采用高效卷积算子的长期目标追踪算法

针对目标跟踪中存在的对严重遮挡和出视野的目标跟踪失败的问题,提出了一种基于高效卷积算子的长期目标追踪算法.该算法首先利用滤波器的检测得分计算当前目标是否受到遮挡,停止对遮挡目标尺度模型的更新;然后利用遮挡情况和外观模型置信度判断目标的可靠性,对不可靠目标的模型不计入外观模型更新序列中.当目标长期遮挡或者丢失时,利用融合空间权重、目标检测得分和最佳伙伴相似性得分来重定位目标.与原始的高效卷积算子算法进行对比实验的结果表明,改进的算法能有效地解决目标遮挡和出视野情况下的目标跟踪失败的问题,具有较高的跟踪精度和鲁棒性.

自适应多滤波器的高效卷积算子目标跟踪算法

针对单一滤波器难以适应复杂变化的目标跟踪环境的问题,本文在高效卷积算子目标跟踪算法的基础上,提出了自适应多滤波器的目标跟踪算法。该算法使用时空正则化滤波器、一致性检验滤波器和高效卷积算子算法中的相关滤波器分别与目标特征进行卷积,得到三个滤波检测得分。其中,时空正则化滤波器是通过将时间正则化引入相关滤波损失函数而得到;一致性检验滤波器是通过反向定位前几帧目标,比较反向与正向定位坐标的误差,只有误差小于阈值时才更新滤波器;选择峰值旁瓣比最大滤波检测得分,估计目标的位置。使用OTB-2015数据集和UAV123数据集对改进算法进行测试,实验结果表明,本文算法能够更好地适应跟踪过程中的复杂变化的环境,具有较高的精度和鲁棒性。

基于高效卷积算子的异常抑制目标跟踪算法

传统的目标跟踪算法易受边界效应影响,且当目标因遮挡严重、运动模糊、光照变化等产生外观变化时,目标响应图会发生突变,从而降低目标跟踪检测结果的可信度。提出一种改进的高效卷积算子(ECO)目标跟踪算法。利用高斯混合模型生成紧凑且多样化的样本数据,采用因式分解卷积方法减少模型参数,引入空间权值系数和前后两帧响应图的变化率来弱化边界效应并抑制响应图突变,以提高目标跟踪算法的鲁棒性能和精度。实验结果表明,在光照、尺度变化等多种干扰下,该算法的成功率和距离精度较原始ECO算法分别提高3.1个百分点和1.9个百分点。

融合运动信息和跟踪评价的高效卷积算子

针对基于方向梯度直方图与颜色命名的高效卷积算子(ECO-HC)算法缺少跟踪质量评价和滤波模板更新监督机制的问题,提出融合运动信息和跟踪评价的高效卷积算子.将卡尔曼滤波器加入ECO-HC跟踪定位框架对目标执行联合跟踪,设计高置信度判别指标评价ECO-HC对每帧图像的跟踪效果,使用原始跟踪结果和卡尔曼滤波预测值的加权融合值,修正不满足判别指标的跟踪结果.在滤波模板隔帧更新策略的基础上,加入当前帧跟踪结果质量评价信息,当2个条件同时满足时执行模板更新.依托公开数据集OTB-2015评估算法性能,结果显示改进算法整体跟踪精确度、成功率和跟踪速率均优于原算法,在运动模糊、低分辨率、离开视野场景中的精确度分别提高3.0%、3.5%和2.8%,成功率分别提高3.8%、2.1%和4.0%.改进算法在保证实时性的同时,有效提升了复杂场景下的跟踪效果.

基于全流量光学传感器的磨粒运动特性研究

针对航空发动机滑油系统管路中磨损颗粒的运动特性进行了研究。首先,建立磨粒的运动学方程,分析影响运动的主要因素;然后,自制全流量在线光学传感器,并搭建磨粒运动监测系统,再结合高效卷积算子(ECO)算法对动态磨粒进行跟踪以及速度测算;最后,利用仿真软件,对多个影响因素进行多元回归方程的拟合。研究结果表明:回归方程的拟合度较高。同时,各因素对颗粒运动速度影响的重要程度依次为:油液的流速、颗粒的密度、油液的粘度、颗粒的粒径。同时,油流的速度与颗粒的运动速度呈正相关,颗粒的密度、油液粘度、颗粒的直径与颗粒的运动速度呈负相关。

基于ResNet-ACmix融合特征的ECO目标跟踪算法改进

为了结合卷积和自注意力的优势,并提高相关滤波目标跟踪算法的跟踪能力,提出了一种应用自注意力卷积融合残差网络(ResNet-ACmix)改进的ECO目标跟踪算法.该算法在特征提取方面,采用一种轻量级的网络ResNet-ACmix代替原ECO算法中ResNet特征提取网络,以此来提高ECO目标跟踪算法的时间性能.在VOT2016数据集以及OTB50数据集上测试的结果表明,上述所提算法对比传统ECO算法,在保证较高跟踪准确率的同时,卷积提取过程的参数量和计算量更少,跟踪速度更快.

基于ECO-HC的无人机指定行人稳定实时跟踪

针对无人机(UAV)指定行人跟踪中目标遮挡严重、尺度变化大的问题,提出一种基于无人机指定行人稳定实时跟踪算法,即ECO-HC跟踪算法。提取方向梯度直方图(f HOG)和颜色(CN)特征,利用高效卷积算子(ECO)跟踪算法中训练样本的内插模型使其f HOG特征和CN特征融合;利用分解卷积算子、紧凑训练样本模型和稀疏模型更新策略降低过拟合风险,减少算法复杂度,其响应分数最大值的位置即为目标中心位置;引入快速尺度滤波方法自适应得到目标尺寸最优估计,提高跟踪精度。实验选取60段公开行人数据库,结果均优于近年其他4种优秀跟踪算法,其中平均距离精度(mean DP)和平均重叠率精度(mean OP)分别为83. 2%和87. 3%,平均速度为56. 3帧/s。对于无人机拍摄的自建行人数据库,亦具有良好的鲁棒性和实时的处理速度。

一种相关滤波中的模型自适应更新技术

针对单一更新策略难以适应复杂多变的目标跟踪环境的问题,本文在ECO (高效卷积算子)算法基础之上,提出了一种基于旁瓣比的自适应策略更新跟踪算法。该算法通过对特征响应图中峰值旁瓣比的分析,实现了跟踪模型更新策略的自适应调整。同时使用OTB-100数据集对改进后的跟踪算法进行测试,经测试后的实验结果表明,相比原来的ECO算法,该算法可提升遮挡等复杂环境下目标跟踪的精度和鲁棒性。