期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
面向自助收银台场景下的遮挡目标全关联跟踪模型
1
作者 王金富 赵建立 +1 位作者 房胜 李哲 《山东科技大学学报(自然科学版)》 CAS 北大核心 2024年第5期110-119,共10页
自助收银台监控视频中商品目标之间频繁发生的遮挡现象会导致目标外观信息缺失,同时静止状态商品的运动信息无法为目标关联提供有价值的跟踪线索,导致自助收银台场景下目标跟踪困难。本研究提出一种遮挡目标全关联跟踪模型,将自助收银... 自助收银台监控视频中商品目标之间频繁发生的遮挡现象会导致目标外观信息缺失,同时静止状态商品的运动信息无法为目标关联提供有价值的跟踪线索,导致自助收银台场景下目标跟踪困难。本研究提出一种遮挡目标全关联跟踪模型,将自助收银台场景下商品目标逐帧运动造成的遮挡现象理解为一个渐变的推理过程。模型使用基于检测的跟踪范式在目标外观信息缺失和运动信息为零时,提出遮挡率和层次信息作为遮挡目标关联的辅助信息,并借助卡尔曼滤波算法对遮挡现象推理过程中多个目标和不同轨迹之间进行关联。实验结果表明,本研究方法能够提高自助收银台场景下的商品目标跟踪精度,且遮挡率和层次信息能够有效减少目标轨迹碎片的数量,多目标跟踪精度和身份识别F1分数分别达到80.7%和80.4%,比ByteTrack模型分别提升10.6%和9.8%。 展开更多
关键词 多目标跟踪 目标检测 全关联 遮挡 自助收银台
下载PDF
基于粒子滤波的抗遮挡跟踪算法 被引量:3
2
作者 张琳 何小海 《四川大学学报(工程科学版)》 CSCD 北大核心 2014年第S1期135-139,145,共6页
现有粒子滤波算法能够实现复杂背景下的目标跟踪,但在目标逐渐被完全遮挡的过程中,由于障碍物的干扰,跟踪的准确度受到很大影响,并且在目标重新出现时难以恢复有效跟踪。作者基于粒子滤波器提出了一种改进的方法:当目标模型变化较大时,... 现有粒子滤波算法能够实现复杂背景下的目标跟踪,但在目标逐渐被完全遮挡的过程中,由于障碍物的干扰,跟踪的准确度受到很大影响,并且在目标重新出现时难以恢复有效跟踪。作者基于粒子滤波器提出了一种改进的方法:当目标模型变化较大时,利用分块匹配结果进行遮挡判别。当判断目标外观变化时自适应更新模型;当判断目标被全部遮挡后对目标进行全局搜索匹配,以保证目标再次出现时及时恢复跟踪。实验证明,该方法能及时准确地判断目标是否被全部遮挡并且在目标通过障碍物后重新出现时及时恢复有效跟踪,良好地解决了出现全遮挡情况的目标跟踪问题。 展开更多
关键词 粒子滤波 目标跟踪 全遮挡 分块匹配 全局搜索
下载PDF
基于镜像Mean Shift的遮挡目标跟踪算法 被引量:1
3
作者 曹义亲 肖金胜 黄晓生 《计算机应用》 CSCD 北大核心 2015年第11期3297-3301,共5页
针对当目标跟踪过程中目标被全遮挡时易导致目标跟踪不精确、甚至丢失目标的问题,提出一种基于镜像Mean Shift的遮挡目标跟踪算法。当前后帧Bhattacharyya系数匹配度大于等于80%时,表示目标没有被遮挡,采用颜色特征和轮廓特征定位目标,... 针对当目标跟踪过程中目标被全遮挡时易导致目标跟踪不精确、甚至丢失目标的问题,提出一种基于镜像Mean Shift的遮挡目标跟踪算法。当前后帧Bhattacharyya系数匹配度大于等于80%时,表示目标没有被遮挡,采用颜色特征和轮廓特征定位目标,利用分块沙包窗核函数实现尺寸自适应;当前后帧Bhattacharyya系数匹配度小于80%时,表示目标进入遮挡区域,则利用先验训练分类器和镜像原理对遮挡区域目标的位置和尺寸大小进行预测;当前后帧Bhattacharyya系数匹配度再次大于等于80%时,表示目标离开遮挡区域,则转换为Mean Shift跟踪。实验结果表明:所提算法与子区域分类器的在线Boosting算法和多视角多目标协同追踪算法相比,在目标全遮挡的情况下能更好地跟踪目标,提高了跟踪精度和鲁棒性,且满足实时性要求。 展开更多
关键词 镜像 Mean SHIFT 全遮挡 巴氏系数 目标跟踪
下载PDF
基于R-FCN的行人检测方法研究 被引量:8
4
作者 蒋胜 黄敏 +1 位作者 朱启兵 王正来 《计算机工程与应用》 CSCD 北大核心 2018年第18期180-183,262,共5页
行人检测是计算机视觉中的研究热点,为了实现复杂场景下的行人检测,将基于区域的全卷积网络(Regionbased Fully Convolutional Networks,R-FCN)引入行人检测中。针对行人检测中的遮挡、背景混淆干扰、小目标这三个难点,修改了R-FCN的搜... 行人检测是计算机视觉中的研究热点,为了实现复杂场景下的行人检测,将基于区域的全卷积网络(Regionbased Fully Convolutional Networks,R-FCN)引入行人检测中。针对行人检测中的遮挡、背景混淆干扰、小目标这三个难点,修改了R-FCN的搜索机制,引入目标行人的区域划分(上下半身)和背景混淆干扰行人的强化学习策略,加强了对遮挡行人和背景相似行人的学习。并在此基础上,对R-FCN的输出进行二次分类学习。实验结果表明,通过对R-FCN的改进,可有效地缓解行人遮挡、背景混淆干扰和小目标条件下,传统R-FCN网络的漏报和误判问题。 展开更多
关键词 基于区域的全卷积网络(R-FCN) 遮挡 背景混淆干扰 二次分类
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部