基于时空特征融合的目标跟踪方法.pdf
文本预览下载声明
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117423035A
(43)申请公布日2024.01.19
(21)申请号202311423598.0
(22)申请日2023.10.27
(71)申请人安徽大学
地址230039
显示全部
文档详情
相似文档
-
基于多特征融合的行人多目标跟踪方法研究.pdf
摘要
摘要
计算机视觉为智能化发展做出了巨大贡献，是人工智能时代的“眼睛”，同时计算
机视觉具有极大的发展潜力。多目标跟踪作为计算机视觉的高级任务，是一个富有挑
战性的任务，其目的是将视频序列中的感兴趣目标进行识别、标定位置并使得多帧内
同一目标形成完整轨迹。多目标跟踪算法主要分为检测目标、特征提取、亲和力度量和
数据关联四个步骤。但是目标之间的相互遮挡、目标之间的交互、外观相似性、目标的
消失出现以及复杂的背景都会导致
-
一种基于时空正则化和特征可靠性评估的目标跟踪方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113344973 A
(43)申请公布日 2021.09.03
(21)申请号 202110641752.6 G06K 9/62 (2006.01)
(22)申请日 20
-
基于多特征融合的目标跟踪算法.doc
基于多特征融合的目标跟踪算法
单东晶1，田海静1，马宝红1
（1.重庆通信学院 重庆市 400035）
摘 要：本文以压缩感知、随机投影理论等为基础,比较验证国内外主要方法，提出了一种在级联粒子滤波器框架下的多特征集成的目标跟踪算法。算法中采用了两类特征：颜色自相关图与基于随机投影降维的haar-like特征。其中降维haar-like特征被用于压缩感知跟踪算法中。实验采用了当前主流跟踪算法用于性能对比，测试视频的来源涵盖复杂背景、严重遮挡、剧烈的形变等问题。实验结果可以表明本文算法对比其他算法的性能优势。
关键词：压缩感知；稀疏表示；级联粒子滤波器；随机投影；目标跟踪
Visual Tr
-
时空特征增强的鲁棒视觉目标跟踪方法研究.pdf
摘要
视觉目标跟踪是计算机视觉领域的一个重要应用，经过多年的研究已取得了巨
大进展。目前，视觉目标跟踪方法的性能在自然场景下会受到如背景杂乱、快速运
动、光照变化、目标尺度变化和遮挡等多种挑战的干扰，因此对目标进行精准跟踪
具有较大难度，为解决这个问题，本文提出时空特征增强的鲁棒视觉目标跟踪方法，
利用深度神经网络和注意力机制等多种方式提取、融合以及增强视频中包含的时空
特征，有效解决目标跟踪中出现的多种挑战，提高了视觉目标跟踪的成功率和精确
率。具体研究内容包括：
（1）针对多数卷积神经
-
时空特征增强的鲁棒视觉目标跟踪方法研究.docx
时空特征增强的鲁棒视觉目标跟踪方法研究
一、引言
随着计算机视觉技术的不断发展，视觉目标跟踪技术在智能监控、无人驾驶、人机交互等领域得到了广泛应用。然而，由于目标在运动过程中可能受到光照变化、背景干扰、目标形变等多种因素的影响，使得视觉目标跟踪仍然面临诸多挑战。为了解决这些问题，本文提出了一种时空特征增强的鲁棒视觉目标跟踪方法，旨在提高跟踪的准确性和鲁棒性。
二、相关工作
在视觉目标跟踪领域，研究者们已经提出了许多方法。传统的跟踪方法主要依赖于目标的颜色、纹理等特征进行跟踪，但由于这些特征在复杂场景下可能不稳定，导致跟踪效果不佳。近年来，基于深度学习的目标跟踪方法取得了显著成果，通过学习目标的
-
一种基于双时空约束的相关滤波目标跟踪方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113409357 A
(43)申请公布日 2021.09.17
(21)申请号 202110696645.3 G06K 9/46 (2006.01)
(22)申请日 20
-
一种基于时空关联的多扩展目标跟踪方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利
(10)授权公告号 CN 113344039 B
(45)授权公告日 2022.04.26
(21)申请号 202110547305.4 G06K 9/62 (2022.01)
-
一种基于时空注意力机制的目标跟踪方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113393496 A
(43)申请公布日 2021.09.14
(21)申请号 202110755862.5
(22)申请日 2021.07.05
(71)申请人 中国
-
基于孪生网络特征融合的无人机目标跟踪方法研究.pdf
基于孪生网络特征融合的无人机目标跟踪方法研究
摘要
近年来，随着无人机的广泛应用与目标跟踪技术的发展，无人机目标跟踪成为了热
门研究之一。探究跟踪性能更好、速度更快的无人机目标跟踪算法在侦察监视、远程打
击和农业植保、灾害应对等军事民生领域具有很高的应用价值和现实意义。无人机目标
跟踪任务需要应对复杂的空中环境和无人机平台有限的计算资源。目前基于深度卷积孪
生神经网络的目标跟踪算法能够较好地实现跟踪精度和计算效率的平衡，成为了研究无
人机目标跟踪算法的主流。然而当前的目标跟踪算法在面对复杂极端的自然环境时依然
存在一些不足，本文从两个方面对无人机单目标跟踪算法和多目标跟踪算法进行了改进。
针对
-
基于跟踪检测时序特征融合的视频遮挡目标分割方法.pdf
基于跟踪检测时序特征融合的视频遮挡目标分割方法
郑申海,高茜,刘鹏威,李伟生
引用本文
郑申海,高茜,刘鹏威,李伟生.基于跟踪检测时序特征融合的频遮挡目标分割方法[J].计算机科学,
2024,51(6A):230600186-6.
ZHENGShenhai,GAOXi,LIUPengwei,LIWeisheng.OccludedVideoInsanceSegmenaionMehod
BasedonFeaureFusionofTrackingandDeecioninTimeSequence[J].CompuerScience,2024,
51(6A):230600186-6.
相似文章推荐（请
-
一种基于背景感知的多跟踪器融合目标跟踪方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112991390 A
(43)申请公布日 2021.06.18
(21)申请号 202110347007.0
(22)申请日 2021.03.31
(71)申请人 江苏
-
基于多特征融合的目标检测与跟踪算法研究.pptx
基于多特征融合的目标检测与跟踪算法研究汇报人：2024-01-10
CONTENTS引言目标检测算法研究目标跟踪算法研究多特征融合策略研究系统设计与实现总结与展望
引言01
随着计算机视觉技术的不断发展，目标检测与跟踪作为该领域的重要分支，在视频监控、智能交通、人机交互等领域具有广泛的应用前景。目标检测与跟踪是计算机视觉领域的重要研究方向传统的目标检测与跟踪算法往往基于单一特征进行处理，难以应对复杂场景下的挑战。多特征融合能够充分利用不同特征之间的互补性，提高算法的准确性和鲁棒性。多特征融合在目标检测与跟踪中的优势研究背景与意义
目前，国内外学者在目标检测与跟踪方面已经取得了显著的研究成果，如
-
一种基于多特征自适应融合运动目标跟踪算法.pdf
21 6 20 10 6 Journal of Optoelectronics Laser Vol. 21 No. 6 Jun. 2010
一种基于多特征自适应融合的运动目标跟踪算法*
1, 2* * 1 1 1
尹宏鹏 , 柴
-
基于特征融合的视频监控目标跟踪研究.pdf
基于特征融合的视频监控目标跟踪研究
摘要
视频监控被广泛于应用公共安全、道路交通、家庭安防和体育赛事等方面，而目
标跟踪是实现视频监控的关键技术。深度学习技术的进步使基于检测的目标跟踪算法
在目标跟踪中占有较大优势，然而，由于目标存在的尺寸变化、受遮挡干扰等因素，
目标跟踪算法的研究变得更加困难。视频监控系统中主要以多目标跟踪为主，因此，
本文在DeepSORT算法的基础上，提出一种基于特征融合的多目标跟踪算法（Feature
FusionMulti-ObjectsTrackingFFMOT
，），该算法分别对目标检测器和多目标跟踪器进
行优化，以提升多目标的跟踪效果。
首先，为了解决在特征提
-
基于时空特征自适应融合网络的加密流量分类方法.docx
PAGE
1-
基于时空特征自适应融合网络的加密流量分类方法
一、引言
(1)随着互联网技术的飞速发展，网络数据流量呈现出爆炸式增长，其中加密流量占比逐年上升。加密流量使得网络攻击者难以通过传统方法进行检测和防御，给网络安全带来了巨大挑战。因此，如何有效地对加密流量进行分类，成为网络安全领域的研究热点。
(2)现有的加密流量分类方法主要依赖于流量特征提取和分类算法。然而，由于加密流量特征的复杂性和动态性，传统的特征提取方法难以全面捕捉加密流量的时空特征，导致分类效果不佳。此外，分类算法的泛化能力也受到限制，难以适应不断变化的网络环境。
(3)针对上述问题，本文提出了一种基于时空特征自适应融合网