【摘 要】
：
目标在跟踪过程中由于运动速度过快、跟踪精度不够、出现遮挡而经常会导致跟踪失败.针对这一问题,文中在目标跟踪算法KCF的框架下提出一种基于时空上下文分层卷积的相关滤波算法.其中选用训练好的VGG-19网络提取多层深度特征送入岭回归中训练模型,并对多层深度特征的响应值采用自适应分配权重的方式得出最终的置信度,同时依据上一帧预测位置选取与目标同等宽高的上下左右四块区域,增加在目标搜索区域的四周用来约束目标因速度过快超出搜索范围的情况,然后针对目标遮挡提出一种新型遮挡判断机制用以判断目标是否被遮挡,并配合峰值分布
【机 构】
：
桂林电子科技大学 电子工程与自动化学院,广西 桂林 541004;广西自动检测技术与仪器重点实验室,广西 桂林 541004
论文部分内容阅读
目标在跟踪过程中由于运动速度过快、跟踪精度不够、出现遮挡而经常会导致跟踪失败.针对这一问题,文中在目标跟踪算法KCF的框架下提出一种基于时空上下文分层卷积的相关滤波算法.其中选用训练好的VGG-19网络提取多层深度特征送入岭回归中训练模型,并对多层深度特征的响应值采用自适应分配权重的方式得出最终的置信度,同时依据上一帧预测位置选取与目标同等宽高的上下左右四块区域,增加在目标搜索区域的四周用来约束目标因速度过快超出搜索范围的情况,然后针对目标遮挡提出一种新型遮挡判断机制用以判断目标是否被遮挡,并配合峰值分布的方差更新模型,避免使用目标被遮挡所生成的污染样本来更新模型.经实验验证所提方法在目标快速运动和遮挡时能有效跟踪.
其他文献
人脸深度伪造图像的生成过程是对目标人脸进行替换,由于不同图片的肤色和光照等差异,在人脸周围会产生比较分散的伪影边界,且对人脸进行裁剪之后会包含部分背景信息的干扰.针对深度伪造图像的生成特点,区别于常规的CNN分类识别网络,设计了一种符合伪造痕迹特点的检测网络.首先,利用Resnet34卷积神经网络对待检测的图像提取初步的伪造特征;其次,经过空洞卷积提高网络模型的感受野来更好地捕获比较分散的伪造痕迹;再由空间注意力模块进行权重的重加权,减少其他背景信息的干扰;最后使用多层全连接神经网络对特征进行分类,达到对
针对目前在非结构环境下草莓识别准确率较低的问题,提出一种改进的Otsu阈值分割与分水岭算法相结合的成熟草莓图像分割算法.首先,将采集的图像进行双边滤波去除噪声,其次利用果实色差的关系,将RGB颜色空间转换成YCrCb颜色空间并提取Cr分量.通过改进的Otsu阈值分割算法对草莓图像进行初次分割,针对连通区域的草莓目标利用分水岭分割算法进行二次分割.实验结果表明,改进的Otsu分割算法在复杂场景下分割成熟草莓果实的正确率为90％,较传统Otsu分割算法提高了15％.分水岭算法正确分割重叠、遮挡草莓目标的分割率
针对小样本识别问题引入胶囊模型,并将其与卷积神经网络相结合进行改进,以提升神经网络的性能.首先,在模型构建过程中引入提取目标图像的不同维度特征信息,进而利用单位卷积代替传统神经网络中的池化层,实现不同维度间的特征融合,这一操作可以在简化特征参数的同时提升特征表达能力;然后,通过胶囊网络对卷积模块所提特征做进一步处理,提取图像的位置信息,以获得更具有鲁棒性的分类特征.实验结果证明,相对于传统卷积神经网络、支持向量机和决策树算法,改进的分类模型在宝石小样本数据集上具有更好的识别效果.
针对多边形的拓扑性不足造成析取正态水平集(DNLS)模型边缘拟合不完整的问题,提出一种基于高斯马尔可夫随机场(GMRF)模型的析取正态水平集图像分割算法.该算法提取图像的颜色通道信息,利用GMRF模型描述不同颜色通道的纹理特征;重写DNLS模型能量函数,将图像纹理信息、色彩信息加权融入,以颜色特征和纹理特征的组合作为对图像进行分割的依据.在演化迭代过程中,使用分段学习率减少迭代次数,实现快速收敛.该算法降低了噪声对图像的影响,提高了DNLS模型的边缘拟合能力.改进算法通过利用图像的色彩信息及纹理细节信息,
稀疏解混能够有效地规避高光谱场景中缺少纯像元和估计端元数目的两个瓶颈问题,因而成为目前广泛研究的光谱解混技术.针对协同稀疏解混模型在边界上容易出现错误识别的问题,结合字典削减策略和低秩表示,提出一种协同稀疏低秩的解混模型.该方法同时施加稀疏和低秩约束在丰度矩阵上,并对协同稀疏模型的?2,1混合范数采用加权策略,使得行稀疏性得到了增强,同时也使用非凸logdet(·)作为秩的光滑替代函数.由于提出方法充分利用了高光谱数据的空间信息和光谱信息,因此获得了比协同稀疏回归模型更准确的解混结果.最后利用著名的交替方
超声医学图像灰度集中、对比度较差,针对传统分割方法效果不理想的问题,提出统计聚类与马尔科夫随机场(MRF)无向图模型的医学图像分割算法.医学图像的统计结构反映了图像空间区域的聚类特征,选定其灰度统计特性的局部峰值对应的灰度值作为K均值算法的初始聚类中心能较好地定位各区域,应用基于统计信息的聚类算法对医学图像进行初始分割;在此基础上构建各区域的无向图模型,建模二阶邻域系统描述像素标记间联系,医学图像的整体特征场采用高斯混合模型表征,并采用高斯模型建模标记相同的灰度特征场;最后,求解其局部能量最小的标记场,实
针对网络流量异常检测目前存在的数据维度大、冗余数据较多、准确率较低等问题,提出一种基于层次聚类和自编码器并结合多层极限学习机的网络流量异常检测模型.首先考虑数据特征之间的相关性,根据数据特征之间的相似性距离对特征维度进行层次聚类划分,将相关性较高的特征划分到同一特征子集中;然后利用自动编码器对每个特征子集进行约简,消除冗余信息降低检测数据计算量;最后以多层极限学习机作为分类器,利用约简后的特征数据进行网络流量异常检测建模.实验结果显示,文中模型在UNSW-NB15数据集上准确率达到了0.992,精确率达到
压缩感知技术在信息隐藏领域广泛应用,传统算法是将整个载体图像进行稀疏变换后测量,没有对载体图像进行适当的选择,文中通过压缩感知技术处理载体图像不同区域的测量值,针对测量值利用聚类算法选出背景图像块,调整采样率重新测量背景图像块,获取新的测量值,然后进行秘密信息写入和载体图像还原,实验结果表明该方法提高了载密图像的透明性和隐藏效率,具备一定的鲁棒性和抗提取性.
为了较好地预测可再生能源的发电输出,对模型效率进行分析,在物联网系统的基础上,提出一种基于人工神经网络(ANN)与自适应网络模糊推理系统(ANFIS)的混合预测模型.首先,利用压电传感器、体热电转换器和太阳能板用于可再生能源发电,并将其连接到能量存储电路,以产出电能;然后,使用ESP8266模块连接数据和云服务器,利用ANN和ANFIS混合模型处理从可再生能源中生成的所有电能,将3个不同模块采集得到的数据集用于模型的训练和测试;最后,利用采集到的数据开发4个模型,通过均方根误差(RMSE)和相关系数(R2
语音情感识别是自动语音识别的重要研究方向,提取最能表征语音情感的特征并构建具有较强鲁棒性和泛化性的声学模型是语音情感识别的重要研究内容.基于此,构建了基于注意机制、跳跃连接、掩蔽操作等关键技术的语音情感识别声学模型,称为具有掩蔽操作的基于注意机制的跳跃卷积双向循环神经网络.该模型有8个隐层,依次是2个全连接层、卷积层、跳跃层、掩蔽层、Bi-LSTM层、注意层和池化层.其中,卷积层提取语音情感空间特征;Bi-LSTM层提取语音情感时间序列特征;跳跃层主要解决梯度问题;掩蔽层使数据中为0的值不参与计算,降低了