基于单目标跟踪算法的发音自动校准系统设计

传统发音校准系统存在英语发音校准准确率低的问题,采用单目标跟踪算法设计发音自动校准系统,利用UNIX风格子程序对自动校准系统硬件框架进行构建,遵循内高聚合原则分析数据资源提取模块流程。针对英语发音信息采集需利用模拟数字信号转换来提高数据采样效率,对发音校准引擎A/D电路进行设计。采用单目标跟踪算法提取相关特征,并形成逻辑层。开发嵌入式内核结构,研究语音识别代码。通过实验验证可知,该系统英语发音校准准确率高,对发音纠正能力较强。

基于孪生网络的多目标跟踪算法

多目标跟踪是计算机视觉领域一个重要的分支,在视频监控、自动驾驶等方面都有广泛的应用,而目前主流的多目标跟踪算法大都遵循基于检测的跟踪范式。针对SiamRPN++算法在有语义和外观均相似目标的场景下存在跟踪结果在正确和错误之间频繁切换的问题,文章提出了EmSiamRPN算法,该算法利用重识别特征对跟踪算法进行改进。针对基于检测的跟踪框架设计的FairMOT算法中卡尔曼滤波器存在手工设计关键参数问题,文章提出了EmSiamMOT算法,该算法使用EmSiamRPN算法替代卡尔曼滤波器,避免了手工设计关键参数,能够进行端到端的训练。为了验证所提出算法的有效性,文章选用MOTChallenge 2016公开数据集作为测试集,通过与SiamRPN++算法的单目标跟踪效果和FairMOT算法的多目标跟踪效果的对比实验验证了所提算法的有效性和优势。