基于二值掩码图像的粒子滤波目标跟踪快速算法

粒子滤波算法是进行运动目标跟踪的一种重要方法。针对传统粒子滤波算法在进行目标跟踪时存在的计算量大、实时性不足的问题,提出一种基于二值掩码图像的粒子滤波目标跟踪快速算法。该算法在传统粒子滤波算法的每个帧处理阶段产生二值掩码图像,再结合权重选择方法移除背景中权重较小的粒子,保留权重较大的重要粒子。提出的算法可以有效减少参与计算的粒子数目,节约算法的计算成本,从而提高目标跟踪的实时性。与传统粒子滤波算法进行比较,实验结果表明,提出的算法不仅能够有效地提高跟踪速度,而且跟踪结果的准确性和鲁棒性也有所增强。

基于残差神经网络的颜色特征排序行人再识别算法

行人再识别是智能安防领域的研究热点,得到了学术界的广泛重视。行人再识别是在非重叠多摄像头视角域下进行行人匹配,其难点在于不同摄像头下行人外形具有显著变化,难以提取不变性特征,识别率偏低。本文首先提出基于残差神经网络的行人再识别模型,将特征归一化模块应用其中,有效改善特征分布变化。其次,提出了对光照和姿态具有鲁棒性的重排序算法,旨在通过语义分割模型裁剪出行人上衣图片,并根据其RGB颜色直方图相似度进行重新排序。最后在Market1501及CUHK03两个公开数据集上进行实验。实验结果证明,本文提出的算法能大幅度提高行人再识别的准确率。