基于深度学习的快速长时视觉跟踪算法

在目标尺寸变化、遮挡和出视场等复杂长时视觉跟踪环境下,现有基于深度学习的视觉跟踪算法很难对目标进行实时准确的跟踪。针对该问题,提出一种快速的长时视觉跟踪算法,该算法由一个快速短时视觉跟踪算法和一个快速全局重检测模块组成。在基准算法SiamRPN中加入二阶通道与区域空间融合的注意力模块作为短时视觉跟踪算法,在保证快速性的同时,提高算法的短时视觉跟踪精确度和成功率;为使改进后的短时视觉跟踪算法具有快速的长时视觉跟踪能力,在算法中加入提出的基于模板匹配的全局重检测模块,该模块使用轻量级网络和快速的相似度判断方法,加快重检测速率。在OTB100、LaSOT、UAV20L、VOT2018-LT、VOT2020-LT等5个数据集上进行测试,实验结果表明,所提算法在长时视觉跟踪中具有优越的跟踪性能,平均速度达104帧/s。

基于二阶注意力的Siamese网络视觉跟踪算法

为提升基于Siamese网络视觉跟踪算法的特征表达能力和判别能力,以获得更好的跟踪性能,提出了一种轻量级的基于二阶注意力的Siamese网络视觉跟踪算法。使用轻量级VGG-Net作为Siamese网络的主干,获取目标的深度特征;在Siamese网络的末端并行使用所提残差二阶池化网络和二阶空间注意力网络,获取具有通道相关性的二阶注意力特征和具有空间相关性的二阶注意力特征;使用残差二阶通道注意力特征和二阶空间注意力特征,通过双分支响应策略实现视觉跟踪。利用GOT-10k数据集对所提算法进行端到端的训练,并在OTB100和VOT2018数据集上进行验证。实验结果表明:所提算法的跟踪性能取得了显著提升,与基准算法SiamFC相比,在OTB100数据集上,精度和成功率分别提高了0.100和0.096,在VOT2018数据集上,预期平均重叠率(EAO)提高了0.077,跟踪速度达到了48帧/s。

长时视觉跟踪中基于双模板Siamese结构的目标漂移判定网络

在长时视觉跟踪中,大部分目标丢失判定方法需要人为确定阈值,而最优阈值的选取通常较为困难,造成长时跟踪算法的泛化能力较弱。为此,该文提出一种无需人为选取阈值的目标漂移判定网络(DNet)。该网络采用Siamese结构,利用静态模板和动态模板共同判定跟踪结果是否丢失,其中,引入动态模板有效提高算法对目标外观变化的适应能力。为了对所提目标漂移判定网络进行训练,建立了样本丰富的数据集。为验证所提网络的有效性,将该网络与基础跟踪器和重检测模块相结合,构建了一个完整的长时跟踪算法。在UAV20L, LaSOT,VOT2018-LT和VOT2020-LT等经典的视觉跟踪数据集上进行了测试,实验结果表明,相比于基础跟踪器,在UAV20L数据集上,跟踪精度和成功率分别提升了10.4%和7.5%。

基于改进滤波和标记提取的分水岭算法

针对彩色图像分割中分水岭算法的过分割问题,提出了一种改进的基于标记提取的分水岭算法.改进后的算法由平滑滤波、彩色梯度计算、标记提取和分水岭变换组成.在平滑滤波阶段,设计了保边性能优于传统频域低通滤波器的频谱包络滤波器并运用于彩色图像及其梯度的平滑.彩色图像梯度计算直接在彩色向量空间进行.在标记提取阶段,利用局部极小值区的深度信息自适应控制扩展最小变换在平滑后的梯度图像中提取标记,然后融合极小值区的多重信息修改标记并将其叠加到原始梯度图像.对叠加标记后的梯度图像进行分水岭变换即得到最终的分割结果.实验结果表明,改进后的算法克服了传统算法边缘定位不准以及弱边缘提取困难等问题,参数选取更加合理,自适应程度提高.

基于标记分水岭和区域合并的彩色图像分割

针对分水岭算法的过分割问题,设计了一种结合标记分水岭和区域合并的彩色图像分割算法.算法首先根据梯度图像局部极小值的综合信息自适应提取标记,在标记的基础上进行分水岭变换获得初始分割结果;然后结合人眼对区域相似性的实际感知定义了融合颜色距离、方差和边缘信息的综合距离度量,通过综合距离度量控制区域进行快速合并得到高级分割结果.仿真结果表明,新设计的算法能够有效抑制过分割,获得更小的局部一致性错分率,与人工标注的分割结果更为接近.

基于区域边缘统计的图像特征描述新方法

直方图特征是计算机视觉领域最为常用的图像特征之一,然而空间统计信息的缺乏导致传统灰度直方图对图像特征的区分能力较差.对此,文中通过引入直方图子区间对应区域的边缘复杂度概念,提出了一种描述图像特征的区域边缘直方图方法.文章首先定义了区域边缘复杂度的概念,并提出以直方图各子区间的边缘复杂度作为空间权系数对各子区间进行加权,然后通过对加权后的直方图进行化简进而得到区域边缘直方图的简洁描述形式,最后,给出了基于积分直方图实现的快速计算方法.实验结果表明,区域边缘直方图方法对图像特征的区分能力明显优于灰度直方图,克服了空间直方图等改进方法对图像旋转的敏感性,运算效率比空间直方图提高了两个数量级以上.

基于关键区域特征匹配的视觉跟踪算法

针对视觉跟踪中目标表观的复杂变化问题,提出了一种基于关键区域特征匹配的鲁棒跟踪算法.首先对目标模板进行初始化并通过滤波预测得到目标候选;然后采用自适应标记分水岭算法对目标模板和目标候选进行分割以提取关键区域,并利用像素的空间和频率分布特性对关键区域进行多重特征描述;最后通过关键区域的特征匹配得到目标模板与目标候选的匹配关系,由此确定最终跟踪结果并进行模板更新.对目标发生尺度、遮挡、旋转、光照、姿态、复杂背景以及运动模糊等变化的视频序列进行了仿真测试.实验结果表明,所提算法能够有效处理目标表观的复杂变化问题,尤其对目标的部分遮挡、光照变化以及复杂背景等具有较强的鲁棒性.

利用局部特征联合匹配的非刚体目标跟踪

针对视频序列中非刚体目标的跟踪问题,提出了基于局部特征联合匹配的快速跟踪算法.算法将基于关键点的特征匹配问题转化为求解平衡指派的最优化问题,进而依据整体匹配最优的原则实现特征的联合匹配.跟踪过程为:首先分别提取目标模板和当前搜索区域的局部关键点并进行特征描述;然后依据联合匹配策略确定目标模板关键点在输入帧图像中的匹配结果;最后依据匹配结果确定目标在输入帧图像中的位置和尺度.实验结果表明,该算法对目标的非刚性形变具有较强的鲁棒性,能够适应复杂的背景变化并获得稳定的跟踪结果.

基于局部分块学习的在线视觉跟踪

视觉跟踪中,如何构建一种能够适应目标表观特征变化的目标模型是增强算法跟踪精度和稳定性的关键之一.本文提出利用跟踪区域内像素的初始分类标记来构建目标的局部分块模型,并在贝叶斯理论框架下提出了基于局部分块学习的在线视觉跟踪算法.首先,利用标定的初始跟踪区域构建目标的局部分块模型;然后,在当前跟踪区域中通过局部分块学习和贝叶斯估计确定当前帧的跟踪结果;最后,利用特征聚类对局部分块模型进行更新.实验结果表明:所提算法对目标表观变化的适应性明显增强,跟踪精度和稳定性较近年来的同类算法均有一定提高.

基于旋转不变直方图的快速匹配穷搜索

针对视觉跟踪中旋转目标的快速鲁棒跟踪问题,提出了一种基于旋转不变直方图的快速匹配穷搜索算法.文章首先对现有的直方图匹配算法进行了简单回顾,然后在分析目标旋转导致矩形模板失效原因的基础上,提出了旋转不变直方图的概念,并通过基于双圆定位的旋转不变直方图对目标进行了准确的定位和旋转校正.旋转不变直方图利用圆的旋转不变特性和分布式直方图的算法复杂度优势,实现对目标模板的全局最优穷搜索,利用双圆圆心的相对位置关系,实现对矩形模板的旋转校正.最后对一系列视频序列进行了跟踪实验,结果表明该算法能够实现对任意角度旋转目标的鲁棒跟踪,且算法复杂度较低.

分层结构直方图及其应用

针对传统直方图特征存在的特征分辨能力不强的问题,提出了一种图像分层结构直方图.该特征首先将图像按照亮度幅值的大小进行分层,然后根据预先设计的结构图元对所有的分层图进行基于结构图元的直方图统计,最后将所得的直方图进行集成得到最终的分层结构直方图.以图像匹配与视觉跟踪为例,对分层结构直方图的应用进行了大量的仿真实验,结果表明该特征较参考特征具有更强的特征分辨性能和局部描述能力.利用分层结构直方图进行图像匹配得到的相似性度量图单峰特性更加明显,能够显著降低视觉跟踪算法的跟踪误差.

频谱包络滤波器及其应用

针对图像处理中的保边平滑问题,提出了一种新的保边平滑滤波器.滤波器通过分析自然图像的频谱特性以及背景噪声在图像频谱中的分布规律,将图像频谱分为对重构图像边缘起重要作用的能量聚集区和背景噪声区.先用傅里叶变换计算输入图像的频谱,滤波时的滤波器通过模拟自然图像的频谱包络来修正该频谱,这样在保留能量聚集区中的频率的同时抑制背景噪声区中的频率,使得滤波后的图像仍然具有原始图像频谱的显著特征,而修正后的频谱经过傅里叶逆变换可以重构图像.实验结果表明,所提滤波器在平滑背景噪声的同时,能够更好地保护原始图像的边缘信息,保边性能优于传统高斯滤波器,滤波结果的视觉效果也明显优于均值漂移滤波器.

基于局部分块和背景加权的视觉跟踪算法

针对视觉运动目标的鲁棒跟踪问题,提出了一种基于局部分块和背景加权的跟踪算法。首先对目标的前景和背景区域进行分块采样,然后利用基于积分直方图的局部快速穷搜索算法计算每一个分块在当前帧中的后验概率图,最后对后验概率图确定的对应分块的搜索结果赋予不同的权值,进而计算出目标在当前帧中的位置。实验结果表明:基于局部分块加权的跟踪算法比单纯的背景加权跟踪和分块跟踪具有更高的跟踪精度和成功率,且算法复杂度较低。

改进的二次型直方图距离度量

为增强直方图距离度量的辨别力,对二次型的直方图距离度量问题进行了研究.首先,对传统的二次型距离及其存在的问题进行了简要评述;然后,通过对传统二次型距离度量函数进行改进和构建新的相关矩阵,提出了改进的二次型直方图距离度量准则;最后对所提距离度量的快速计算以及高维直方图的距离度量问题进行了讨论.改进的距离度量准则充分考虑了直方图子区间之间的相关性.通过形状匹配、图像检索以及视觉跟踪等一系列实验测试,验证了所提距离度量准则的有效性和优越性.

基于相关系数模型的新型滤波算法

针对椒盐噪声滤除问题,提出了一种新的滤波算法:对输入图像进行基于欧氏距离的相关系数建模,利用信号阈值判决区间将像素点分为信号点和噪声点,在相关系数模型下搜索相关性最大的信号点对噪声点进行恢复,信号点不作处理。实验结果表明,该算法对椒盐噪声的消噪性能较其他算法有较大提高。由于对基于窗口的传统操作模式进行了改进,该算法在90%的高密度噪声环境下仍具有较好的滤波性能。

“V型课堂”教学法在军校研究生教学中的应用实践

如何提高军校研究生的课堂教学质量是军队院校教学模式改革研究的一个重要问题。本文通过分析目前军校研究生教学现状,总结出了军校研究生教学中存在和面临的主要问题。从提高研究生分析问题与解决问题能力的角度出发,提出了"V型课堂"教学法的概念。该教学方法由课堂导入、问题提炼、本质挖掘、泛化推广与实际问题回归等五个环节构成,整个课堂的组织在时间维度与知识的深度维度上构成"V"型。通过结合教学过程中"教"与"学"的关系,阐述了"V型课堂"教学法在军校研究生教学中的应用,最后对"V型课堂"在实际教学中的开展提出了几点建议。教学实践表明,"V型课堂"教学法能够更加充分地调动学员学习的主观能动性,提高学习过程的趣味性,最终提高实际课堂教学质量。

“起承转合”式教学法在计算机类课程课堂教学中的运用

针对当前计算机类课程课堂教学过程中存在的理论性强、过程枯燥等问题,系统梳理总结"起承转合"式教学法的基本理念和实施步骤,并以数字图像处理课程中直方图均衡化的课堂教学为例,详细分析该教学方法在课堂教学中的具体运用,最后说明"起承转合"式教学法在课堂教学中需要注意的问题。

基于多表观模型竞争的视觉跟踪算法

在视觉跟踪中,如何适时地更新目标模型是影响跟踪算法跟踪精度和鲁棒性的关键性因素,也是当前研究中面临的重点和难点问题。对此,提出了一种基于多表观模型竞争的模型更新策略。通过多表观模型中各子模型的贡献度大小确定竞争优势排序,当最优子模型的贡献度满足多表观模型更新阈值时,对各子模型及其对应的系数进行更新;否则,仅对部分子模型进行更新。在此基础上,以粒子滤波算法为跟踪框架,提出了基于多表观模型竞争的视觉跟踪算法。实验结果表明,所提算法能够较好地处理视觉跟踪中的模型更新问题,跟踪性能较无模型更新策略的粒子滤波算法有明显提高。

快速滤除脉冲噪声的八向叠加算法

分析了当前脉冲噪声消噪的主要方法,提出了一种滤除脉冲噪声的快速算法。其主要思想是利用阈值检测法从输入图像中提取出信号点矩阵,然后对信号点矩阵进行八向叠加,最后对叠加后的信号点矩阵进行两步校正得到滤波结果。该算法的一个主要优势就是基于图像矩阵进行整体操作,利于数据的并行处理,编程简单,实时性强。实验结果表明该算法运行快,对普通密度的脉冲噪声滤除效果明显。

利用SIFT特征联合匹配的非刚体目标跟踪算法

为了解决非刚体目标跟踪过程中由目标形状快速变化带来的困难,提出了利用SIFT特征联合匹配的非刚体目标跟踪算法。首先分别提取目标模板和当前搜索区域的SIFT特征点;然后利用改进的联合匹配策略在目标模板和当前搜索区域之间进行特征匹配;最后根据匹配结果确定目标在当前帧的位置和尺度。改进的联合匹配策略在构建相似度矩阵时,不但利用了具有旋转和尺度不变性的SIFT特征向量,并且充分考虑了特征点的空间位置信息,有效提高了特征匹配的准确性。将这种改进的联合匹配策略成功地引入到SIFT匹配跟踪中,克服了传统SIFT匹配算法用于非刚体目标跟踪时的缺陷。实验结果表明,该算法对目标的非刚性形变、尺度变化以及背景干扰都具有较强的鲁棒性。