分享到:

多目标跟踪

本文论述了多目标光电跟踪探测技术发展  (本文共6页) 阅读全文>>

山东大学
山东大学

复杂场景下基于检测的数据关联多目标跟踪方法研究

随着社会文明和科学技术的不断进步,人们对视频设备的智能化需求日益增长,使得计算机视觉技术备受关注。作为计算机视觉技术的重要组成部分,多目标跟踪已经成为机器视觉和人工智能领域的研究热点。目前,多目标跟踪技术的研究虽然已经取得突破性的进展,但是复杂场景下的多目标跟踪仍然面临诸多挑战:(1)由于受背景噪声等情况的干扰,视频序列中的运动目标检测可靠性较低,将这些检测目标作为跟踪目标候选区域时,容易发生目标跟丢和漂移等现象;(2)视野中存在频繁遮挡、相似目标、目标形变等复杂场景,增加了多目标跟踪器发生身份误切换等错误的概率;(3)多目标跟踪场景通常目标数目是可变的,跟踪器需要根据检测结果自动地初始化新目标,然而检测误差严重影响目标初始化准确度。针对以上几种挑战,本文研究基于检测的数据关联多目标跟踪方法,主要内容及创新点归纳如下:1.针对传统光流法运动目标检测容易受到噪声干扰的问题,构建一种权重系数自适应光流法运动目标检测框架,避免人工设置...  (本文共145页) 本文目录 | 阅读全文>>

国防科技大学
国防科技大学

基于目标检测的视觉多目标跟踪技术研究

视觉多目标跟踪的主要任务是对视频帧中的多个目标进行定位和识别,并在视频系列中准确还原所有目标运动轨迹的过程。视觉多目标跟踪属于计算机视觉应用中的基础问题之一,为计算机视觉高层应用提供重要支撑。近年来,以卷积神经网络为代表的深度学习技术在图像处理领域取得极大成功。其中,实现视频帧中目标定位和识别功能的检测技术获得重要突破。基于检测的跟踪(tracking by detection)把多目标跟踪方法推向更加真实的视觉应用场景。然而,在目标数量众多并且目标遮挡严重的视觉环境中,当前的检测技术无法完全正确地定位和识别目标,视频帧中存在由于漏检和误检引起的错误检测响应。如何有效地关联不同帧之间带有噪声的检测响应,还原目标完整的路径是基于检测的多目标跟踪方法面临的主要挑战。本文针对基于目标检测的多目标跟踪方法,就目标的外观和运动建模问题,冲突处理问题以及多目标跟踪的数据关联算法问题展开研究,提高多目标跟踪方法在复杂视觉场景下的跟踪性能。本文...  (本文共134页) 本文目录 | 阅读全文>>

中国科学技术大学
中国科学技术大学

基于深度学习的视频多目标跟踪算法研究

视频多目标跟踪是计算机视觉中一个重要的基础性问题,在智能视频监控、自动驾驶、智能机器人、智能人机交互、体育视频分析等领域具有重要的应用价值。多目标之间频繁的遮挡问题使得单目标跟踪算法难以扩展到多目标跟踪场景中,单目标跟踪算法的跟踪效率随着跟踪目标数目增多而急剧下降的问题进一步限制了其在多目标场景中的应用。此外,现有基于检测的数据关联多目标跟踪算法存在过于依赖检测器性能和无法利用视频中目标检测与跟踪之间的关系的缺陷。本论文针对这些问题展开了深入的研究,主要的研究内容以及创新成果如下:1.提出了一种基于抗遮挡单目标跟踪模型的在线多目标跟踪算法。该算法采用时空注意力机制和对抗学习来提高跟踪模型对遮挡的鲁棒性,解决目标跟踪中因遮挡造成的跟踪漂移问题,有效地将基于深度学习的单目标跟踪算法扩展到多目标跟踪场景中。空间注意力机制从空间上对目标的特征图进行加权,使得未被遮挡区域的特征得到更多的注意,从而当目标发生遮挡时,跟踪模型的跟踪结果更准确...  (本文共122页) 本文目录 | 阅读全文>>

江南大学
江南大学

基于随机有限集的多目标跟踪及航迹维持算法研究

多目标跟踪技术作为信息融合理论与先进滤波方法中最活跃的研究领域之一,被广泛应用于以航空、航天为代表的军事与民用领域。由于无需传统跟踪方法中所需的复杂的数据关联技术,基于随机有限集理论的多目标跟踪方法备受国、内外相关研究领域学者及工程技术人员的广泛关注。本文以随机有限集理论为支撑,采用概率假设密度滤波器为主要工具,重点围绕复杂跟踪场景中多目标跟踪及航迹维持问题开展了较为深入、系统的研究工作,主要包括以下几个方面:1.针对紧邻目标跟踪场景中目标状态及数目估计问题,线性高斯假设下提出一种紧邻多目标GM-PHD跟踪算法。在标准GM-PHD滤波器各离散时刻目标预测强度量测更新结束后,采用目标权值再分配方法检测并重新分配目标后验强度中目标分量不合理的权值;在目标后验强度的分量删减阶段,提出一种融合了分量标记法和分量权值度量法的目标分量剪枝与融合方法,一定程度上能够避免重要目标分量的融合错误问题。与现有相关紧邻多目标PHD滤波器相比,提出算法...  (本文共128页) 本文目录 | 阅读全文>>

北京理工大学
北京理工大学

复杂场景中的在线多目标跟踪方法研究

多目标跟踪旨在从视频中估计场景内多个感兴趣目标的运动轨迹,为进一步分析和理解视频内容提供基础,是计算机视觉与模式识别领域的研究热点,在智能视频监控、视觉导航、智能交通、体育训练等诸多领域具有广泛的应用前景。尽管多目标跟踪的研究已经取得了许多进展,由于存在目标数量庞大、表观相似、背景干扰、频繁遮挡等因素的影响,复杂场景中的多目标跟踪仍是一个挑战性的难题。本文采用基于检测的跟踪框架(tracking-by-detection),主要从目标检测和数据关联的角度出发,研究如何对复杂场景中的多个目标实现鲁棒的在线跟踪。本文提出了用于在线多人跟踪的时间动态表观建模方法,利用人体表观的时间动态特性在跟踪过程中识别不同行人,为数据关联提供精确的依据。在基于隐马尔科夫模型的产生式框架下,使用多个观测模型表示人体表观在特征空间中的空间分布特性,并将人体表观随时间的动态变化规律建模为多个观测模型之间的转移概率。基于在线期望最大化算法,采用增量更新的方...  (本文共142页) 本文目录 | 阅读全文>>