检索结果-内蒙古大学图书馆

中国图象图形学报 2020年第4期25卷 708-720页

作者：方岚于凤芹江南大学物联网工程学院无锡214122

目的复杂场景下目标频繁且长时间的遮挡、跟踪目标外观相似引起身份转换等问题给多目标跟踪带来许多挑战。针对多目标跟踪在复杂场景中因长时间遮挡引起身份转换和轨迹分段的问题,提出一种基于自适应在线判别外观学习的分层关联多目标... 详细信息

目的复杂场景下目标频繁且长时间的遮挡、跟踪目标外观相似引起身份转换等问题给多目标跟踪带来许多挑战。针对多目标跟踪在复杂场景中因长时间遮挡引起身份转换和轨迹分段的问题,提出一种基于自适应在线判别外观学习的分层关联多目标跟踪算法。方法利用轨迹置信度将多目标跟踪分为局部关联和全局关联两个层次。在局部关联中,置信度高的可靠轨迹利用外观、位置-大小相似度与当前帧检测点进行关联;在全局关联中,置信度低的不可靠轨迹引入运动模型和有效关联范围进一步关联分段的轨迹。在提取目标外观特征时引入增量线性可判别分析方法以解决身份转换问题,依据新增样本与目标样本均值的外观特征差异自适应地更新目标外观模型。结果在公开数据集2D MOT2015中的PETS09-S2L1、TUD-Stadmitte、Town-Center 3个数据集中与当前10种多目标跟踪算法进行比较,该方法对各个数据集身份转换和轨迹分段都有减少,其中在Town-Center数据集中,身份转换减少了60个,轨迹分段减少了84个,跟踪准确度提高了5.2%以上。结论本文多目标跟踪方法,能够在复杂场景中稳定有效地实现多目标跟踪,减少轨迹分段现象,其中引入的在线线性可判别外观学习对遮挡产生的身份转换具有良好的解决效果。

关键词：多目标跟踪局部关联全局关联轨迹置信度增量线性可判别分析

来源：评论

学校读者我要写书评

暂无评论

一种用于3D激光雷达点云处理的多目标跟踪算法

引用

信息与控制 2024年第4期53卷 508-519页

作者：武宏伟吕东升贾琳北京万集科技股份有限公司北京100085 中国科学院合肥物质科学研究院安徽合肥230031

近年来,3D激光雷达作为一种高精度传感器,提升了城市交通的治理水平。然而城市交通场景复杂,目标众多且运动轨迹相互交叉,传统的多目标跟踪方法难以生成准确的交通目标运动轨迹。本文针对城市路口复杂场景交通目标实时跟踪问题,设计了... 详细信息

近年来,3D激光雷达作为一种高精度传感器,提升了城市交通的治理水平。然而城市交通场景复杂,目标众多且运动轨迹相互交叉,传统的多目标跟踪方法难以生成准确的交通目标运动轨迹。本文针对城市路口复杂场景交通目标实时跟踪问题,设计了一种基于多层级结构的多目标跟踪(multi-level object tracking, MLOT)算法框架,结合基于椭圆门限的多维特征数据关联以及针对预测结果的自适应初值滤波等方法。通过对路侧感知数据集进行实验,结果表明,本文的算法明显优于初始的跟踪算法,能够增强复杂交通场景中目标跟踪关联的准确性和鲁棒性,提高感知跟踪的准确率,具备一定的工程推广价值。

关键词：多目标跟踪轨迹置信度数据关联椭圆门限目标运动模型

来源：评论

学校读者我要写书评

暂无评论

面向治安防控的行人异常轨迹挖掘研究

面向治安防控的行人异常轨迹挖掘研究

引用

作者：戴文翰大连理工大学

学位级别：硕士

面向治安防控的行人异常行为的检测和研究在管理学领域有着重要意义,有助于实现城市管理、警情管理的自动化、智能化、去人工化;行人轨迹作为行人行为的重要特征可以反映行人的运动模式,是相关领域的研究热点之一。但是利用智能视频监... 详细信息

面向治安防控的行人异常行为的检测和研究在管理学领域有着重要意义,有助于实现城市管理、警情管理的自动化、智能化、去人工化;行人轨迹作为行人行为的重要特征可以反映行人的运动模式,是相关领域的研究热点之一。但是利用智能视频监控获取的轨迹往往伴随较多跟踪错误,并且现有的主流异常轨迹检测手段仅关注局部特征,导致不适用于复杂的行人轨迹。针对上述问题,本文提出了一套基于多特征融合的行人异常轨迹检测方案,对治安防控场所的行人异常轨迹进行研究。本文的主要研究包括以下几个部分:（1）提出了一套基于多目标跟踪的分布式行人轨迹获取架构进行行人的实时跟踪,并对传统的MDL轨迹分割方法进行改进,提出考虑速度和权重的MDL轨迹分割方法,从而可以将轨迹的局部特征运用于轨迹整体之间的比较。（2）提出了轨迹置信度的概念,用来描述实时跟踪得到的不完整轨迹的可信程度,并基于常见的跟踪错误,从轨迹形状、轨迹点密度和轨迹点数量的角度出发,定义了轨迹置信度的计算方法。（3）对轨迹进行局部异常和整体异常分析,提出轨迹的多维度特征提取方案;改进了传统的密度聚类方法,用子轨迹局部密度描述轨迹局部特征,将聚类特征的布尔值变为连续值,减少了特征信息丢失,并提出了基于速度熵的轨迹整体特征,用轨迹的速率熵和方向熵作为整体特征,弥补了轨迹局部特征对整体异常轨迹不敏感的缺陷。最后,本文提出了基于多维特征的异常轨迹检测模型和模型训练方法,在真实的视频监控数据集上开展了实验,并与多种现有的异常轨迹检测方法进行了对比。实验显示,本文提出的方法对于治安防控场所的行人异常轨迹分析具有良好的效果:由于引入了轨迹置信度和轨迹的整体特征,因而本文的方法比起现有的异常轨迹检测手段有更高的检测率和更低的误检率,实验也证明了本文方法的有效性。

关键词：行人异常轨迹轨迹置信度子轨迹局部密度轨迹速度熵轨迹分割

来源：评论

学校读者我要写书评

暂无评论

足球转播视频的目标跟踪方法及移动端应用

足球转播视频的目标跟踪方法及移动端应用

引用

作者：赵腊梅大连理工大学

学位级别：硕士

计算机视觉在体育视频方面已经越发的成熟,并且在很短时间内获得了长足的发展。其中目标跟踪是热门研究方向之一,多目标跟踪是现阶段要解决的难点问题。本文目的是在现有目标跟踪算法基础上,针对足球转播视频的场景下进行改进,完成对小... 详细信息

计算机视觉在体育视频方面已经越发的成熟,并且在很短时间内获得了长足的发展。其中目标跟踪是热门研究方向之一,多目标跟踪是现阶段要解决的难点问题。本文目的是在现有目标跟踪算法基础上,针对足球转播视频的场景下进行改进,完成对小目标球员的跟踪,并将算法应用于移动端进行实时跟踪。在预处理阶段,本文对于原始的足球转播视频存在大量镜头切换的现象,提出基于主色率和帧差阈值双阈值限定的视频镜头检测算法,对原始足球转播视频进行预处理,使远镜头的视频片段被完整提取,并用于建立算法验证所需的数据集。在小目标检测方面,由于YOLOv5检测算法在足球场景下的小目标检测方面存在不足,通过在原始模型上添加小目标检测层及放弃使用mosaic数据增强的方式,来改进YOLOv5s模型对小目标的检测。对比实验表明,改进后的模型相对于原始模型在小目标检测准确性方面明显提升。在多目标跟踪方面,Deep SORT多目标跟踪算法是对不可靠的目标检测结果与现有的跟踪器输出进行数据关联,本文在Deep SORT算法框架的基础上对不可靠检测问题做出相应的改进。通过从检测和跟踪的输出收集候选目标,解决不可靠的检测问题。为了对大量候选目标作出最优选择,创建基于全卷积神经网络的评分机制,产生一个统一的检测框和预测框的标准置信度,使存在时间越长的轨迹的可信度越高,并将挑选的最优候选目标作为NMS的输入。以此来减少由类内遮挡导致的长期跟踪漂移现象。实验表明,改进之后算法对足球场景下的ID递增有较好的抑制效果。最后,将改进后的目标跟踪算法移植到Android端,满足用户对指定目标进行跟踪的需求,实现单目标跟踪的跑动轨迹显示、多目标跟踪的站位连线展示,并提供基本视频编辑等辅助功能,为用户复盘提供简便高效的工具支持。

关键词：多目标跟踪双阈值镜头检测算法小目标检测轨迹置信度安卓

来源：评论

学校读者我要写书评

暂无评论

基于视频的行人轨迹信息提取及异常行为检测与分析研究

基于视频的行人轨迹信息提取及异常行为检测与分析研究

引用

作者：周旋桂林电子科技大学

学位级别：硕士

随着社会发展及科技进步,公共安全问题日益凸显,视频监控作为一种实时获取公共区域信息的主要手段,如何基于视频监控迅速且精准地定位异常事件成为了目前亟待解决的关键问题。本文以监控摄像头拍摄的视频作为输入,以行人作为被监控的主... 详细信息

随着社会发展及科技进步,公共安全问题日益凸显,视频监控作为一种实时获取公共区域信息的主要手段,如何基于视频监控迅速且精准地定位异常事件成为了目前亟待解决的关键问题。本文以监控摄像头拍摄的视频作为输入,以行人作为被监控的主体,按照行人检测与追踪—行人轨迹信息获取—轨迹模型设计—异常行为检测与分析的思路展开研究。本文主要工作如下:(1)提出了一种基于改进的YOLOX和Deep-SORT的轨迹信息提取算法。在行人检测阶段,针对目标检测模型召回率较低、定位精度不稳定的问题,提出了一种动态数据增强和优化边界框回归函数的策略,以提高行人检测算法模型的精度。在追踪方面,以Deep-SORT作为多目标实时追踪的基础模型,基于对该算法的研究发现当行人被遮挡时会导致轨迹断裂与误匹配等现象的出现,由此本文引入轨迹置信度的计算作为判断行人是否被遮挡的依据。实验表明,本文提出的轨迹信息提取算法改善了检测中出现目标切换和掉帧的现象,同时能有效解决轨迹断裂和误检的问题。该算法在MOT16数据集上取得了83.2%的追踪准确率,其中的行人检测模型在VOC2007数据集上的检测精度达到了86.13%。实验说明了本文轨迹信息提取算法在目标检测与追踪上的有效性,为后续研究提供了有力的保障。(2)设计了基于参数寻优的随机森林算法的异常行为检测模型。首先,针对冗余的轨迹原始数据,采用Douglas-Peucker算法进行压缩处理。然后,根据异常行为的表现特点设计具有代表性的轨迹特征(离散曲率熵、位移、路程、主方向角、轨迹坐标在x、y方向的异常增长以及速度在x、y方向的变化)进行表示。最后,对设计的特征进行相关性不强即非冗余验证,建立基于随机森林算法的异常行为检测模型,采用交叉验证的方式获取使得模型检测性能最优的最佳参数,完成模型参数的设计。本文对CASIA行为分析数据库进行重新划分并基于该数据集进行模型有效性的对比验证与分析研究。实验表明,本文设计的异常行为检测模型在上述数据集上的检测准确率达到了96.7%,在UCF-Crime犯罪数据集上检测准确率达到了94.01%。

关键词：视频行人轨迹信息提取异常行为检测 YOLOX Deep-SORT 轨迹置信度离散曲率熵

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的安全帽佩戴检测与跟踪方法的研究与实现

基于深度学习的安全帽佩戴检测与跟踪方法的研究与实现

引用

作者：王雨晨北京邮电大学

学位级别：硕士

在建筑施工场地中,安全帽作为防护头部的有效工具,其正确佩戴能够保障人身安全。为实现智慧安监,将计算机视觉技术应用于安全帽佩戴监测领域可以减少人力成本,降低事故的发生率。基于实际工地场景中背景环境复杂和监控设备安装的角度特... 详细信息

在建筑施工场地中,安全帽作为防护头部的有效工具,其正确佩戴能够保障人身安全。为实现智慧安监,将计算机视觉技术应用于安全帽佩戴监测领域可以减少人力成本,降低事故的发生率。基于实际工地场景中背景环境复杂和监控设备安装的角度特点,安全帽监测场景存在小目标检测性能不佳、目标遮挡后丢失率高的问题。因此,本文针对环境特点和视频特点,使用深度学习技术对安全帽佩戴检测和跟踪方法进行研究,并设计了一个监测系统。本文以安全帽佩戴目标为研究对象,采用深度学习技术对相关人员进行检测和跟踪,主要包括以下三个研究内容: (1)针对监控画面中小目标、尺度变化大和智能化设备的实时性要求,本文提出了安全帽佩戴检测算法YOLO-Helmet。首先选取YOLOv4网络作为基础网络,使用改进后的K-means算法重新选择锚点框进而完成参数优化。然后对网络模型进行改进,在CSPX模块中引入CBAM注意力机制,并采用融合剪枝策略对模型进行裁剪。改进后的检测算法mAP@0.5值提升了 6.7%,检测速度提升了 35%,模型参数量减少了 48%。 (2)为实现实时监测,防止对未正确佩戴安全帽目标的重复报警和误判,本文引入Deep SORT跟踪算法。针对Deep SORT算法中遮挡导致的目标丢失率高的问题,本文对算法进行改进。首先引入多特征融合的轨迹置信度概念对可靠性高的轨迹进行筛选,然后采用广义交并比进行匹配。实验结果表明,使用改进后的Deep SORT跟踪算法目标丢失率减少了 15.8%,有效地提升了跟踪精度。 (3)最后,本文设计了一个安全帽佩戴监测系统,将算法研究应用化。系统主要分为登录注册模块、视频监控模块和安全帽佩戴监测模块。为评估系统,本文对系统的可靠性和实时性进行测试,结果证明本文设计的系统能够满足实际场景需求。

关键词：安全帽佩戴监测 YOLOv4 CBAM Deep SORT跟踪轨迹置信度

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的行人多目标跟踪算法研究

基于深度学习的行人多目标跟踪算法研究

引用

作者：王溜电子科技大学

学位级别：硕士

行人目标跟踪是机器视觉中一类被广泛研究的重要问题,其在视频监控、人机交互、自动驾驶等领域应用非常广泛。但是目前的研究主要是针对单目标跟踪,而在真实环境中,往往会出现多个行人,多目标跟踪要面临目标数量动态变化、目标遮挡、新... 详细信息

行人目标跟踪是机器视觉中一类被广泛研究的重要问题,其在视频监控、人机交互、自动驾驶等领域应用非常广泛。但是目前的研究主要是针对单目标跟踪,而在真实环境中,往往会出现多个行人,多目标跟踪要面临目标数量动态变化、目标遮挡、新目标出现和旧目标消失等情况及跟踪场景杂乱等多种因素的干扰。因此设计一个高效、准确的行人多目标跟踪算法仍然是一项具有挑战性的任务。行人多目标跟踪算法通常分为四个步骤:行人检测、特征提取、相似度计算和数据关联。其核心步骤在于目标检测和数据关联,即在每一帧进行目标检测,再利用目标检测的结果来进行数据关联,得到目标轨迹,数据关联更多依赖于特征的提取,比如外观特征、运动特征和时间特征等。本文为改善行人多目标跟踪算法的准确率,围绕多目标跟踪中的特征提取和数据关联步骤展开了研究,提出了一种基于边界回归的多特征融合提取和数据关联的行人多目标跟踪方法,实现了在单个网络中同时进行行人特征提取和数据关联,并采用轨迹置信度对行人目标进行管理,有效改善了行人漏检造成的轨迹中断和遮挡导致的轨迹变换问题。通过在MOT数据集中进行实验,证明本文的算法在行人多目标跟踪准确率上有较大的提高,达到了业界先进水平。具体内容如下:1.针对行人的漏检和误检问题,本文通过在基于特征金字塔的分类与回归网络中加入特征提取分支联合学习,使用行人边界回归的方式来进行运动轨迹预测,使得模型能够适应行人不同尺度的变化,有效降低了行人漏检和误检对跟踪器性能的影响。2.为了避免遮挡导致的目标轨迹漂移和错误关联问题,本文提出了一种基于孪生网络的数据关联方式,使用非极大值抑制从行人检测和运动预测中选取最佳候选框,通过使用最佳候选框的表观特征来构建数据关联矩阵进行学习,从而减少了错误关联,提高了多目标跟踪的准确率。3.针对长时间遮挡导致的轨迹ID变换问题,本文采用轨迹置信度方式,通过对已关联的检测结果和轨迹使用特征加权进行更新,从而形成可靠的行人轨迹。并基于以上改进搭建了一套行人多目标跟踪框架,实现在视频中准确、高效地进行行人多目标跟踪。

关键词：多目标跟踪边界回归数据关联矩阵轨迹置信度

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：