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9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：
一种多目标检测跟踪算法研究 被引量：3
1
作者 杨文焕 翟雨 +1 位作者 殷亚萍 王晓君 《河北科技大学学报》 CAS 北大核心 2022年第2期127-136,共10页
针对多目标跟踪领域中现有研究方法存在的实时性差、易漂移等问题,基于YOLOv3算法和KCF算法,提出了一种多目标检测跟踪算法。首先,利用训练好的YOLOv3网络获取视频中目标的位置,并对各个目标进行ID分配;其次,将多个目标并行输入到基于... 针对多目标跟踪领域中现有研究方法存在的实时性差、易漂移等问题,基于YOLOv3算法和KCF算法,提出了一种多目标检测跟踪算法。首先,利用训练好的YOLOv3网络获取视频中目标的位置,并对各个目标进行ID分配;其次,将多个目标并行输入到基于核相关滤波的跟踪模块进行目标跟踪;然后,判断是否满足启动修正策略的条件,若满足则用检测模块的结果去修正跟踪模块的结果;最后,利用跟踪结果更新核相关滤波器模型。实验结果表明,将算法应用于OTB2015数据集中的4组含有多种干扰的视频序列,其跟踪精确度达82.4%,跟踪成功率达81.1%,能够满足跟踪实时性要求。因此,所提算法不但有效,且具有更强的鲁棒性,为多目标跟踪领域提供了新的研究思路。 展开更多
关键词 计算机神经网络 多目标检测跟踪 YOLOv3 核相关滤波算法 修正策略
在线阅读 下载PDF
高速场景下一种多传感器多目标检测跟踪系统的评价方法 被引量：1
2
作者 任玉科 《内燃机与配件》 2023年第10期15-19,共5页
多源传感器融合感知结果的有效评估是自动驾驶的重要组成部分,对系统性能的优化、迭代和升级具有至关重要的作用。本文系统阐述了典型的多传感器多目标检测和跟踪系统的算法框架,并提出了一种以人工标注的激光雷达数据作为真实值的评估... 多源传感器融合感知结果的有效评估是自动驾驶的重要组成部分,对系统性能的优化、迭代和升级具有至关重要的作用。本文系统阐述了典型的多传感器多目标检测和跟踪系统的算法框架,并提出了一种以人工标注的激光雷达数据作为真实值的评估方法。通过该评价方法,使用在高速公路路况下采集的数据,实际评价了一个基于相机和毫米波雷达的检测和跟踪系统,获得了详实的测试数据,证明了该评价方法对于系统的改进具有指导意义。 展开更多
关键词 自动驾驶 评价方法 多传感器多目标检测和跟踪系统
在线阅读 下载PDF
基于路侧激光雷达的多目标检测与跟踪算法 被引量：1
3
作者 顾晶 胡梦宽 《激光与红外》 CAS CSCD 北大核心 2024年第2期214-221,共8页
为了检测与跟踪城市交叉口复杂环境下的道路目标,提出一种基于路侧激光雷达的多目标检测与跟踪算法。首先利用背景减除法滤除背景点云,随后融合5帧点云并利用曲率体素聚类算法检测目标得到3 D包围盒信息,之后通过自适应阈值的双门控和... 为了检测与跟踪城市交叉口复杂环境下的道路目标,提出一种基于路侧激光雷达的多目标检测与跟踪算法。首先利用背景减除法滤除背景点云,随后融合5帧点云并利用曲率体素聚类算法检测目标得到3 D包围盒信息,之后通过自适应阈值的双门控和生存周期管理策略,有效提升关联精度并减少了目标丢失和误检,最后利用交互式多模型无迹卡尔曼滤波(IMM-UKF)和联合概率数据互联(JPDA)的融合算法完成道路目标的跟踪。试验结果表明,该算法在保证检测和跟踪性能基础上满足实时性要求,具有工程实用价值。 展开更多
关键词 激光雷达 多目标检测与跟踪 曲率体素聚类 数据关联 IMM-UKF算法
在线阅读 下载PDF
基于序贯蒙特卡罗概率假设密度滤波的多目标检测前跟踪改进算法 被引量：14
4
作者 占荣辉 刘盛启 +1 位作者 欧建平 张军 《电子与信息学报》 EI CSCD 北大核心 2014年第11期2593-2599,共7页
实现目标数目未知且可变条件下的多目标检测与跟踪是个极具挑战性的问题,在信噪比较低的情况下更是如此。针对这一问题,该文提出一种基于点扩散模型的多目标检测前跟踪改进算法。该算法在序贯蒙特卡罗概率假设密度(SMC-PHD)滤波框架下实... 实现目标数目未知且可变条件下的多目标检测与跟踪是个极具挑战性的问题,在信噪比较低的情况下更是如此。针对这一问题,该文提出一种基于点扩散模型的多目标检测前跟踪改进算法。该算法在序贯蒙特卡罗概率假设密度(SMC-PHD)滤波框架下实现,通过自适应粒子产生机制完成新生目标在像平面中的初始定位,并根据目标在图像中可能出现的位置对全体粒子集进行有效子集分割和快速权值估算,最后利用动态聚类方法完成多目标状态的准确提取。仿真结果表明,该方法有效改善了多目标检测前跟踪的估计性能,并大大提高了算法执行效率。 展开更多
关键词 多目标检测前跟踪 概率假设密度滤波器 自适应粒子采样 动态聚类 序贯蒙特卡罗
在线阅读 下载PDF
基于PHD的多目标检测前跟踪改进方法 被引量：5
5
作者 柳超 关键 +1 位作者 黄勇 王国庆 《雷达科学与技术》 北大核心 2016年第1期1-6,共6页
基于概率假设密度粒子滤波的多目标检测前跟踪方法(PF-PHD-TBD)存在目标数目估计不准确、状态估计精度不高等问题。借鉴Rao-Blackwellised粒子滤波(RBPF)将目标的状态空间进行降维分解,分别采用线性与非线性滤波器进行跟踪的思想,在PF-P... 基于概率假设密度粒子滤波的多目标检测前跟踪方法(PF-PHD-TBD)存在目标数目估计不准确、状态估计精度不高等问题。借鉴Rao-Blackwellised粒子滤波(RBPF)将目标的状态空间进行降维分解,分别采用线性与非线性滤波器进行跟踪的思想,在PF-PHD-TBD的预测与更新过程中采用RBPF方法,以最优卡尔曼滤波对目标速度分量进行处理,以粒子滤波对位置分量进行处理,显著降低了运算复杂度,相比仅使用粒子滤波时过分依赖目标位置信息的缺点,充分利用了位置与速度之间的关联特性,提高了目标数目估计的准确度和状态估计的精度。最后用仿真实验验证了所提方法的有效性。 展开更多
关键词 Rao-Blackwellised粒子滤波 概率假设密度滤波 多目标检测前跟踪 线性状态 非线性状态
在线阅读 下载PDF
基于高斯金字塔与差分法的多目标检测和跟踪算法 被引量：9
6
作者 姜靓 詹永照 《微电子学与计算机》 CSCD 北大核心 2011年第11期129-132,136,共5页
针对复杂背景下的多目标检测和跟踪问题,提出了将背景差分目标检测算法与高斯金字塔图像重采样相结合的运动目标检测算法.该算法采用高斯金字塔法对图像进行重采样,建立背景模型,使用背景差分法获得前景区域,并对前景区域进行阴影检测... 针对复杂背景下的多目标检测和跟踪问题,提出了将背景差分目标检测算法与高斯金字塔图像重采样相结合的运动目标检测算法.该算法采用高斯金字塔法对图像进行重采样,建立背景模型,使用背景差分法获得前景区域,并对前景区域进行阴影检测、去除,从而检测出完整目标.融入了高斯模型关于背景更新的算法,克服了由于背景突然改变而造成的误检测.在目标阈值的确定过程中,采用动态阈值确定法,以提高目标检测的正确性.同时将目标的颜色特征和运动矢量引入到多目标跟踪算法中,提高目标跟踪的准确性.实验结果表明,该算法对于场景中存在目标频繁出现、消失、交叉运动和遮挡等情形均有较好的检测与跟踪效果. 展开更多
关键词 多目标检测和跟踪 背景差分 高斯金字塔
在线阅读 下载PDF
基于雷达测量的多目标联合检测、跟踪与分类方法 被引量：4
7
作者 石绍应 杜鹏飞 +1 位作者 张靖 曹晨 《电波科学学报》 EI CSCD 北大核心 2016年第1期10-18,共9页
利用雷达测量中的目标速度、加速度等属性信息,基于跳转马尔科夫系统模型高斯混合概率假设密度滤波算法,提出了一种多目标联合检测、跟踪与分类方法.该方法在进行雷达多目标测量信息处理的多模型混合高斯概率假设密度滤波过程中,对各高... 利用雷达测量中的目标速度、加速度等属性信息,基于跳转马尔科夫系统模型高斯混合概率假设密度滤波算法,提出了一种多目标联合检测、跟踪与分类方法.该方法在进行雷达多目标测量信息处理的多模型混合高斯概率假设密度滤波过程中,对各高斯项编号,进行航迹提取,在滤波处理的同时形成带有航迹编号的明确航迹,并进行航迹管理;同时,根据目标运动模型,联合利用目标加速度控制输入与速度估计进行多目标分类.仿真试验验证了该方法能够在检测、跟踪的同时,对目标航迹进行有效类型识别. 展开更多
关键词 多运动模型 多目标联合检测、跟踪与分类 高斯混合概率假设密度滤波 航迹管理
在线阅读 下载PDF
井下矿工多目标检测与跟踪联合算法 被引量：5
8
作者 周孟然 李学松 +1 位作者 朱梓伟 黄凯文 《工矿自动化》 北大核心 2022年第10期40-47,共8页
针对现有的煤矿井下矿工多目标跟踪算法检测速度慢、识别精度低等问题,提出了一种基于改进YOLOv5s模型与改进Deep SORT算法的多目标检测与跟踪联合算法。多目标检测部分,在YOLOv5s的基础上进行改进,得到YOLOv5s-GAD模型:引入幻象瓶颈卷... 针对现有的煤矿井下矿工多目标跟踪算法检测速度慢、识别精度低等问题,提出了一种基于改进YOLOv5s模型与改进Deep SORT算法的多目标检测与跟踪联合算法。多目标检测部分,在YOLOv5s的基础上进行改进,得到YOLOv5s-GAD模型:引入幻象瓶颈卷积(GhostConv)模块和深度可分离卷积(DWConv)模块,分别替换YOLOv5s模型骨干网络和路径聚合网络中的BottleneckCSP模块,以提高特征提取速度;针对井下光线暗、图像噪点多等特点,在最小特征图中引入高效通道注意力神经网络(ECA-Net)模块,以提高模型整体精度。多目标跟踪部分,使用全尺度网络(OSNet)替换Deep SORT中的浅层残差网络进行全方位特征学习,以更好地实现行人重识别,提高目标跟踪的准确性。实验结果表明:在自定义数据集Miner21上,YOLOv5s-GAD模型的平均精度(交并比为0.5时)达97.8%,帧率达140.2帧/s,多目标检测效果优于常用的Faster RCNN,YOLOv3,YOLOv5s模型;在公开行人数据集MOT17上,多目标检测与跟踪联合算法的速度与准确率等综合性能优于IOU17,Deep SORT等常用多目标跟踪算法,人员身份转换次数最少,行人重识别效果最好;采用井下矿工多目标检测与跟踪联合算法能够及时检测并跟踪井下矿工,多目标跟踪效果良好。 展开更多
关键词 煤矿安全 多目标检测与跟踪 行人重识别 YOLOv5s YOLOv5s-GAD Deep SORT 全尺度网络
在线阅读 下载PDF
ADAS系统视觉与毫米波雷达分布式抗差卡尔曼滤波融合算法 被引量：1
9
作者 邓云红 赵治国 +1 位作者 杨一飞 于勤 《汽车工程》 EI CSCD 北大核心 2024年第5期805-815,共11页
自动驾驶车辆常常利用多传感器对周围目标进行检测和跟踪,但受限于传感器多源异构特性和复杂多变的驾驶环境,准确的多目标检测和跟踪仍是实现自动驾驶的一大困难和挑战。本文面向高级驾驶辅助系统(ADAS)的多目标检测与跟踪任务,采用了基... 自动驾驶车辆常常利用多传感器对周围目标进行检测和跟踪,但受限于传感器多源异构特性和复杂多变的驾驶环境,准确的多目标检测和跟踪仍是实现自动驾驶的一大困难和挑战。本文面向高级驾驶辅助系统(ADAS)的多目标检测与跟踪任务,采用了基于1个视觉传感器和5个毫米波雷达(1V5R)的传感器配置方案,且设计了基于分布式抗差卡尔曼滤波器的多传感器信息融合算法以实现对周围目标的准确感知。首先,针对不同传感器数据特征,采用不同的线性卡尔曼滤波器和扩展卡尔曼滤波器进行数据融合,并基于分布式卡尔曼滤波建立了1V5R多传感器信息融合框架。其次,为降低传感器动态误差对于融合精度的影响,在卡尔曼加权观测融合的基础上,引入抗差估计方法,实现了对传感器动态误差的实时估计和修正。最后,通过离线仿真和实车道路试验对所提出的基于分布式抗差卡尔曼滤波的多传感器融合算法进行了验证。试验结果表明,与单一传感器的测量值相比,所提出的算法能有效融合多个传感器的信息以提升目标的检测与跟踪精度,且鲁棒性较好。 展开更多
关键词 多目标检测与跟踪 传感器信息融合 分布式卡尔曼滤波 抗差估计
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部