利用滑动窗口检测器的多目标跟踪误报检测

针对多目标跟踪中的误报检测效率低和处理速度慢的问题,提出一种基于聚合信道特征的滑动窗口头部检测器进行误报检测。首先,构建了一种可以处理背景对象误报和前景对象误报的运动模型;然后同步检测,运行跟踪算法;最后,使用关联数据确定正确的检测,运用马尔可夫蒙特卡罗数据链求解运动向量的闭合解。CAVIAR头部姿势数据集的实验结果验证了该方法的有效性。相比于其他方法,在两种多目标跟踪精度、检测精度和召回率方面,方法均高于其他方法。另外,方法运行达到了实时要求,对于1 080 p的高清视频,处理的视频播放率达到25帧每秒。

基于自校准卷积网络的行人检测方法

针对已有行人检测算法存在的小尺度行人信息描述不充分的问题,提出一种基于自校准卷积网络的行人检测算法。通过将CSP算法的主干网络更换为SCNet自校准卷积网络,有效扩大了网络的感受野范围;将主干网络的低层特征像素信息和高层特征语义信息进行融合,有效促进小尺度行人的检测;对精细的多尺度卷积特征进行多层连接,将行人检测简化为直接的中心和尺度预测任务。实验结果表明,所提算法在数据集CityPersons和Caltech上的平均漏检率为10.97%和4.3%。算法可以增强小尺度行人的信息描述能力,在检测速度方面也有一定的优势。