-
题名基于多重信息融合与轨迹关联修正的多目标跟踪方法
- 1
-
-
作者
田嘉意
李辉
李赛宇
陈双敏
刘云
-
机构
青岛科技大学信息科学技术学院
-
出处
《控制与决策》
EI
CSCD
北大核心
2024年第6期1888-1896,共9页
-
基金
国家自然科学基金项目(62002190,61702295)
中国高校产学研创新基金“新一代信息技术创新项目”(2021ITA05047)。
-
文摘
一阶段多目标跟踪框架由于可以有效提升算法跟踪效率而备受关注,然而该框架在提升效率的同时忽略了检测与关联任务间信息的交互,且目标遮挡的频发会导致轨迹碎片的增加,从而影响跟踪效果.针对这些问题,提出基于多重信息融合与轨迹关联修正的多目标跟踪方法.通过无锚一阶段主干网络,在检测器上另外建立跟踪分支预测跟踪偏移量和嵌入特征信息;设计中和匹配关联模块优化跨帧特征匹配方式,协调检测与关联任务,提升两任务间信息交互能力;采用多重信息融合模块,对时空多层次特征进行融合以获得更加丰富的特征信息;提出轨迹关联修正网络处理因遮挡造成的轨迹碎片,通过改进数据关联方式评估碎片与检测低分目标关系,尝试找回遮挡目标轨迹;将提出的算法在MOT16和MOT17数据集上进行评估,并与其他优异的算法定量比较.通过分析实验结果可以发现,所提出的方法能有效缓解关键性问题,提升算法整体性能.
-
关键词
多目标跟踪
轨迹碎片
嵌入特征
中和匹配
多重信息融合
轨迹关联修正
-
Keywords
multi-object tracking
trajectory fragmentation
embedded feature
neutralization matching
multi-information fusion
trajectory correlation correction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于时域扩张残差网络和双分支结构的人体行为识别
被引量：4
- 2
-
-
作者
薛盼盼
刘云
李辉
陶冶
田嘉意
-
机构
青岛科技大学信息科学技术学院
智能感知与自主控制教育部工程研究中心
-
出处
《控制与决策》
EI
CSCD
北大核心
2022年第11期2993-3002,共10页
-
基金
智能感知与自主控制教育部工程研究中心开放基金项目(K100052021006)
国家自然科学基金项目(61702295)
山东省高等学校优秀青年创新团队计划项目(2019KJN047)。
-
文摘
图卷积网络由于能够直接处理关节点拓扑图在行为识别方面表现出较好的性能而备受关注,但是这类方法中经常存在长时信息依赖建模能力较弱以及未关注空间语义与时间事件变化不均衡问题,对此,提出基于时域扩张残差网络和双分支结构的人体行为识别方法.在时空行为特征提取方法中,不仅用图卷积提取空间域特征,而且用扩张因果卷积和残差连接结构来构建时域扩张残差网络以提取时域特征,该网络能够在未大量增加参数的基础上有效扩大在时域上的感受野,从而更好地获得在时域上的人体关节信息的长时依赖关系.同时构建双分支结构,其中低帧率分支以较少的时间帧数和较多的通道数侧重于提取丰富的空间语义信息,高帧率分支以较多的时间帧数和较少的通道数在保证网络轻量级的前提下有效捕捉人体行为的快速变化.实验结果表明,所提出方法在NTU RGB+D数据集上的准确率高于目前先进的行为识别方法.
-
关键词
图卷积
行为识别
扩张卷积
残差连接
双分支结构
-
Keywords
graph convolution
behavior recognition
dilated causal convolution
residual connection
double branch structure
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
