钟剑丹
- 作品数：6 被引量：15H指数：2
- 供职机构：中国科学院光电技术研究所更多>>
- 发文基金：国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 光电成像目标识别与检测关键技术研究
- 目标识别与检测一直是计算机视觉及多媒体应用领域中的基础工作。目标识别的任务是在一幅给定的观测图像中确定是否包含某类目标,而目标检测除了需要确定图像中是否包含目标之外还需要确定其位置。在光电成像观测任务中,目标识别和检测扮...
- 钟剑丹
- 关键词：目标检测卷积神经网络
- 文献传递
- 基于局部二值模式的改进时空上下文跟踪算法被引量：1
- 2018年
- 基于时空上下文(Spatial-Temporal Context,STC)的跟踪算法与大部分传统算法相比,在实时性方面具有明显的优势。通过实验发现,STC算法存在由变形和遮挡引起的跟踪精度下降问题。针对该问题,提出了一种改进方法,该方法在原STC算法的基础上引入局部二值模式(Local Binary Pattern,LBP)和遮挡检测机制,利用LBP特征来代替灰度特征,当跟踪器检测出目标发生遮挡时,停止分类器参数的更新。对于满足线性运动的目标,利用卡尔曼滤波器对其进行位置预测以解决目标发生遮挡后的定位问题。实验证明,所提出的改进算法能有效提升目标跟踪精度,针对遮挡情况下的目标也展现出较高的鲁棒性。
- 崔盼果周进雷涛钟剑丹唐自力
- 关键词：LBP特征遮挡检测
- 基于支持向量约简的快速目标检测被引量：1
- 2017年
- 支持向量机(SVM)由于其出色的泛化能力,已成为目标检测领域应用最为广泛的分类器之一。然而在检测过程中,过多的支持向量会产生很大的时间开销,从而降低目标检测系统的实时性。针对此问题,提出一种约简支持向量的方法,以降低分类器的决策开销,加快检测速度。此方法采用迭代的方式来估计特征空间中向量的原像,通过构建精简原像集来简化支持向量机,从而达到了提升分类速度的效果。利用精简的SVM结合Selective Search+BoW模型构建了一款快速检测器,测试结果表明:该检测器能够在保证检测率的前提下,通过约简支持向量,提高目标检测的实时性。
- 钟剑丹雷涛姚光乐贾文武
- 关键词：目标检测支持向量机泛化能力
- 基于改进SSD的车辆小目标检测方法被引量：9
- 2020年
- 地面车辆目标检测问题中由于目标尺寸较小,目标外观信息较少,且易受背景干扰等的原因,较难精确检测到目标。围绕地面小尺寸目标精准检测的问题,从目标特征提取的角度提出了一种特征融合的子网络。该子网络引入了重要的局部细节信息,有效地提升了小目标检测效果。针对尺度、角度等的变换问题,设计了基于融合层的扩展层预测子网络,在扩展层的多个尺度空间内匹配目标,生成目标预测框对目标定位。在车辆小目标VEDAI(vehicle detection in aerial imagery)数据集上的实验表明,算法保留传统SSD(single-shot multibox detector)检测速度优势的同时,在精度方面有了明显提升,大幅提升了算法的实用性。
- 李小宁雷涛钟剑丹唐自力蒋平
- 关键词：计算机视觉目标检测
- 基于随机映射的特征压缩在快速目标检测中的应用被引量：2
- 2018年
- 目标检测通常利用复杂的、高维度的特征来提高其检测精度,而高维特征往往会产生较高的计算复杂度和存储开销。经典的特征压缩算法常常被用于目标检测系统以实现特征降维,但在其求解过程中会涉及到大量的矩阵分解运算,从而降低了算法的实时性。针对此问题,提出一种基于随机映射的特征压缩算法。该算法仅通过一个稀疏随机矩阵和简单的矩阵乘法运算就实现了特征从高维空间到低维空间的映射。利用经该算法压缩后的特征向量构建了Ada-Boost分类器,实验结果表明,该分类器在保证检测精度的前提下,提高了目标检测的实时性。
- 钟剑丹雷涛雷涛姚光乐唐自力
- 关键词：目标检测
- 基于核相关滤波算法的层级遮挡检测目标跟踪被引量：1
- 2018年
- 基于核相关滤波的快速跟踪算法在与除机器学习之外的大部分传统算法相比,该算法在时效性和跟踪精度方面优势明显。但在目标发生严重遮挡或全部遮挡时,KCF的跟踪精度会明显下降。通过对其分析发现,当目标发生遮挡时,分类器会引入错误信息,从而导致跟踪精度下降甚至跟踪失败。因此在KCF算法的基础上引入遮挡检测机制,当跟踪器判断出目标发生遮挡时,停止分类器参数的更新;同时利用局部二值模式（local binary pattern,LBP）特征进行层级遮挡检测可以有效地区分目标变形和遮挡。对于满足线性运动的目标,利用卡尔曼滤波器对目标进行位置预测以解决目标发生遮挡后的定位问题。实验证明,提出的算法对具有遮挡和变形情况的目标跟踪具有较高的鲁棒性。
- 崔盼果周进雷涛钟剑丹朱自立
- 关键词：LBP特征
