题名 多目标视觉追踪中物体属性加工的眼动研究
被引量：1
1
作者
张滨熠 丁锦红
机构
国家行政学院应急管理培训中心 首都师范大学心理系
出处
《心理与行为研究》
CSSCI
2014年第3期304-309,共6页
基金
北京市教委科技计划重点项目(KZ201410028034)资助
文摘
采用多目标视觉追踪任务(MOT),探讨物体颜色特征对视觉追踪的影响,同时记录被试的眼动情况,探讨追踪过程中颜色特征对眼动模式的影响。结果发现,视觉追踪机制能够对物体的颜色特征进行加工,但加工程度受制于目标物与分心物之间的特征竞争关系。在物体颜色特征条件下,视觉系统采用知觉组织加工策略,以被追踪目标构成的多边形中心为注意中心。在对物体颜色特征的加工中,内源性注意与外源性注意相互影响。
关键词
多目标视觉 追踪物体特征 眼动模式.
Keywords
multiple-object tracking（MOT） object color eye movements pattern
分类号
B845
[哲学宗教—心理学]
题名 结合SDAE网络和ODB学习策略的多目标视觉跟踪
被引量：2
2
作者
孙艳青 潘广贞 王凤
机构
中北大学软件学院
出处
《小型微型计算机系统》
CSCD
北大核心
2018年第1期189-192,共4页
基金
山西省自然科学基金项目(2015011041)资助
文摘
针对目标视觉跟踪过程发生的目标漂移和错误匹配问题,提出一种基于SDAE(stacked DAE,堆叠去噪自编码器)网络和在线Deep Boost学习(Online Deep Boost,ODB)策略的多目标视觉跟踪算法.该方法首先在SDAE网络上通过ODB方法学习目标的局部-全局特征.然后根据特征权重结合粒子滤波器和soft-max分类器跟踪目标并对其分类,得到目标最相似的状态值.最后引入时间信息得到目标外观的动态持续时间,在线更新模型以适应目标的外观变化.实验表明,该算法能够有效适应目标外观变化,解决目标漂移现象,多目标准确率MOTP达到97.61%,较同类算法提高2.89%,其鲁棒性、稳定性也有所提高.
关键词
SDAE网络 在线DeepBoost学习 计算机视觉 多目标视觉 跟踪外观模型
Keywords
SDAE network online deep boost learning computer vision multi-target visual tracking appearance model
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于RJMCMC的视觉多目标跟踪算法
被引量：2
3
作者
周维 许海霞 郑金华
机构
湘潭大学信息工程学院
出处
《计算机科学》
CSCD
北大核心
2012年第7期270-275,共6页
基金
国家自然科学基金项目(61070088 60773047) +2 种基金 湘潭大学自然科学研究项目(09XZX24) 湖南省教育厅一般项目(10C1269 11C1214)资助
文摘
研究了基于MCMC的多目标跟踪算法。针对MCMC迭代过程中抽样置信度低以及不能进行有效迭代的问题,提出一种新的基于RJMCMC的视觉多目标跟踪算法。给定观测量,将跟踪问题建模为状态量的最大后验估计(MAP)、关于MAP的先验与似然的估计。借助匹配阵给出了目标先验建议分布,设计了4种马氏链可逆运动方式;似然度量采用随空间加权的颜色直方图匹配衡量。MCMC抽样过程中的状态由MS迭代产生,而不是随机走生成。基于似然度量导出了MS迭代式。实验结果及定量分析评估结果说明了本算法的有效性。
关键词
视觉 多目标 跟踪可逆跳转马尔科夫链蒙特卡洛 贝叶斯推理 MEAN-SHIFT
Keywords
Visual multi-objects trakcing,Reversible jump Markov chain Monte Carlo（RJMCMC） sampling,Bayes infe- rence, Mean-shift
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 多目标复合可视性约束下的机械臂无模型标定位姿研究
被引量：1
4
作者
苏瑞 蒋周翔 秦鹏举 宋鹏程 马紫怡
机构
北京信息科技大学机电工程学院
出处
《机床与液压》
北大核心
2024年第15期1-7,49,共8页
基金
国家自然科学基金面上项目(52175452) 国家自然科学基金青年科学基金项目(52005046)。
文摘
与基于模型的机械臂标定方法相比,无模型标定方法具有算法简洁和线性化误差小的优点,但这种方法需要在多个机械臂姿态下同时采集各连杆表面的靶标位姿,因此其可视性同时受视场角狭窄、靶面方向异常以及臂体遮挡的影响,增加测量位姿的构造难度。为此,提出一种基于多目标视觉的复合可视性约束下的机械臂无模型标定位姿遴选方法。依据机械臂连杆参数及轮廓尺寸,生成贴合其等效模型的有向包围盒树,并依据臂体外形特征设定各连杆靶标固连位姿。在此基础上,分别建立靶标角点被包含判据、靶面法向夹角判据以及各包围盒与靶面视锥干涉判据,将其融合为多目标复合可视性约束条件,该算法可在既定工作轨迹下遴选出全体靶标均为可视的机械臂位姿。最后,通过搭建实验台验证所提方法的有效性。实验结果表明:该方法对臂体与靶面的遮挡关系判断精准,靶标在所选位姿处可视性良好,满足机械臂实时无模型标定方法对于多靶标位姿同时采集的需求。
关键词
机械臂 多目标视觉 有向包围盒树 实时标定 碰撞检测
Keywords
manipulator multi-target vision oriented bounding boxes trees real-time calibration collision detection
分类号
TH161
[机械工程—机械制造及自动化]
题名 基于深度学习的视觉多目标跟踪算法综述
被引量：33
5
作者
张瑶 卢焕章 张路平 胡谋法
机构
国防科技大学电子科学学院自动目标识别重点实验室
出处
《计算机工程与应用》
CSCD
北大核心
2021年第13期55-66,共12页
文摘
视觉多目标跟踪是计算机视觉领域的热点问题,然而,场景中目标数量的不确定、目标之间的相互遮挡、目标特征区分度不高等多种难题导致了视觉多目标跟踪现实应用进展缓慢。近年来,随着视觉智能处理研究的不断深入,涌现出多种多样的深度学习类视觉多目标跟踪算法。在分析了视觉多目标跟踪面临的挑战和难点基础上,将算法分为基于检测跟踪(Detection-Based-Tracking,DBT)、联合检测跟踪(Joint-Detection-Tracking,JDT)两大类及六个子类,研究不同类别算法的优缺点。分析表明,DBT类算法结构简单,但算法各子环节的关联度不高,JDT类算法融合多模块联合学习,在多项跟踪评价指标中占优。DBT类算法中特征提取模块是解决目标遮挡问题的关键,但损失了算法速度,JDT类算法对检测模块更为依赖。目前,多目标跟踪跟踪总体是从DBT类算法向JDT发展,分阶段实现算法准确度与速度的均衡;提出多目标跟踪算法未来在数据集、各子模块、具体场景应用等方面的发展方向。
关键词
视觉 多目标 跟踪深度学习 目标 检测数据关联
Keywords
visual multi-object tracking deep learning object detection data association
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 采用混合t分布粒子滤波器的视觉跟踪(英文)
被引量：3
6
作者
李少军 朱振福
机构
宇航智能控制技术国家级重点实验室 目标与环境光学特征国防科技重点实验室
出处
《红外与激光工程》
EI
CSCD
北大核心
2011年第7期1387-1396,共10页
基金
国防科技重点实验室基金(9140C610301090C61)
文摘
由于目标数量的变化,观测数据的岐义性和目标间的遮挡,多目标视觉跟踪问题面临多种困难。基于目标分布的有限t分布混合模型提出了一种混合t分布粒子滤波器以实现多目标跟踪。在算法中,每个被跟踪目标指派一个独立的粒子滤波器,显式处理当新目标出现在场景中时对应粒子滤波器的初始化,当被跟踪目标消失时,对应粒子滤波器的删除。混合t分布粒子滤波器算法不仅能够跟踪多种类型的多目标,还能够持续跟踪遮挡消除之后的多目标。为了展现混合t分布粒子滤波器的跟踪性能,完成了基于颜色分布的跟踪多种不同颜色和相同颜色的多目标实验,对比了混合t分布粒子滤波器,混合粒子滤波器以及Boosted粒子滤波器的跟踪性能。实验结果表明:文中算法不仅能够跟踪数量可变的多目标,进行实时计算,而且具有更好的鲁棒性。
关键词
多目标视觉 跟踪有限t分布混合模型 混合t分布粒子滤波器 序列蒙特卡洛方法 混合粒子滤波器 Boosted粒子滤波器
Keywords
multi-object visual tracking finite mixture model of t distribution mixtures of t distribution particle filters sequential Monte Carlo methods mixtures of particle filters Boosted particle filter
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 一种提高足球机器人性能的新型视觉算法
被引量：2
7
作者
王书理 丁凤霞 杨广林 赵逢达
机构
燕山大学信息科学与工程学院 华北水利水电学院数学与信息科学系
出处
《计算机工程》
EI
CAS
CSCD
北大核心
2006年第18期217-219,共3页
文摘
在机器人足球比赛中,要识别的目标颜色越来越多,易出现识别错误。为了解决机器人足球比赛色标识别困难,介绍了一种新的视觉系统设计方法,提出了一种按假想机器人尺寸避免碰撞的方法,对机器人只需识别队标,既减少要识别的颜色样本,又增加了目标跟踪的准确性。该文论述了设计的各个环节。试验表明,设计方法合理有效,鲁棒性好。
关键词
图像序列 多目标视觉 跟踪跟踪窗 目标 搜索
Keywords
Image series Multi-target track Track window Target search
分类号
TP24
[自动化与计算机技术—检测技术与自动化装置]
