模板自适应的积分通道特征行人检测算法

本文对视频中的行人检测问题进行了研究。针对传统的积分通道特征算法在误测背景目标和丢失目标两方面存在缺陷,本文以积分通道特征的行人检测算法为核心,对原检测算法进行了优化并提出模板自适应的积分通道特征算法。通过使用预处理优化和自适应模板,该优化算法能够有效地检测到丢失的目标并且抑制了背景干扰,提高了检测的准确性。最后的实验数据表明该优化算法整体性能有所提高,尤其在提高检测丢失目标的准确率和降低误测背景目标的检测率上都相较于传统的积分通道特征算法有较大的提高。

融合注意力机制与自适应模板更新的目标跟踪算法

针对基于孪生网络的跟踪算法在目标快速移动、发生较大形变、处于复杂背景等情况下容易出现跟踪性能下降的问题,提出一种融合注意力机制与自适应模板更新的目标跟踪算法。跟踪算法以SiamRPN为基础,通过在特征提取网络融合通道注意力机制与空间注意力机制,抑制图像中的干扰信息,补充目标特征在通道空间中的信息,更好地对目标进行定位。将对象在不同时刻的模板,包括初始模板、累积模板和预测模板作为帧残差模块的输入,采用残差学习策略,充分利用初始模板语义信息,自适应更新当前帧所需的模板,减少了跟踪飘移的现象。在OTB100数据集上的实验结果表明,本文跟踪算法与其他跟踪算法相比取得了更高的跟踪成功率和准确率。

基于kalman预测和自适应模板的目标相关跟踪研究

文中提出了一种基于kalman预测和自适应模板的目标相关跟踪算法。通过kalman预测下一帧图像中目标的状态,缩小整个图像上目标检测的搜索范围,满足目标跟踪的实时性。采取自适应模板更新策略,根据目标的变化情况自动调节参考模板,提高目标跟踪的稳定性。仿真实验结果表明,算法能够随着目标的形状、大小、位置的变化快速调整参考模板,进行稳定和实时的跟踪,当目标被物体遮挡时仍能有效地跟踪目标。

基于相关匹配及自适应模板更新的目标跟踪新方法

传统的相关匹配算法在背景比较简单的情况下可以较好地跟踪到目标,但实际获得的图像存在变形、噪声、遮挡等问题,并且也很难获得比较好的跟踪效果。针对上述问题,提出了一种修正的MCD相关匹配算法和多帧累积的模板更新策略,并对实际图像进行了仿真。实验结果表明,算法在图像存在变形、噪声、遮挡时也可以达到比较理想的跟踪效果。

快速自适应模板图像修复算法

在对图像局部特性分析的基础上,提出了一种简单的非迭代自适应模板快速图像修复算法。该算法首先通过对待修复点邻域像素梯度值进行排序,估计出该点的等照度线方向,从而自适应地确定其修复模板,然后利用快进法(fast marching method)确定修复路径并完成对整个破损区域的修复。实验结果表明,该算法对边缘细节及平滑区域均有良好的修复能力,在相近的修复时间内能得到明显优于一般快速图像修复算法的修复效果。

基于自适应模板修正的相关跟踪方法

提出了一种基于MCD距离的相关匹配算法。该算法克服了相关跟踪计算量大的缺陷,并根据电视跟踪系统的图像特点,提出了自适应模板修改策略,该策略在一定程度上克服实际图像由于变形、噪声、遮挡等变化对跟踪效果的影响。通过计算机仿真实验,获得了良好的效果。

基于k均值聚类和自适应模板匹配的眼底出血点检测方法

眼底出血点是糖尿病视网膜病变的早期症状,准确检测眼底图像中的出血点,对于构建糖尿病视网膜病变的自动筛查系统具有重要意义,本研究提出了一种基于k均值聚类和自适应模板匹配的出血点检测方法。首先利用HSV空间亮度校正以及对比度受限自适应直方图均衡化方法对眼底图像进行预处理,然后使用k均值聚类分割出候选目标,最后利用自适应归一化互相关模板匹配与支持向量机(SVM)分类器对候选目标进行筛选,从而得到真正的出血区。采用DIARETDB数据库的219幅眼底图像进行实验,本方法在图像水平的灵敏度为100%,特异性为80%,准确率为92.4%,在病灶水平的灵敏度为89%,阳性预测值为87.3%。结果表明本方法能够实现眼底图像中出血点的自动检测。

基于自适应模板的匹配算法在跟踪系统中的应用

基于模板匹配的跟踪算法具有提取信息全面、算法简捷的优点,但目前采用固定模板匹配的算法在实际跟踪过程中容易发生误判,作者经过研究提出了自适应模板匹配的算法,该算法能有效的克服上述的问题,在此基础上作者给出了初始模板的捕获和目标物位置预测的具体算法,采用了基于自适应模板跟踪算法的“DX—1”系统在实际跟踪过程中取得了很好的跟踪效果.

自适应相干模板法在心电图机中应用的一种改进算法

自适应相干模板法是一种高效的数字滤波器。但原算法在应用时仍存在一定的问题,如在滤除工频干扰和基线漂移时,难以同时兼顾两者的阻带特性。本文对此作了进一步地研究,使该算法同时滤除工频干扰和基线漂移均能得到十分满意的效果。

基于自适应模板的图像修复算法

当前基于纹理的图像修复算法中模板块的尺寸是固定的,这样,当模板块尺寸很小时,虽然修复的精度会提高,但是算法的时间复杂度会大幅增加;相反,当模板块尺寸很大时,虽然可以降低算法的时间复杂度,但会使算法的误修复率提升。针对以上问题,提出了基于自适应模板的图像修复算法,该算法能够根据当前模板块与尺寸扩大后模板块之间的灰度均值及方差的变化情况来自适应地扩大模板尺寸,同时,根据模板块与样本块之间的匹配情况自适应地缩小模板块。最后,将所提提出的算法用于实例验证,其结果表明所提算法不但可以有效地提高图像修复的精度,而且提高了图像修复的效率。

基于自适应模板的实时跟踪算法

相关匹配算法通过计算模板图像和待匹配图像的互相关值来确定匹配的程度 ,是一种经典的匹配算法 ,具有很高的准确性和适应性 ,并且对图像灰度值的线性变换具有“免疫性” ,因此在目标跟踪中得到了广泛应用。但是相关匹配算法计算耗时过于庞大 ,难以达到实要求 ,并且当目标在模板中所占比例很小时 ,很难确定模板的准确位置 ,使得此算法在实时目标跟踪中的应用有很大困难。本文提出了一种基于自适应模板的实时跟踪算法。实时采集的图像首先进行阈值分割 ,然后用形态学滤波的方法去掉噪声 ,模板的尺寸通过轮廓分割方法确定。匹配程度的算法选择的是归一化自相关匹配算法 ,并采用金字塔搜索算法进行加速。实验结果显示 ,此算法有效地克服了相关匹配算法的缺点 。

自适应相干模板法滤波的分析及改进

讨论了一种自适应相干模板法的改进方案。该方案通过跟踪周期性干扰信号的频率变化 ,微调采样频率 ,改善了自适应模板法滤波性能。通过对采集结果的分析 ,证明了这一方案的可行性。该方法较传统的自适应模板法有较大性能的提高 ,其可以跟随周期性干扰的变化自动调整干扰信号陷波频带的中心位置 ,从而取得较好的滤波效果。模拟实验结果表明 ,该方法对滤波效果有显著的改善。

自适应模板更新和目标重定位的相关滤波器跟踪

针对核相关滤波器在跟踪中因目标快速运动导致的目标易丢失和部分遮挡问题,本文在多特征尺度自适应核相关滤波器(Scale Adaptive with Multiple Features tracker,SAMF)基础上,提出一种融合自适应模板更新和预测目标位置重定位的核相关跟踪算法。采用联合目标移动速度和特征变化的模板更新机制增大对目标快速运动适应性,根据长时滤波器和短时滤波器协作跟踪提出目标位置修正和重定位模型提升跟踪器应对目标部分遮挡的能力。在OTB-2015视频序列集100组序列中与序列集提供的算法进行对比,本算法跟踪精度相比SAMF提升2%。在目标发生快速移动时本文算法具有更好的追踪目标能力,目标重定位也很好地解决了目标部分遮挡问题。

基于自适应模板的低信噪比运动目标的自动定位算法(英文)

从目标相对于邻域背景区的信噪比出发,分析了其低信噪比运动小目标特性对自动目标识别所带来的困难.基于部分Hausdorff距离在模板匹配相似性度量中可以有效抑制背景与噪声干扰的优点,提出了用自适应模板实现自动目标识别的方法.然后,综合目标区像素灰度自适应二值化处理和形心算法,实现了图像序列中目标自动定位的功能.实验结果证明:该基于自适应模板的低信噪比运动目标的自动定位算法具有快速,稳定和实用等优点.

基于简化FFT可跟踪工频干扰的自适应相干模板法的实现

自适应相干模板法以其实现简单、可同时滤除工频干扰和基线漂移等特点,而在智能医疗仪器上得到广泛的应用。但其低频和窄带干扰处的带宽不可独立调节的缺点,限制了其在某些方面,如心电滤波的应用,我们提出了利用简化的FFT跟踪工频干扰频率,微调采样频率的改进方案,使其在满足心电图机低频特性要求的同时获得较好的工频抑制的效果。试验证明在工频波动缓慢的情况下,该算法对工频干扰抑制效果明显。

检测图像角点自适应确定跟踪模板的方法

基于区域的跟踪方法,其跟踪模板的大小和位置对跟踪结果的影响十分显著,本文通过分析模板视觉显著性特征,提出采用AGAST快速角点检测方法,计算角点间相对距离,分析角点位置分布来自适应确定模板大小和位置,从而提高相关匹配跟踪算法的适应能力。仿真试验结果表明,该方法确定的模板能较好的包含目标显著性视觉特征,并且具有计算速度快,稳健性高,能有效提高采用区域模板匹配方法的跟踪性能。

在线目标分类及自适应模板更新的孪生网络跟踪算法

针对孪生网络跟踪算法在离线训练阶段学习被跟踪目标和其他对象的嵌入式特征,而这些特征缺少特定于目标的上下文信息,使跟踪算法的稳健性较差的问题,以SiamRPN++作为基准算法,提出了在线目标分类及自适应模板更新的孪生网络跟踪算法。首先,在离线训练阶段设计了互相关特征图监督模块,以学习更具判别力的嵌入式特征;其次,在线跟踪阶段设计了包含注意力机制的在线目标分类模块,在该模块中使用在线滤波器更新策略滤除背景噪声干扰;最后,设计了一种自适应模板更新模块,使用UpdateNet更新目标模板信息。在VOT2018、VOT2019这2个标准数据集上的实验结果验证了所提算法的有效性,相比基准算法SiamRPN++分别带来13.5%和18.2%(EAO)的性能提升。

HSV空间自适应背景模板在运动车辆实时检测中的应用

通过对运动车辆的实时检测并加以分析 ,可以得出有用的交通参数 ,如车型、车流量、车速等。从复杂的背景中分割运动物体是至关重要的一步 ,典型的方法是背景相减。本文在研究了目前存在的各种方法之后 ,提出了一种新的HSV空间的自适应背景模板的算法 ,应用于运动物体的分割 ,并给出了具体的试验结果。试验结果表明该方法准确率高 ,适应性强 ,运算速度快 ,兼具灵活性 。

基于自适应模板更新的改进孪生卷积网络目标跟踪算法

现有的孪生网络目标跟踪算法采用边界框模板进行跟踪,在目标形变、遮挡等干扰下很容易导致跟踪漂移。在轮廓检测网络和孪生卷积网络(Siamese)跟踪网络的基础上,提出一种基于深度轮廓模板更新的改进孪生卷积网络目标跟踪算法。利用轮廓检测网络获取目标边缘轮廓,降低背景杂波干扰;利用改进的Siamese网络获得轮廓模板和搜索区域的深度特征;通过相似性匹配获得最优跟踪目标。仿真实验结果表明,所提出的改进模型能够提高目标形变、遮挡等干扰下目标跟踪性能,具有较高的工程应用价值。

自适应模板更新的粒子滤波实时跟踪算法

提出一种自适应模板更新的粒子滤波实时跟踪算法。在粒子滤波的跟踪框架下,目标模板的自适应观测模型采用含有三个分量的混合高斯模型来建模并用增量EM算法在线更新,很好地解决了模板更新问题。实验结果表明:该跟踪算法在光照变化条件下的红外目标、外观姿态快速变化、局部遮挡等情况下的目标跟踪实验均能长时间稳定地跟踪目标,且无需普通粒子滤波算法的重采样策略,计算简单,易于硬件并行实现。