注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 卷积通道裁剪与加权融合的精定位视觉跟踪

  2. 为提高卷积相关滤波算法的速度和精度,提出一种基于通道裁剪与加权融合的跟踪算法。该算法选取适合目标跟踪的单层卷积特征,通过特征均值比裁剪无效卷积通道,再融合一维灰度特征,提升了特征的表征能力。然后以特征均值比为卷积通道权重构造加权相关滤波算法,预测目标位置,并用帧差均值最小化精定位方法减小预测位置误差;最后通过更新跟踪模型,以进一步提高算法速度。在标准数据集OTB-100上对算法进行测试。结果表明,所提算法的平均距离精度为91.3%,平均速度为31.8 frame/s。所提算法可有效提高目标跟踪的

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：14680064
    • 提供者：weixin_38565221

  1. 结合目标检测的多尺度相关滤波视觉跟踪算法

  2. 为满足视觉跟踪算法对跟踪精度与跟踪速度的要求, 提出一种结合目标检测的多尺度相关滤波视觉跟踪算法。所提算法基于深度学习的目标检测算法找出图像中目标的位置和尺寸, 利用相关滤波算法对所给出的目标特征进行视觉跟踪, 并在多个尺度中搜索最优响应; 当检测到相关滤波响应值异常时, 停止对模型更新; 当连续数帧响应值异常时, 则在全图范围内搜索目标位置和尺寸。所提算法通过对跟踪状态进行评估和模型更新率自适应调整, 解决了传统相关滤波类算法跟踪误差随时间积累的问题, 且具有较大的跟踪速度和较高的精度。结果表

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：18874368
    • 提供者：weixin_38748263

  1. 基于模型与尺度更新的相关滤波跟踪算法

  2. 提出了一种通过置信度判别将模型更新方法和尺度变化加入相关滤波器中的目标跟踪算法。在跟踪过程中常会遇到较多遮挡及相似干扰的情况, 如果持续更新模型参数极易导致误跟或跟丢, 因此采用置信度参数定性地判别跟踪质量, 置信度低时停止更新, 防止引入误差, 提高正确率。确保准确跟踪后, 再对尺度大小进行检测和更新, 提出了较为快捷的尺度更新方式, 简化冗余代码, 使跟踪更精确的同时降低时间代价。实验证明, 本文算法在精度和正确率方面分别比原算法提升了38%和33%, 且性能优于几种现有算法, 应对遮挡和尺

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：9437184
    • 提供者：weixin_38700790

  1. 基于自适应卷积特征的目标跟踪算法

  2. 针对空间正则化相关滤波(SRDCF)跟踪算法在目标跟踪中旋转变化、超出视野和严重遮挡情况下存在跟踪失败的问题, 提出了一种基于自适应卷积特征的目标跟踪算法。对VGG-Net模型中conv3-4层卷积特征进行主成分分析, 利用自适应降维技术将conv3-4层特征维数由256维降至130维。在检测区域求取分类器最大响应位置及其目标尺度信息, 并对最大响应位置的目标进行置信度比较, 训练在线支持向量机(SVM)分类器, 以便在跟踪失败的情况下, 重新检测到目标而实现长期跟踪。计算跟踪位置的峰旁比, 选

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：20971520
    • 提供者：weixin_38714761

  1. 基于在线检测和尺度自适应的相关滤波跟踪

  2. 针对相关滤波跟踪在遮挡及目标尺度变化等情况下容易跟踪失败的问题, 提出一种基于在线检测和尺度自适应的相关滤波跟踪算法。相关滤波跟踪器融合方向梯度直方图特征、颜色属性特征和光照不变特征进行目标定位；通过局部稀疏表示模型的重构残差进行遮挡判别, 如果发生遮挡则进行在线支持向量机检测, 实现目标重定位；进行由粗至精的尺度估计, 通过尺度预估计和牛顿迭代法得到目标的精确尺度。采用均衡的模型更新策略, 固定更新相关滤波器, 保守更新稀疏表示模型和支持向量机。实验结果表明:与现有跟踪算法相比, 所提算法能有

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：15728640
    • 提供者：weixin_38638312

  1. 基于多层深度卷积特征的抗遮挡实时跟踪算法

  2. 为提高复杂场景中目标跟踪算法的准确性与实时性,提出一种基于多层深度卷积特征的抗遮挡实时目标跟踪算法。针对目标跟踪任务,先对深度卷积网络VGG-Net-19进行微调,再提取目标区域的多层深度卷积特征。根据相关滤波框架构建位置相关滤波器,确定目标中心位置。设计尺度相关滤波器对目标区域进行不同尺度采样,确定目标尺度。目标遮挡时,采用阶段性评估策略进行模型更新与恢复,解决模型误差积累问题。选取目标跟踪评估数据集OTB-2015(100组视频序列)与UAV123(123组视频序列)进行测试。实验结果表明,

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：24117248
    • 提供者：weixin_38697979

  1. 融合多层卷积特征自适应更新的目标跟踪算法

  2. 针对传统手工特征表达能力不足和滤波器模型存在误差累积的影响,提出一种融合多层卷积特征自适应更新的目标跟踪算法。该算法采用分层卷积神经网络提取图像特征,利用线性加权的方法融合多层卷积特征预测目标位置;利用多尺度下目标卷积特征确定目标最佳尺度;利用平均峰值相关能量评价目标响应的置信度,根据相邻两帧目标图像的帧差均值和位移评估目标的运动情况,根据预测位置可信度和目标图像外观变化,调整滤波器模型的学习率。在OTB-2013公开测试集上验证本算法性能,并与现有基于相关滤波的主流运动目标跟踪算法进行相比,实

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：5242880
    • 提供者：weixin_38672739