基于多特征信息融合的目标检测方法研究

针对目标检测中小目标漏检、准确率较低和容易受到相似目标干扰等问题,在SSD(Single Shot MultiBox Detector)模型基础上,提出一种融合低层手工特征和深层网络特征的目标检测方法。通过对图像提取融合多种目标特征,获取目标大概位置和类别。基于非极大值抑制(NMS)将交并比小于0.7的窗口消除,解决行人部分重叠与小目标的漏检问题,提升目标检测的准确性和目标检测模型的泛化能力。该模型在VOC2007公开数据集上的平均检测精度较SSD算法提升了4%,NMS机制的加入有效提升了目标检测速度和稳定性。

基于通道可靠性的时空正则项目标跟踪算法

为解决STRCF在遮挡、目标大幅多次旋转时目标定位和尺度估计不准确的问题,提出基于通道可靠性的时空正则项相关滤波目标跟踪算法。利用时空正则项模型求解滤波器,保证模型在时间上的连续性;计算各个通道的响应图及可靠性系数,将可靠性系数与相应通道响应图相乘并进行累加求得最终响应图,提高算法定位精度;训练尺度滤波器,对目标进行尺度估计,解决目标位置与尺度无法同时最优的问题。实验结果表明,该算法较STRCF在平均重叠率和平均中心位置误差分别提升22.8%和降低21.74个像素,实现了对目标的精确跟踪。

基于视频的实时多人姿态估计方法

针对图像和视频中多人姿态估计存在人体边界框定位不准确、困难关键点检测精度有待提高等问题,设计了一套基于自顶向下框架的实时多人姿态估计模型。首先将深度可分离卷积加入目标检测算法中,提高人体检测器运行速度;然后基于特征金字塔网络结合上下文语义信息,采用在线难例挖掘算法解决困难关键点检测精度低的问题;最后结合空间变换网络与姿态相似度计算,剔除冗余姿态,改善边界框定位准确性。本文提出模型在2017MS COCO Test-dev数据集上的平均检测精度比Mask R-CNN模型提升了14.84%,比RMPE模型提升了2.43%,帧频达到22frame/s。