-
题名MOT中改进的目标身份感知网络流量技术
被引量：1
- 1
-
-
作者
梅炳夫
肖春霞
-
机构
广州市广播电视大学人文与工程学院
武汉大学计算机学院
-
出处
《计算机工程与设计》
北大核心
2018年第6期1579-1585,共7页
-
基金
国家开放大学教学研究中心首批研究课题基金项目(Q0081A-215Z)
广州市青少年科技教育基金项目(2017-501)
国家自然科学基金项目(61472288)
-
文摘
现有的目标跟踪算法严重依赖于目标检测器的性能,如果目标检测器的虚警率或漏警率较高,数据关联将会失败,导致目标跟踪精度不足。为此,通过结构化学习为每个对象训练一个模型,将目标跟踪问题建模为拉格朗日松驰优化问题,提出一种目标身份感知网络流量(TINF)技术进行结构化学习的推理。在学习期间,通过搜索使目标身份感知网络流量代价函数最小化的一组轨迹,确定最被违反约束和序列在下个时间段的最优轨迹,推断视频片断中所有目标的最佳位置。利用多种高难度数据集进行仿真实验,实验结果表明,所提方法的性能优于其它较新算法。
-
关键词
多目标跟踪
数据关联
结构化学习策略
拉格朗日松驰
轨迹
-
Keywords
multiple object
data association
structured learning strategy
Lagrange relaxation
trajectories
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
