车辆跟踪的遮挡推理算法研究

现代社会中越来越多的车辆运输 ,造成了交通事故、交通堵塞等严重的问题 ,交通检测成为了一项越来越不可缺少的技术 ,它凭借先进的技术来保证道路交通的安全性和高效性。对于这项技术 ,到目前为止已经取得了很大的发展 ,但也存在许多问题 ,尤其是车辆间相互遮挡问题将会影响道路交通检测的准确度。本文讲述一种新的算法来分离跟踪遮挡车辆 ,并表述所得的试验结果。在这里 ,在运用成像知识的同时 ,也有效的利用了道路的几何结构信息。

部位级遮挡感知的人体姿态估计

随着深度学习的快速发展,人体姿态估计技术近年来取得显著进步,但是现有方法仍难以较好地处理普遍存在的遮挡问题.针对此问题,提出一种部位级遮挡感知的人体姿态估计方法.首先,采用基准人体姿态估计网络从含遮挡噪声的图像中获得各人体部位的带噪声特征表达.然后,通过遮挡部位预测模块估计人体被遮挡部位,从而获得可见性向量.遮挡部位预测模块由遮挡部位分类网络和可见性编码器组成,前者预测关节点的遮挡状态,后者利用注意力机制将遮挡状态转换为一组权重.最后,通过通道重加权方式融合可见性向量和带噪声特征,获得部位级遮挡感知的人体部位相关特征,用于计算关节点热图.在MPII和LSP(leeds sports pose)数据集上的实验结果表明,相比基准姿态估计网络,该方法能够在较小的额外计算代价下更好地应对遮挡问题,并且取得了比目前先进方法更佳的结果.

考虑遮挡情况的光流场估计算法

遮挡是影响光流场估计的主要因素.针对其破坏光流场估计的区域颜色一致性假设,从而导致现有的光流场估计算法失效的问题,我们提出一种基于遮挡推理的光流场估计算法.首先构建一个图像金字塔,然后在每层结构中以形变补偿图像(warped image)为纽带,探索其中"重影"区域和遮挡区域的内在关系,并结合邻域关系等信息获得遮挡推理线索,最后将之融入优化函数中通过迭代优化的形式解决存在遮挡时的光流场估计问题.我们在Flying Chairs和MPI-Sintel等数据集上进行了相关实验验证了本文算法的有效性.

一种遮挡情况下的目标追踪方法

提出一种在遮挡情况下的目标追踪方法。首先建立鲁棒性的目标轮廓模型。然后结合遮挡推理并且以目标的轮廓质心为基础进行LevelSet曲线演化,获取准确的目标轮廓信息,并将提取到的轮廓信息加入到Karman滤波的跟踪框中。最后对目标轮廓模型进行实时更新。实验结果表明所提及的方法具有很好的鲁棒性。

基于时空渐进特征模型的抗遮挡多目标跟踪

针对多目标跟踪过程中存在目标相互遮挡的问题,提出一种基于时空渐进特征模型的抗遮挡多目标跟踪方法.该方法根据目标的关联状态、重叠情况、深度顺序构建遮挡推理模型,在线识别被遮挡目标,并对其进行基于时空渐进特征模型的目标再检测.首先,利用目标特征模型中的空间位置参数确定搜索区域;然后,计算目标模型与检测响应之间的表观特征相似度,引入一种自适应阈值,并选择相近程度较高的检测响应为候选量测;最后,采用时间特征匹配的方式获得目标真实检测响应,完成多目标跟踪的任务.通过MOT15和MOT17数据集中的实验结果表明,所提出方法能够有效地识别被遮挡目标,可在多种复杂场景下实现相互遮挡目标的鲁棒性跟踪,相对于现有方法具有较高的准确性、精度和轨迹完整性.