期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于自校准与异构网络的多目标跟踪算法 被引量:2
1
作者 王玲 杜新兆 +2 位作者 罗可心 王鹏 赵领娣 《计算机工程与设计》 北大核心 2023年第12期3662-3669,共8页
为解决多目标跟踪算法在遮挡场景下导致的身份切换等问题,提升算法跟踪精度,提出一种融合自校准与异构卷积的离线图跟踪网络(self-calibrated convolutions and asymmetric convolution track, SCAACTrack)。利用融合自校准卷积网络与... 为解决多目标跟踪算法在遮挡场景下导致的身份切换等问题,提升算法跟踪精度,提出一种融合自校准与异构卷积的离线图跟踪网络(self-calibrated convolutions and asymmetric convolution track, SCAACTrack)。利用融合自校准卷积网络与非对称结构进行目标外观特征提取,提升算法行人重识别能力。通过采用不同帧之间目标外观特征、时间和空间3种维度进行图神经网络建模,引入基于时间感知的消息传递网络加强多目标跟踪流式守恒约束。实验结果表明,与传统的多目标跟踪算法MPNTrack、Tracktor、KCF等模型相比,该模型跟踪效果更有效。 展开更多
关键词 多目标跟踪 身份切换 异构卷积 自校准卷积 离线图跟踪网络 特征提取 图神经网络
在线阅读 下载PDF
基于卷积注意力模块和无锚框检测网络的行人跟踪算法 被引量:9
2
作者 张红颖 贺鹏艺 《电子与信息学报》 EI CSCD 北大核心 2022年第9期3299-3307,共9页
针对多目标跟踪过程中遮挡严重时的目标身份切换、跟踪轨迹中断等问题,该文提出一种基于卷积注意力模块(CBAM)和无锚框(anchor-free)检测网络的行人跟踪算法。首先,在高分辨率特征提取网络HrnetV2的基础上,对stem阶段引入注意力机制,以... 针对多目标跟踪过程中遮挡严重时的目标身份切换、跟踪轨迹中断等问题,该文提出一种基于卷积注意力模块(CBAM)和无锚框(anchor-free)检测网络的行人跟踪算法。首先,在高分辨率特征提取网络HrnetV2的基础上,对stem阶段引入注意力机制,以提取更具表达力的特征,从而加强对重识别分支的训练;其次,为了提高算法的运算速度,使检测和重识别分支共享特征权重且并行运行,同时减少头网络的卷积通道数以降低参数运算量;最后,设定合适的参数对网络进行充分的训练,并使用多个测试集对算法进行测试。实验结果表明,该文算法相较于FairMOT在2DMOT15,MOT17,MOT20数据集上的精确度分别提升1.1%,1.1%,0.2%,速度分别提升0.82,0.88,0.41 fps;相较于其他几种主流算法拥有最少的目标身份切换次数。该文算法能够更好地适用于遮挡严重的场景,实时性也有所提高。 展开更多
关键词 目标身份切换 高分辨率特征提取网络 卷积注意力模块 无锚框检测网络 头网络 FairMOT
在线阅读 下载PDF
基于改进高分辨率神经网络的多目标行人跟踪 被引量:4
3
作者 张红颖 贺鹏艺 彭晓雯 《光学精密工程》 EI CAS CSCD 北大核心 2023年第6期860-871,共12页
针对行人多目标跟踪过程中目标被遮挡时产生的检测、跟踪失败问题,提出了一种改进型高分辨率神经网络作为检测网络。首先,为了增强网络对于行人目标的初始特征提取能力,在高分辨率神经网络的基础上,对网络的主干部分引入二代瓶颈残差块... 针对行人多目标跟踪过程中目标被遮挡时产生的检测、跟踪失败问题,提出了一种改进型高分辨率神经网络作为检测网络。首先,为了增强网络对于行人目标的初始特征提取能力,在高分辨率神经网络的基础上,对网络的主干部分引入二代瓶颈残差块结构,提升感受野和特征表达力;其次,设计了添加二层高效通道注意力模块的残差检测块架构,并通过该架构替换了原有网络在多尺度信息交换阶段中的残差检测块,以提高了整个网络系统的测试性能;最后,通过选择适当的参数对网络进行了全面地训练,并通过多个测试集对算法测试。测试结果显示,本文算法相较于FairMOT在2DMOT15,MOT17,MOT20数据集上的跟踪准确度分别提升0.1%,1.6%,0.8%。本文算法可以良好地应用在目标较多且遮挡面积较大的特殊情景,同时对于较长时间视频序列的追踪稳定性也大大提高。 展开更多
关键词 目标身份切换 高分辨率神经网络 高效通道注意力模块 二代瓶颈残差块 FairMOT
在线阅读 下载PDF
基于颜色粒子滤波的多目标跟踪器设计
4
作者 卫娟 王崇科 《计算机工程》 CAS CSCD 北大核心 2016年第8期316-321,共6页
针对多目标跟踪中的目标遮挡和身份切换问题,在颜色粒子滤波的基础上,将单目标跟踪器扩展为多目标跟踪器。当目标轨迹彼此较接近时,利用自适应冲突预防模型分离临近轨迹。当目标发生遮挡时,跟踪器的整体模型会被分割成多个部分,使用可... 针对多目标跟踪中的目标遮挡和身份切换问题,在颜色粒子滤波的基础上,将单目标跟踪器扩展为多目标跟踪器。当目标轨迹彼此较接近时,利用自适应冲突预防模型分离临近轨迹。当目标发生遮挡时,跟踪器的整体模型会被分割成多个部分,使用可见部分执行跟踪和遮挡推理。当目标外观相似时,使用轨迹监测方法处理遮挡情况。当目标发生完全遮挡时,重新初始化遮挡者周围的粒子并采集目标,从而实现多目标跟踪。实验结果表明,与MIT和LSAM跟踪器相比,该跟踪器在假阴性率、假阳性率、误匹配率和多目标跟踪准确率方面均具有明显的性能优势。 展开更多
关键词 多目标跟踪器 冲突预防模型 遮挡 身份切换 跟踪准确率
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部