期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于FasterMDNet的视频目标跟踪算法 被引量：3
1
作者 王玲 王辉 +1 位作者 王鹏 李岩芳 《计算机工程与应用》 CSCD 北大核心 2020年第14期123-130,共8页
多域卷积神经网络(MDNet)算法在卷积层采用选择性搜索的方式来提取候选框,因此它没有共享完整图像特征,从而导致在线视频目标跟踪速度慢。针对这个问题,提出一种快速多域卷积神经网络(FasterMDNet)视频目标跟踪算法。FasterMDNet是建立... 多域卷积神经网络(MDNet)算法在卷积层采用选择性搜索的方式来提取候选框,因此它没有共享完整图像特征,从而导致在线视频目标跟踪速度慢。针对这个问题,提出一种快速多域卷积神经网络(FasterMDNet)视频目标跟踪算法。FasterMDNet是建立在MDNet基础上的一种模型,在卷积层后面引入RPN(Region Proposal Network)网络,优化了损失函数,共享完整图像卷积特征,加快候选区域建议框(ROI)更高效的生成;为了更好地获得目标和背景信息表示,在RPN网络后加入ROIAlign层,对提取的候选区域建议框特征图用双线性插值方法来提高感受野的分辨率。该算法对目标跟踪基准数据集OTB2013、OTB2015、VOT2016进行了评估,并与前沿的跟踪算法做对比,实验结果证明,该算法跟踪准确率优于其他对比方法,并且对比相同实验环境下MDNet算法,在线跟踪速度提高了近12倍。 展开更多
关键词 多域卷积神经网络(mdnet) 快速多域卷积神经网络(Fastermdnet) 视频目标跟踪 区域建议网络(RPN) 候选区域建议框(ROI) ROIAlign
在线阅读 下载PDF
道路复杂交通场景下的改进MDnet目标跟踪算法 被引量：2
2
作者 王小平 施新岚 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第12期19-26,共8页
针对道路复杂交通场景下机动车、非机动车以及行人目标遮挡、目标旋转变换、尺度变换、目标快速运动等因素造成运动目标图像区域模糊,视频图像序列中的光照突变、背景杂波等干扰因素造成运动目标图像特征信息缺失或被破坏等问题导致跟... 针对道路复杂交通场景下机动车、非机动车以及行人目标遮挡、目标旋转变换、尺度变换、目标快速运动等因素造成运动目标图像区域模糊,视频图像序列中的光照突变、背景杂波等干扰因素造成运动目标图像特征信息缺失或被破坏等问题导致跟踪目标准确率不足的问题,研究并分析了图像序列中运动目标的时间相关性,改进了MDnet算法。提出一种收集前序图像中目标的光流特性时间信息,利用光流场中运动目标的光流变化信息确定运动目标探索空间,从而预测当前帧目标所在位置的运动目标跟踪算法。在获取运动目标探索空间后,利用小型卷积核以小视野的方式提取探索空间纹理信息,模型训练中采用了边长为(1+70%)r的探索空间,并利用long-term与short-term互补更新方式,每5帧主动更新,出现20个候选框评分低于准确率阈值0.65时被动更新。研究结果表明:在典型的复杂交通道路目标遮挡、目标跟踪干扰与运动模糊场景中,改进后的MDnet运动目标跟踪准确率为95.93%,相比改进前的MDnet,目标跟踪准确率提升了2.01%,并且模型拟合速度、目标跟踪准确率性能表现更优,利用轨迹预测、小型卷积核的改进MDnet能有效提升道路复杂交通场景下的目标遮挡、目标快速运动跟踪性能。 展开更多
关键词 交通工程 违章目标跟踪 智能化道路管控 时间相关性 mdnet 轨迹预测
在线阅读 下载PDF
基于改进MDNet的视频目标跟踪算法 被引量：1
3
作者 曹建荣 张玉婷 +2 位作者 朱亚琴 武欣莹 杨红娟 《计算机系统应用》 2022年第5期277-284,共8页
目标跟踪算法面对的突出问题之一是正负样本不均衡,正样本极度相似.针对跟踪更新过程中正样本不丰富的问题,本文基于多域卷积神经网络(MDNet)算法,提出了一种改进MDNet的视频目标跟踪算法,首先改进原算法中候选框的选取策略,提出了一种... 目标跟踪算法面对的突出问题之一是正负样本不均衡,正样本极度相似.针对跟踪更新过程中正样本不丰富的问题,本文基于多域卷积神经网络(MDNet)算法,提出了一种改进MDNet的视频目标跟踪算法,首先改进原算法中候选框的选取策略,提出了一种基于候选框置信度与坐标方差阈值判断相结合的模型更新方法,其次将原算法的交叉熵损失函数改进为效果更好的focal loss损失函数.实验结果表明在相同实验环境下本文算法相较于MDNet算法在跟踪准确率和成功率上均有明显提高. 展开更多
关键词 目标跟踪 mdnet 候选框置信度 坐标方差阈值 focal loss 深度学习
在线阅读 下载PDF
一种基于改进RT-MDNet的全景视频目标跟踪算法 被引量：12
4
作者 王殿伟 方浩宇 +3 位作者 刘颖 伍世虔 谢永军 宋海军 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2020年第10期152-160,174,共10页
为了解决全景视频目标跟踪过程中,由于光照条件变化、相似背景干扰、目标运动时产生的形变和尺度变化等因素的影响,在跟踪中会出现目标漂移、目标丢失等情况,进而导致目标跟踪算法成功率低,鲁棒性差等问题,提出一种基于长短期记忆网络... 为了解决全景视频目标跟踪过程中,由于光照条件变化、相似背景干扰、目标运动时产生的形变和尺度变化等因素的影响,在跟踪中会出现目标漂移、目标丢失等情况,进而导致目标跟踪算法成功率低,鲁棒性差等问题,提出一种基于长短期记忆网络和改进Real-Time MDNet网络的全景视频目标跟踪方法.算法首先采用浅层卷积神经网络提取特征,并利用自适应的RoIAlign减少特征提取过程中的像素损耗,而后运用目标特征在线更新最后一个全连接层的权重,在全连接层中实现前景背景分离并提取出目标区域,然后通过长短期记忆网络自适应地选取目标框的尺度,最终输出目标位置信息.实验结果表明:单目算法应用在全景数据集时,难以适应全景中的尺度变化和背景变化,改进算法利用3层长短期记忆网络构建的尺度预测模块,可以有效地应对全景数据存在的尺度变化和目标形变问题,在保持较好的跟踪精度的同时,可以有效地应对目标跟踪中出现的小目标、目标遮挡、多目标交叉运动的情况,获得更好的视觉效果和更高的重叠率得分. 展开更多
关键词 目标跟踪 深度学习 全景视频 长短期记忆网络 RT-mdnet
在线阅读 下载PDF
基于多专家和MDNet的视觉目标跟踪方法
5
作者 张知明 李国荣 黄庆明 《中国科学院大学学报（中英文）》 CSCD 北大核心 2022年第6期836-844,共9页
近年来,随着深度学习技术的不断发展,基于深度学习的目标跟踪算法取得了较大成功。但由于视频中,背景、光照及目标的表观不断变化,且伴有遮挡的发生,给视频中的目标跟踪带来很大困难。传统方法主要通过在线更新跟踪器的方式解决这个问... 近年来,随着深度学习技术的不断发展,基于深度学习的目标跟踪算法取得了较大成功。但由于视频中,背景、光照及目标的表观不断变化,且伴有遮挡的发生,给视频中的目标跟踪带来很大困难。传统方法主要通过在线更新跟踪器的方式解决这个问题。但是视频信息内容复杂多变,在线更新和维持一个跟踪器很难应对后续视频中复杂的数据,容易导致误差积累。为解决这个问题,基于已有跟踪器MDNet,提出一种基于多专家跟踪器的目标跟踪方法。首先通过MDNet学习所有视频中目标的共有特征,使其能够较好地描述目标。然后在跟踪过程中,根据跟踪结果动态地构建多个专家跟踪器,以增加跟踪器的鲁棒性。最后根据每个专家的评价函数选择最佳的专家跟踪器,用于跟踪当前帧中的目标。实验表明,与MDNet相比,所提方法显著地提升了跟踪性能。 展开更多
关键词 视觉目标跟踪 多专家 多决策整合 mdnet
在线阅读 下载PDF
一种改进MDnet的人物跟踪模型
6
作者 白雪言 陈锡爱 董明泽 《现代电子技术》 2021年第18期162-166,共5页
在机场、高尔夫球场等场所,设计一种载重式跟踪机器人帮助人们托运重物,能够识别人物并且进行自主跟踪。该识别方法改进了MDnet在线跟踪模型,能在人物被遮挡以后保持原来的跟踪效果。原生的MDnet在线跟踪算法,没有处理目标被遮挡的情况... 在机场、高尔夫球场等场所,设计一种载重式跟踪机器人帮助人们托运重物,能够识别人物并且进行自主跟踪。该识别方法改进了MDnet在线跟踪模型,能在人物被遮挡以后保持原来的跟踪效果。原生的MDnet在线跟踪算法,没有处理目标被遮挡的情况下的图片帧,当目标的遮挡情况严重时跟踪就会丢失。为了解决这个问题,在输入前加入Img⁃Align层,使用双线性内插值方法进行图像尺寸处理,得到更精确的目标值;在全连接层后加入Occlusion⁃Assess层,设置函数变换,降低目标遮挡严重的帧的正样本采集范围,保证之后跟踪的正确率。对3个数据集10760张图片进行训练,改进后的模型交并比提高了10%,成功跟踪评分提升了15.6%,跟踪时间平均减少了24%。 展开更多
关键词 跟踪机器人 人物跟踪模型 跟踪防丢失 mdnet 目标值获取 样本采集
在线阅读 下载PDF
相似车辆干扰下的车辆跟踪算法
7
作者 申嘉琪 张丽果 +2 位作者 杜慧敏 顾文宁 李佳韵 《电子技术与软件工程》 2020年第1期106-108,共3页
本文在深度学习目标跟踪算法SiameseFC的框架下,结合角点特征提取算法和角点特征匹配算法提出了一种基于角度分析的车辆跟踪算法,增强了相似车辆干扰下车辆跟踪算法的鲁棒性与准确性。采用OPE评估标准对从公开数据集DETRAC中选取的2组视... 本文在深度学习目标跟踪算法SiameseFC的框架下,结合角点特征提取算法和角点特征匹配算法提出了一种基于角度分析的车辆跟踪算法,增强了相似车辆干扰下车辆跟踪算法的鲁棒性与准确性。采用OPE评估标准对从公开数据集DETRAC中选取的2组视频,并与SiameseFC算法和MDNet算法进行了对比。测试结果表明:该算法的鲁棒性与准确性均优于对比算法,跟踪精度达96.9%,成功率达85.39%。相比于SiameseFC算法,跟踪精度提高了24.55%,成功率提高了18.31%:相比于MDNet算法,跟踪精度提高了16.56%,成功率提高了24.01%。 展开更多
关键词 目标跟踪 深度学习 SiameseFC 特征提取 mdnet
在线阅读 下载PDF
基于深度学习的人体跟踪与异常行为识别联合算法 被引量：2
8
作者 李俊鹏 姬晓飞 赵东阳 《沈阳航空航天大学学报》 2022年第4期51-59,共9页
基于深度学习的人体跟踪与异常行为识别算法在实现的过程中,都需要对人体目标进行特征提取。为了优化两次重复的特征提取过程,提高网络工作效率,提出了人体跟踪与异常行为识别联合算法。通过实时多域卷积神经网络(RT-MDNet)实现人体目... 基于深度学习的人体跟踪与异常行为识别算法在实现的过程中,都需要对人体目标进行特征提取。为了优化两次重复的特征提取过程,提高网络工作效率,提出了人体跟踪与异常行为识别联合算法。通过实时多域卷积神经网络(RT-MDNet)实现人体目标的跟踪,以不同的异常行为作为人体跟踪的不同操作域,提取人体目标的共性特征,实现人体的实时跟踪。同时,抽取RT-MDNet网络卷积层输出的高维特征图谱,将特征图谱与长短时记忆网络(LSTM)相结合,通过把握特征间的时序信息,实现异常行为的分类。在中科院提供的CASIA行为分析数据集中选取了6种异常行为对网络模型进行训练和测试。实验结果表明,该模型能够准确实时地跟踪人体目标,同时也能将跟踪目标的行为进行分类,识别率达到89.7%。基于深度学习的人体跟踪与异常行为识别联合算法,将人体目标的特征共享于跟踪与识别,实现了跟踪与识别的有效结合。 展开更多
关键词 人体跟踪 异常行为识别 RT-mdnet LSTM 特征共享 CASIA 深度学习
在线阅读 下载PDF
基于自注意力机制的多域卷积神经网络的视觉追踪 被引量：5
9
作者 李生武 张选德 《计算机应用》 CSCD 北大核心 2020年第8期2219-2224,共6页
为了解决多域卷积神经网络(MDNet)在目标快速移动和外观剧烈变化时发生的模型漂移问题,提出了自注意力多域卷积神经网络(SAMDNet),通过引入自注意力机制从通道和空间两个维度来提升追踪网络的性能。首先,利用空间注意力模块将所有位置... 为了解决多域卷积神经网络(MDNet)在目标快速移动和外观剧烈变化时发生的模型漂移问题,提出了自注意力多域卷积神经网络(SAMDNet),通过引入自注意力机制从通道和空间两个维度来提升追踪网络的性能。首先,利用空间注意力模块将所有位置上的特征的加权总和选择性地聚合到特征图中的所有位置上,使得相似的特征彼此相关;然后,利用通道注意力模块整合所有特征图来选择性地强调互相关联的通道的重要性;最后,融合得到最终的特征图。此外,针对MDNet算法因训练数据中存在较多相似但属性不同的序列所造成的网络模型分类不准的问题,构造了复合损失函数。该复合损失函数由分类损失函数和实例判别损失函数组成,首先,用分类损失函数来统计分类的损失值;然后,利用实例判别损失函数来提高目标在当前视频序列中的权重,抑制其在其他序列中的权重;最后,融合两项损失作为模型的最终损失。在目前广泛采用的测试基准数据集OTB50和OTB2015上进行实验,结果表明所提出的算法在成功率指标上相比2015年视觉目标跟踪挑战(VOT2015)的冠军算法MDNet分别提高了1.6个百分点和1.4个百分点,在精确率和成功率指标上优于连续域卷积相关滤波(CCOT)算法,在OTB50上的精确率指标优于高效卷积操作(ECO)算法,验证了该算法的有效性。 展开更多
关键词 多域卷积神经网络 视觉追踪 自注意力机制 实例判别损失 深度学习
在线阅读 下载PDF
基于多域卷积神经网络跟踪的动态手势识别 被引量：3
10
作者 姬晓飞 张旭 李俊鹏 《沈阳航空航天大学学报》 2021年第5期51-57,共7页
针对传统的手势跟踪方式在复杂环境下跟踪效果差导致动态手势识别准确率不高的问题,提出了一种多域卷积神经网络跟踪框架下的动态手势识别算法。该算法采用多域卷积神经网络实现手势跟踪环节,并根据手势跟踪的特点,精简网络结构,构建全... 针对传统的手势跟踪方式在复杂环境下跟踪效果差导致动态手势识别准确率不高的问题,提出了一种多域卷积神经网络跟踪框架下的动态手势识别算法。该算法采用多域卷积神经网络实现手势跟踪环节,并根据手势跟踪的特点,精简网络结构,构建全域通用fc6层,增强网络对动态手势跟踪的适用性,提升跟踪效果。其次,采用VGG-19对跟踪网络构建的动态手势轨迹特征图谱进行识别。算法将跟踪问题简化成目标与背景的二分类,采用多域卷积神经网络学习跟踪目标共性,能更好地给出跟踪目标模型,且浅层卷积神经网络的利用更能强化空间信息,从而提高动态手势跟踪和识别的效果。通过两组数据库测试表明,对自建的动态手势库识别率高达97.5%,并在Chalearn Gesture Data国际标准手势数据库取得了93.33%的识别率,验证了算法的有效性。 展开更多
关键词 多域卷积神经网络 动态手势识别 深度学习跟踪框架 手势建模 VGG-19
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部