公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

结合通道选择与位置优化的目标跟踪算法: 2022年; 为了解决TADT等算法在目标发生形变及低分辨率等复杂场景下易发生跟踪漂移的问题,在Siamese孪生网络框架下,结合通道选择与位置优化提出一种新型目标跟踪算法。利用VGG16网络中的Conv4-3层进行目标初次定位,进而利用峰值旁瓣比对跟踪结果进行可信度判断,将结果分为高可信、待优化和低可信3种类别。对于待优化类别,利用Conv3-3层深度特征在目标初次定位基础上进行精确再定位。对于低可信类别,提取Conv5-1层深度特征进行目标重定位。在OTB-50及OTB-100数据集上进行了综合评估并与当前的部分先进算法进行了比较,实验结果表明,算法具有最佳跟踪精度且相对TADT算法有了全面提升,跟踪速度达到24.8 FPS。; 吴捷吴捷; 关键词：目标跟踪

一种新的三维网格多细节层次模型生成方法被引量：1: 2006年; 提出了一种新的基于半边折叠的递进网格构造算法和一种引入了细分算法的多细节层次模型生成方法,并给出一组实例说明了算法的有效性.; 吴捷马小虎; 关键词：半边折叠递进网格多细节层次模型

上下文感知的改进Staple跟踪算法: 2022年; 为解决相关滤波算法受余弦窗和搜索区域限制,导致跟踪器无法学习更多背景信息的问题,结合Context-Aware和Staple跟踪算法提出一种自适应特征融合的抗遮挡目标跟踪算法。在跟踪器中嵌入遮挡判断模块,利用平均峰值相关能量及峰值信噪比(PSNR)等指标来判断目标的遮挡情况,决定是否更新模板。将该算法在OTB-2015测试集上与其它7个先进的算法进行比较,实验结果表明,该算法的精确度与成功率分别为0.818和0.731,相对于Staple算法分别提升了4.3%和4.6%,跟踪速度达到34.55帧/s,验证了其有效性。; 吴捷吴捷; 关键词：目标跟踪峰值信噪比

结合自适应时间权重的改进STRCF目标跟踪: 2021年; 针对STRCF算法时间权重因子固定,且常因长时遮挡等原因造成跟踪漂移的问题,提出了一种自适应时间权重学习的目标跟踪算法。利用峰值旁瓣比在线动态更新时间权重因子以提升跟踪器的准确性。在跟踪器中嵌入遮挡判断模块,设定条件判断是否发生遮挡,以决定是否停止对目标位置的更新。实验结果表明:该算法的精确度与成功率分别为0.880和0.814,相比STRCF算法分别提升了2.6%和2.0%,且跟踪速度达到28.61帧/s,在CPU上可以达到实时。; 吴捷吴捷; 关键词：目标跟踪

基于稀疏约束与双线索选择的目标跟踪算法: 2023年; 为了解决现有DCF类跟踪器存在边界效应及时间滤波器退化的问题,进一步增强其在复杂场景下跟踪的准确性,基于LADCF算法,提出了一种有效的双线索目标跟踪框架,用于鲁棒视觉跟踪。将结构化稀疏约束应用到多通道滤波器,并通过提取9维HOG特征与11维CN特征构建新的跟踪线索,与原有线索协同跟踪目标。建立可靠性评估策略,在每一帧中选择合适的线索进行跟踪。在OTB-50、OTB-100基准数据集上进行了定性和定量评价,实验结果表明,所提出的方法跟踪准确度相比LADCF算法提升了2.4%,相比ECO_HC提升了3.7%,优于现有的主流跟踪算法,且跟踪速度达到21.1帧/s,可以实现实时跟踪。; 吴捷吴捷; 关键词：目标跟踪可靠性评估

自适应时空正则的无人机目标跟踪算法被引量：1: 2022年; 针对无人机跟踪场景中目标分辨率较低且易受无人机(unmanned aerial vehicle,UAV)飞行姿态、速度变化等因素的影响而难以对目标进行鲁棒跟踪的问题,提出了一种自适应时空正则的无人机目标跟踪算法以有效解决上述问题。在时空正则相关滤波器(spatial temporal regularized correlation filter,STRCF)算法基础上引入AutoTrack中的空间正则性代价并利用峰值旁瓣比和局部响应变化量,在线动态更新时空正则化参数以提升跟踪器的准确性,通过在跟踪器中嵌入遮挡处理模块解决目标遭遮挡后跟踪漂移的问题。在多个无人机基准数据集上进行了测试,实验结果表明,与基准算法AutoTrack相比,本文算法具有更高的精确度和更快的处理速度。其中在DTB70数据集上跟踪精度和速度分别提升了1.5%和74.4%;在UAVDT数据集上9个属性的分类对比中,本文算法在尺度变化(scale variation,SV)、目标模糊(object blur,OB)等7个属性上取得较高的性能,均排在第一位。由此可见本文算法可以更好地满足无人机应用需求。; 吴捷吴捷; 关键词：目标跟踪

全选清除导出

共1页<1>

吴捷