基于锚框的远距离多尺度红外目标跟踪技术

在红外目标跟踪过程中,由于目标距离和视角的变化,红外目标的成像面积通常很小,使得红外图像中缺乏足够的像素信息,无法准确提取目标的特征,增加了目标跟踪的难度。因此,提出基于锚框的远距离多尺度红外目标跟踪技术。利用编码的方式对应追踪框图与真实框图,得到目标框中心坐标值。为保证计算的精准度,通过设定特征融合阈值判定提取信息与真实信息较高的重叠度,并按照锚框的边缘、中心以及顶点坐标对应划分像素网格,根据特征值输出分类输出向量,完成红外目标特征提取。由此采用损失函数给出锚框、目标框、实际框的类别损失以及候选框等不同类别损失函数,按照不同点在网格中的体素值,以编码形式逐一对比候选框和真实框数据,通过迭代实现远距离多尺度红外目标跟踪。实验结果表明,所提方法对远距离多尺度红外目标的识别效果较好,查全率曲线基本保持在0.9以上。说明所提方法具有良好的远距离多尺度红外目标跟踪效果。

跨摄像头多目标跟踪方法综述

单摄像头目标跟踪将目标跟踪范围限定在单一摄像头视野中,难以满足复杂应用场景需求,跨摄像头多目标跟踪融合多个摄像头的信息实现多个摄像头之间的特征传递和轨迹关联,可以将跨摄像头之间的多个目标在多个监控区域下联合跟踪,对现实复杂场景实时监控具有重要意义,成为目标跟踪领域研究热点.本文介绍了跨摄像头多目标跟踪的基本概念,结合实际应用需求将跟踪模型分为3类:包括重叠视角、非重叠视角以及混合视角的跨摄像头多目标跟踪.详细对比分析了重叠视角跨摄像头多目标跟踪相关的网络流优化方法、单应性约束方法、强化学习方法、超图方法和Transformer方法;以及基于双阶段轨迹关联、单阶段轨迹关联的非重叠视角的跨摄像头多目标跟踪方法;并总结了混合视角的跨摄像头多目标跟踪方法,混合视角方法可以在重叠视角数据集和非重叠视角数据集都能使用并且算法性能和精度都能达到良好的平衡.对比了各类方法的优缺点及其适用场景;分析了目前跨摄像头多目标跟踪常用的数据集和评估标准;总结了跨摄像头多目标跟踪存在的问题,并对相关技术的发展趋势进行了展望.

基于多尺度语义的目标检测方法

针对基于卷积神经网络(convolutional neural network,CNN)的检测方法只关注目标的自身信息,忽略了语义信息,限制目标检测精度提高的问题,提出一种多尺度语义提取网络,分别提取CNN多层特征图的语义信息并融合,实现目标全局语义和局部语义的提取。在此基础上,将自身特征与语义特征融合,实现目标检测框架中自身特征和语义特征的编码。实验结果表明,该方法与原始的目标检测网络相比,检测精度有明显提高,尤其是对混叠目标和小目标具有良好的检测效果。

应对遮挡问题对DeepSORT进行轨迹拟合优化

检测跟踪范式是多目标跟踪的主要研究方向,也是自动驾驶汽车的主要应用框架。完善的检测跟踪范式可以在提高多目标跟踪精度的同时有效降低跟踪框的失真率。然而在现有的先进方法中,这种范式通常会遇到多目标重叠后的ID交换问题,严重影响跟踪精度和轨迹判断。为解决该问题,文中基于经典的DeepSORT算法提出改进方案。首先,在卡尔曼滤波器中添加跟踪框进行置信度的预测和更新,并按降序对更新后的置信度进行排列,在后续匹配中优先匹配预测置信度更高的跟踪目标;然后,比较预测置信度和检测置信度之间的差异,识别出置信度突变的目标,以进行跟踪轨迹的优化和剪枝;最后,使用余弦相似度和交并比(IoU)识别重叠目标,并对重叠目标中置信度最高的目标消失后的轨迹进行多项式轨迹拟合,以纠正错误的ID,完成精确匹配。实证分析结果表明,相比于目前多种先进算法,所提方法的ID交换次数为172,优于其他算法,验证了该算法的可行性和正确性。

基于重叠视域的跨相机多目标跟踪

针对短道速滑运动员检测难度大,难以准确进行跨相机目标交接等问题,提出了基于重叠视域的跨相机多目标跟踪算法.通过使用Global context network(GCnet)注意力模块、Funnel ReLU(FReLU)激活函数和Distance-IoU非极大值抑制(DIoU-NMS)改进YOLOXs算法,提高对粘连目标的检测精度.依据平面单应性原理将相机图像坐标映射至统一世界坐标以关联相邻相机,提出基于目标质心位置相似性与检测框空间相似性关联权重的改进型匈牙利匹配算法,实现跨相机目标一致性判定.实验结果表明:YOLOXs-GFD算法的平均准确率在Skater数据集和INRIA数据集上分别提升2%、1.1%.MOT-skater数据集上,跨相机多目标跟踪指标MCTA和IDF1分别为80.6%、83.7%.所提出的算法对短道速滑运动员的跨相机跟踪具有更优的准确性与鲁棒性.

基于重叠联盟博弈的无人机侦察时间资源分配优化

在利用多无人机进行多目标侦察时,需要进行合理的任务分配。优化无人机资源与任务重要程度之间的关系,才能充分发挥多无人机侦察的优势。为了实现多无人机协同侦察时的时间资源分配优化,首先根据任务点和无人机的位置分布情况对多无人机进行预分配,然后对预分配后的空闲无人机进行协同时间资源优化。将空闲无人机协同时间资源分配问题建模为重叠联盟博弈模型,通过对所构建模型的求解,得出多无人机的协同侦察时间资源分配方案。仿真结果表明,优化时间资源后侦察系统的收益得到了提升。

复制叠加多假目标干扰效果仿真分析

多假目标干扰产生与被干扰雷达相干的干扰信号,在能量上有着极大的优势。在对多假目标产生方式讨论的基础上,通过对多假目标干扰中每个假目标能量的定量分析,得到了各个假目标信号与干扰机之间的功率关系,并推导了适用于多假目标干扰的干信比计算公式,有效解决了没有定量分析多假目标干扰能量和用传统干信比公式衡量多假目标干扰效果的问题,可以为多假目标干扰的分析和评估提供参考。

距离向扫描合成孔径激光雷达目标三维重建

合成孔径激光雷达(SAL)能够实现远距离目标的精细成像。由于SAL基于距离多普勒原理成像,将地面场景映射到成像平面上会引起高程信息的丢失。提出了一种基于距离向扫描的SAL目标三维重建方法,通过距离向扫描体制SAL得到一定扫描角度范围内的多条合成孔径图像,利用相邻条带图像目标的重叠成像实现三维重建。基于TerraSAR图像仿真计算结果表明:距离向扫描体制SAL可以实现目标的三维重建。

目标函数拼接技术精度研究

在较大孔径放大系数(>4)的情况下,结合实验结果,从拼接模式、被测面形、测量误差和不同孔径放大系数的角度出发,分析了各种因素对目标函数拼接技术精度的影响,为高精度检测和控制大口径光学元件表面面形(波前)提供了依据。

用于ADAS实时目标车辆检测的改进SSD算法

以实际交通场景中存在重叠小目标车辆为重点,为提升汽车辅助驾驶系统(ADAS)对目标车辆检测的准确性,建立了一种实时目标车辆检测改进算法SSD-P。该算法基于2种方法:1)通过增加小目标特征的提取数量,提出了一种浅层特征图像分辨率重建的方法;2)在非极大抑制中嵌入特征向量进行二次判定方法,以克服单发多盒探测器(SSD)算法对小目标检测精度不高、重叠目标检测能力弱的问题。在PASCAL VOC2012数据集、虚拟交通场景以及实际交通场景中,进行了相关实验验证。结果表明:用该SSD-P算法进行目标车辆检测的平均精度(mAP)为92.4%,比改进前的SSD算法精度提升了4.8%。因此,该改进算法能够改善ADAS的准确性。

基于外观模型和时空模型的多摄像机目标跟踪

针对多摄像机之间的光照变化、环境差异以及视角变化,文章提出基于外观模型和时空模型相结合的方法进行无重叠视域多摄像机间的目标跟踪。首先使用颜色标准化的方法减弱摄像机之间的颜色差异、学习目标的外观模型。颜色标准化过程无需人工标定目标间的对应关系,因此当摄像机数目增多时可以自动学习新的外观模型。然后由目标的外观相似度无监督学习得到与摄像机的环境、光照和视角无关的时空模型,即不同摄像机下进出口的分布模型、路径关系和转移时间概率分布。最后计算目标之间的外观相似度和时空相似度,实现多摄像机间的目标跟踪。在实际摄像机网络场景中应用该方法,结果表明了其有效性,并且具有较高的准确率。

基于多模板的深度核相关滤波跟踪

针对跟踪过程中出现的遮挡、尺度变化、光照变化等问题,文章基于多模板提出深度核相关滤波算法。首先,多模板算法选取最佳滤波参数优化分类器训练样本的能力,多特征算法利用多种特征优化目标外观模型提高了跟踪过程的鲁棒性;其次,利用深度图信息计算跟踪过程中目标重叠率,判断目标的遮挡情况,遮挡时重新定义目标搜索区域,并判断是否重新跟踪目标,降低遮挡情况下的算法漂移问题;最后,根据目标遮挡情况判断是否更新分类器参数和目标外观模型,提高模板更新的可靠性。利用Princeton数据库测试算法,成功率和精度分别达到85.1和98.6,比第二名算法分别提高了7.04%和4.67%。实验从成功率、精确度方面说明基于多模板的深度核相关滤波算法优于传统算法,有一定研究价值。

一种重叠视域多摄像头协同运动目标跟踪方法

针对重叠视域范围内多摄像头目标跟踪匹配问题,提出一种基于视野分界线的运动目标检测跟踪方法,通过Sift算法与Harris算法相融合对存在重叠视域范围的图像自动获取特征匹配点,利用所获特征匹配点对生成视野分界线,当目标通过分界线时,依据颜色信息的投影不变量方法,通过目标中心位置与视野分界线之间的距离来判断运动目标,进而实现运动目标的交接,完成后续动态目标的追踪。通过设置相同的视频帧数和实验场景与已有文献进行对比实验,所提算法对运动目标跟踪准确率分别为76%、87%、88%,均高于文献算法跟踪精度。实验结果表明所提出的算法能够实现多摄像头间的目标连续跟踪既能解决对同一运动目标的实时跟踪,又可以解决多视角协同重叠视域范围内的运动目标跟踪距离较近而导致运动目标丢失的问题,通有效提高目标跟踪的准确性,为多视角运动目标跟踪提供了一种新的解决方法。

多摄像头行人跟踪系统研究

在摄像机内部(内部)和多摄像机(外部)跟踪摄像机网络上的对象。由于环境的复杂性和多边形,本文的目标是能够提出可以适应变化,并且能适配摄像头数量扩展的算法。使用未经校准的相机,其位置在空间上是分开的,因此本文的跟踪算法还必须能够应对物体的遮挡、照明变化以及相机之间的间隙。在构造鲁棒外观直方图描述符时,研究直方图bin大小、颜色空间和相关度量。对象外观的一致性被用作衡量摄像机内部和摄像机内部对象的解决方案成功与否的标准。在该算法中,描述符的选择将很大程度上影响跟踪性能,因此关于描述符的设计在整个论文中都有提及。

针对重叠社团结构的复杂网络多靶向攻击策略

为揭示社团结构对复杂网络鲁棒性的影响,基于现实世界网络普遍存在内部社团相互重叠缠绕的结构特征,提出了一种针对高社团成员值节点的多靶向攻击策略.该策略在攻击单个节点的同时,能影响网络中多个社团的内部结构,并改变社团间的重叠关系,从而导致网络整体性能下降.针对Klemm-Eguíluz(KE)网络和自治域(AS)因特网的攻击不仅验证了本策略的优越性能,还揭示了其独有的网络社团数随受攻击节点数增加而急剧减少的特殊现象.此外,与随机攻击和度选择攻击的比较,进一步验证了多靶向攻击方法对网络结构和性能的高破坏性.