信息工程学院西安710064

为提高自动驾驶车辆的跟踪准确性,建立了一种融合注意力机制的多目标跟踪算法。基于YOLOv3神经网络并融合注意力机制,增强了目标外观特征提取网络的性能。用该多目标检测算法,提取目标或背景的具有辨别性的特征。用长短时记忆(LSTM)网络... 详细信息

为提高自动驾驶车辆的跟踪准确性,建立了一种融合注意力机制的多目标跟踪算法。基于YOLOv3神经网络并融合注意力机制,增强了目标外观特征提取网络的性能。用该多目标检测算法,提取目标或背景的具有辨别性的特征。用长短时记忆(LSTM)网络,提取物体的运动特征。用该跟踪算法对目标轨迹进行动态建模。借助追踪目标的相似度数值和数据匹配关联,完成了多目标的跟踪任务。在多目标跟踪数据集MOT16上进行了实验。结果表明:与YOLOv3相比,考虑注意力机制的多目标检测算法的成功率提高了1.9%;该算法的准确度53.9%,精确度79.0%;因而,本算法实现了对目标的稳定跟踪。

关键词：自动驾驶车辆多目标跟踪算法深度神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

一种基于目标检测与特征提取结合模型的多目标跟踪算法

一种基于目标检测与特征提取结合模型的多目标跟踪算法

引用

作者：戴林王健薛超王景彬邓晔张龙龙 300384 天津市滨海新区高新区华苑产业区(环外)海泰华科二路8号

本发明提供了一种基于目标检测与特征提取结合模型的多目标跟踪算法，包括以下步骤：S1、在具有FPN结构的目标检测网络的预测特征图层后增加提取目标外观特征网络层；S2、对增加了目标外观特征提取网络层的FPN结构的目标跟踪的检测网络... 详细信息

标准号: CN112001950B

本发明提供了一种基于目标检测与特征提取结合模型的多目标跟踪算法，包括以下步骤：S1、在具有FPN结构的目标检测网络的预测特征图层后增加提取目标外观特征网络层；S2、对增加了目标外观特征提取网络层的FPN结构的目标跟踪的检测网络计算出目标混合损失；S3、将多帧目标检测、跟踪过程利用神经网络形成特征对比数据库；S4、将当前的图像目标外观特征与数据库中的特征对比，若目标一致则画出目标轨迹；若目标不一致则将特征加入得到对比数据库中，形成新的对比数据库，重复步骤S2、S3。本发明所述的跟踪的目标较多时，本发明的跟踪算法在目标的位置回归、类别分类、特征提取的过程中，能够有很好的实时性表现，算法运行时间相对稳定，不会因为目标数量的增多，而随之线性的增加时间了。

关键词：目标检测特征提取对比数据库目标外观特征对比数据库多目标跟踪算法跟踪算法混合损失类别分类目标跟踪目标轨迹神经网络特征网络图像目标外观特征网络计算不一致实时性特征图网络层跟踪多帧算法回归检测预测重复表现网络

来源：评论

学校读者我要写书评

暂无评论

基于多目标跟踪算法的图像处理方法、装置、设备及介质

基于多目标跟踪算法的图像处理方法、装置、设备及介质

引用

作者：张玉琪 518000 广东省深圳市前海深港合作区妈湾兴海大道3048号前海自贸大厦1-34层

本申请涉及人工智能领域，公开了一种基于多目标跟踪算法的图像处理方法，包括：利用JDE算法提取视频帧对应的特征图，JDE算法的检测头中的卷积单元为可变形卷积单元；利用可变形卷积单元，从特征图中提取每个检测框对应的偏移量；根据... 详细信息

标准号: CN113129338B

本申请涉及人工智能领域，公开了一种基于多目标跟踪算法的图像处理方法，包括：利用JDE算法提取视频帧对应的特征图，JDE算法的检测头中的卷积单元为可变形卷积单元；利用可变形卷积单元，从特征图中提取每个检测框对应的偏移量；根据每个检测框对应的偏移量，确定每个检测框的位置信息；根据每个检测框对应的偏移量，提取每个检测框中的初始锚点对应的特征向量；将每个检测框的位置信息与对应的特征向量进行关联，以基于关联后的特征向量执行图像跟踪处理。本申请还涉及区块链技术领域。本申请还公开了一种基于多目标跟踪算法的图像处理装置、计算机设备以及计算机可读存储介质。本申请提高了利用JDE算法进行图像跟踪处理的准确率。

关键词：检测框特征向量偏移量卷积算法多目标跟踪算法图像跟踪可变形特征图申请计算机可读存储介质人工智能领域图像处理装置关联计算机设备图像处理检测头视频帧准确率锚点区块

来源：评论

学校读者我要写书评

暂无评论

基于多识别等级标签的多分类多目标跟踪算法评价方法

基于多识别等级标签的多分类多目标跟踪算法评价方法

引用

作者：刁靖东周庆瑞孙昌浩王辉 100094 北京市海淀区友谊路104号院

本发明涉及一种基于多识别等级标签的多分类多目标跟踪算法评价方法，基于分层多级类标签扩展了传统最优子模式分配度量评价方法，分层多等级类别标签可作为基于层次化树状结构分类学分类后的目标有限集的附属标签，通过在任意两个标签... 详细信息

标准号: CN117574108A

本发明涉及一种基于多识别等级标签的多分类多目标跟踪算法评价方法，基于分层多级类标签扩展了传统最优子模式分配度量评价方法，分层多等级类别标签可作为基于层次化树状结构分类学分类后的目标有限集的附属标签，通过在任意两个标签所代表的类别分布之间定义一个类Wasserstein距离度量，得到了一种满足数学定义的距离度量作为多分类多目标跟踪算法评价方法，能够应用于层次化多识别等级分类下的多类多目标跟踪问题，并提出了相应的评价准则，能够综合衡量多类多目标跟踪问题中目标状态误差、势误差和错误分类造成的估计偏差，推广应用至评价自动驾驶、智慧路口等场景的多目标跟踪算法，具有重要的实际应用意义。

关键词：多目标跟踪算法多目标跟踪距离度量层次化分层分类标签标签扩展错误分类等级标签等级分类等级类别附属标签估计偏差目标状态评价准则树状结构数学定义应用意义自动驾驶子模式度量路口场景衡量分配应用

来源：评论

学校读者我要写书评

暂无评论

基于多目标跟踪算法的城市高架道路车辆测速方法

基于多目标跟踪算法的城市高架道路车辆测速方法

引用

作者：封玲王晓宇王一明胡珉高新闻薛子欣赵鹏陈莹锋 200120 上海市浦东新区中国(上海)自由贸易试验区临港新片区环湖西二路888号B楼388室

本发明公开了基于多目标跟踪算法的城市高架道路车辆测速方法，本发明的有益效果：本发明采用先进的多目标跟踪算法，实现对城市高架道路中车辆行驶速度的精确测量，能够提高道路交通的安全性和效率，同时本发明能够在无需添加外部设备... 详细信息

标准号: CN113092807B

本发明公开了基于多目标跟踪算法的城市高架道路车辆测速方法，本发明的有益效果：本发明采用先进的多目标跟踪算法，实现对城市高架道路中车辆行驶速度的精确测量，能够提高道路交通的安全性和效率，同时本发明能够在无需添加外部设备的情况下，通过软件的方式，在任意已有的视频监控设备上实现车辆测速功能，大大降低了城市道路车辆测速的成本和复杂性。

关键词：多目标跟踪算法城市高架道路车辆测速外部设备测速城市道路车辆视频监控设备车辆行驶道路交通测量

来源：评论

学校读者我要写书评

暂无评论

一种基于小样本学习的多目标跟踪算法

一种基于小样本学习的多目标跟踪算法

引用

作者：廖家设 541004 广西壮族自治区桂林市七星区金鸡路1号

本发明公开了一种基于小样本学习的多目标跟踪算法及系统，属于视频追踪技术领域，包括以下步骤：S1：选定目标并获取其深度特征；S2：训练深度神经网络并植入边缘计算系统；S3：保存图像并记录图像及拍摄设备信息；S4：进行IoU匹配和... 详细信息

标准号: CN117474946A

本发明公开了一种基于小样本学习的多目标跟踪算法及系统，属于视频追踪技术领域，包括以下步骤：S1：选定目标并获取其深度特征；S2：训练深度神经网络并植入边缘计算系统；S3：保存图像并记录图像及拍摄设备信息；S4：进行IoU匹配和特征相似性度量；S5：目标跟踪接力。本发明利用边缘计算实时性强的特点，降低对云中心的计算、存储和网络带宽的需求，提高视频分析的速度；结合卡尔曼滤波和深度学习技术对视频目标进行预测和跟踪，可以解决解决视频目标跟踪中需要人员值守和进行筛选等费时费力的问题。

关键词：多目标跟踪算法视频目标跟踪卡尔曼滤波特征相似性计算系统记录图像目标跟踪拍摄设备人员值守深度特征神经网络视频分析视频目标视频追踪网络带宽选定目标实时性小样本度量植入匹配费力存储接力筛选图像学习保存跟踪预测

来源：评论

学校读者我要写书评

暂无评论

一种基于特征聚合的多目标跟踪算法

一种基于特征聚合的多目标跟踪算法

引用

作者：刘志强任世恒陈林 212013 江苏省镇江市京口区学府路301号

本发明公开了一种基于特征聚合的多目标跟踪算法，采用目标检测算法对待检测目标进行检测，得到检测框内的目标图像及检测框数据集合；将检测框内的目标图像输入重识别网络，利用重识别网络提取检测目标的外观特征，得到外观特征数据集... 详细信息

标准号: CN112818771B

本发明公开了一种基于特征聚合的多目标跟踪算法，采用目标检测算法对待检测目标进行检测，得到检测框内的目标图像及检测框数据集合；将检测框内的目标图像输入重识别网络，利用重识别网络提取检测目标的外观特征，得到外观特征数据集合；利用卡尔曼滤波算法预测跟踪轨迹；利用关联算法对检测目标和跟踪轨迹进行匹配；利用卡尔曼滤波更新匹配成功的跟踪轨迹；本发明的多目标跟踪算法可以准确提取检测目标的外观特征，减少跟踪过程中身份识别混乱现象。同时利用两阶段数据关联匹配机制可有效抑制目标遮挡和突然形变导致的匹配失效。

关键词：跟踪轨迹外观特征检测框多目标跟踪算法检测目标图像数据集合匹配卡尔曼滤波算法目标检测算法卡尔曼滤波关联算法混乱现象目标遮挡匹配成功匹配机制身份识别数据关联提取检测网络提取有效抑制两阶段形变聚合跟踪预测更新网络

来源：评论

学校读者我要写书评

暂无评论

一种针对目标非线性运动场景下的多目标跟踪算法

一种针对目标非线性运动场景下的多目标跟踪算法

引用

作者：王博艺王凡胡小鹏吴思宁高翔 116024 辽宁省大连市甘井子区凌工路2号

本发明属于计算机视觉与多目标跟踪领域，涉及一种针对目标非线性运动场景下的多目标跟踪算法。本发明针对现有多目标跟踪器在非线性运动场景下往往存在的目标‑轨迹匹配关联不上的问题，对现有多目标跟踪器的检测特征与目标重识别特征... 详细信息

标准号: CN116091550A

本发明属于计算机视觉与多目标跟踪领域，涉及一种针对目标非线性运动场景下的多目标跟踪算法。本发明针对现有多目标跟踪器在非线性运动场景下往往存在的目标‑轨迹匹配关联不上的问题，对现有多目标跟踪器的检测特征与目标重识别特征的提取方式进行了改进，同时为了更加契合非线性运动条件下的目标‑轨迹关联匹配的特点，在具体匹配关联阶段提出了一种新的关联策略。本发明提高计算成本的同时，改善了现有多目标跟踪器在行人非线性运动场景下难以进行目标关联的问题，提高了多目标跟踪器在行人非线性运动场景下的跟踪效果。

关键词：多目标跟踪非线性运动场景匹配多目标跟踪算法关联计算机视觉关联策略关联阶段关联匹配契合跟踪检测改进

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：