引入特征重检的抗遮挡目标跟踪方法研究

针对视觉目标跟踪的遮挡问题,在TLD算法的基础上,引入特征重检环节,解决发生遮挡时因目标外观相似、背景聚类造成错判,提出了一种基于特征重检的抗遮挡目标跟踪研究方法(TLD-D),采用跟踪、检测、学习、再检测的策略。跟踪与检测相结合,对锁定的目标进行学习,获取目标最新的外观特征;当发生遮挡时,则启用特征重检环节,提取遮挡过程的"开始发生遮挡"和"遮挡结束"两个关键帧,然后在特征重检环节选用SIFT特征进行双向匹配标定目标,确保重新标定的目标为原被遮挡的跟踪目标,即"再检测"。OTB基准集上实验结果表明,与TLD算法、同类TLD改进算法以及其他经典跟踪算法相比较,TLD-D算法抗遮挡能力更强,鲁棒性更强,能够对目标长时间稳定跟踪。

基于条件分类可执行切片谱的软件缺陷定位

基于条件执行切片谱的多错误定位(Multiple Fault Localization based on Conditioned Execution Slicing Spectrum,CESS-MFL)考虑了程序的依赖性,可以一定程度降低程序随着缺陷数的增多而效率降低的问题,但该技术仍受与缺陷无关语句的影响比较大。因此,提出了一种基于条件分类可执行切片的软件缺陷定位方法(Conditioned Classification Execution Slicing Spectrum-based Software Fault Localization,CCESS-SFL),该技术对CESS-MFL技术中的谓词条件进行了改进并分类。根据谓词条件与缺陷相关执行切片确定条件特征集,根据条件特征集进行分类得到条件分类执行切片谱,计算元素的可疑度,最后生成可疑度报告。CCESS-SFL技术在西门子7个套件中得到了有效的验证,它优于当前流行的Tarantula、Jaccard、Ochiai以及CESS-MFL技术,可以进一步降低与缺陷无关语句的影响。