基于抗干扰自适应孪生网络的运动轨迹检测方法

针对智能化工厂对于人机操作时行为轨迹检测的需求,提出一种基于抗干扰自适应孪生目标跟踪网络(Siamese Anti-Interference Adaptive Network,SiamAIAN)的人机操作行为轨迹检测方法,采用自适应无锚框机制,在主干网络的基础上提出针对遮挡等干扰因素导致目标跟丢或跟踪效果较差的判定逻辑,当跟踪目标在视野中被遮挡或部分遮挡时能够有效实现后续的跟踪。相较主流算法,SiamAIAN在OTB2015数据集上能够实现1.7%的准确率提升以及2.4%的跟踪成功率提升。

基于最大互信息区域跟踪的人体行为检测算法

人体行为检测问题不仅需要判断行为的类别,而且需要估计行为发生的时间和位置,有重要的现实应用意义.人体行为检测的主要难点在于参数空间维度高以及背景运动干扰.针对上述难点,本文提出了一种基于最大互信息区域跟踪的人体行为检测算法.该算法将行为区域定义为最大互信息矩形区域,采用稠密轨迹作为底层特征,利用随机森林学习轨迹特征与行为类别的互信息函数,利用轨迹的时间连续性对行为区域进行大时间跨度的预测和跟踪.实验结果表明,该算法不仅能够有效地识别不同类别的行为,而且能够适应现实场景中背景运动的干扰,从而准确地检测和跟踪行为区域.