期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
面向船闸船舶的在线多目标跟踪技术研究
1
作者 仇耀宗 李琳 +1 位作者 郭皓捷 于清泽 《装备环境工程》 CAS 2024年第3期73-79,共7页
目的 满足船闸船舶在线跟踪要求,改善由于复杂背景、遮挡等因素导致轨迹不连续和身份变更的问题,提出一种增强上下文联系和上下文注意力的多目标跟踪方法。方法 基于设计的在线系统,采集连续帧图像,改进FairMOT多目标跟踪模型。首先,通... 目的 满足船闸船舶在线跟踪要求,改善由于复杂背景、遮挡等因素导致轨迹不连续和身份变更的问题,提出一种增强上下文联系和上下文注意力的多目标跟踪方法。方法 基于设计的在线系统,采集连续帧图像,改进FairMOT多目标跟踪模型。首先,通过在骨干网络设计基于Bottleneck和Contextual Transformer的上下文建模模块,以加强上下文联系,增强场景理解的能力。其次,在迭代聚合后的特征图上应用全局上下文注意力,提高定位船舶目标的能力。结果 相对于原生的Fair MOT方法,设计上下文建模模块后,多目标跟踪准确度指标MOTA提高2.1%,继续添加全局上下文注意力MOTA,共计提高3.5%,同时在多项指标中取得了最佳表现。结论 改进的Fair MOT方法不仅拥有更强的轨迹保持能力,而且在身份维持方面更胜一筹。 展开更多
关键词 在线多目标跟踪 船闸船舶 改进FairMOT 上下文联系 Contextual Transformer 上下文注意力
在线阅读 下载PDF
基于参数学习和运动预测的在线多目标跟踪算法 被引量：1
2
作者 李鹏飞 雷宏 《计算机与现代化》 2017年第10期81-86,共6页
针对在线多目标跟踪中的短时遮挡和检测器误差造成的误检和漏检问题,提出一种结合参数学习和运动预测的在线多目标跟踪算法。采用逐帧关联的方式,首先利用目标的历史轨迹建立卡尔曼滤波器模型预测目标当前帧的可能位置,然后计算目标和... 针对在线多目标跟踪中的短时遮挡和检测器误差造成的误检和漏检问题,提出一种结合参数学习和运动预测的在线多目标跟踪算法。采用逐帧关联的方式,首先利用目标的历史轨迹建立卡尔曼滤波器模型预测目标当前帧的可能位置,然后计算目标和当前观测之间的关联度建立代价矩阵。对于多目标跟踪被建模为指派问题,采用Hungarain算法求解,此外制定策略处理目标出现、消失和遮挡等异常情况。而对于多目标跟踪系统中的参数,设计一种新的二分类参数学习方案。实验结果验证了参数学习的有效性以及对误检、漏检和遮挡的鲁棒性,并且与若干经典算法的性能比较中,在多个指标上表现出一定优势。 展开更多
关键词 在线多目标跟踪 卡尔曼滤波 指派问题 参数学习 运动预测
在线阅读 下载PDF
深度在线多目标跟踪算法综述 被引量：6
3
作者 刘文强 裘杭萍 +5 位作者 李航 杨利 李阳 苗壮 李一 赵昕昕 《计算机科学与探索》 CSCD 北大核心 2022年第12期2718-2733,共16页
视频多目标跟踪是计算机视觉领域的一个关键任务,在工业、商业及军事领域有着广泛的应用前景。目前,深度学习的快速发展为解决多目标跟踪问题提供了多种方案。然而,目标外观发生突变、目标区域被严重遮挡以及目标的消失和出现等挑战性... 视频多目标跟踪是计算机视觉领域的一个关键任务,在工业、商业及军事领域有着广泛的应用前景。目前,深度学习的快速发展为解决多目标跟踪问题提供了多种方案。然而,目标外观发生突变、目标区域被严重遮挡以及目标的消失和出现等挑战性的问题还未完全解决。重点关注基于深度学习的在线多目标跟踪算法,总结了该领域的最新进展,按照目标特征预测、表观特征提取和数据关联三个重要模块,依据基于检测跟踪(DBT)和联合检测跟踪(JDT)两个经典框架将深度在线多目标跟踪算法分为了六个小类,讨论不同类别算法的原理和优缺点。其中,DBT算法的多阶段设计结构清晰,容易优化,但多阶段的训练可能导致次优解;JDT算法融合检测和跟踪的子模块达到了更快的推理速度,但存在各模块协同训练的问题。目前,多目标跟踪开始关注目标的长期特征提取、遮挡目标处理、关联策略改进以及端到端框架的设计。最后,结合已有算法,总结了深度在线多目标跟踪亟待解决的问题并展望未来可能的研究方向。 展开更多
关键词 在线多目标跟踪 深度学习 特征提取 数据关联
在线阅读 下载PDF
基于注意力和多级线索关联的多目标跟踪网络
4
作者 黄晨 童维勤 +3 位作者 刘雨 陈一民 邹一波 顾贇鸣 《计算机应用与软件》 北大核心 2024年第12期161-166,181,共7页
针对多目标跟踪(Multi-Object Tracking,MOT)任务中因目标间的相互遮挡导致目标跟踪失败和轨迹关联错误等问题,提出一种新的基于注意力机制和多级线索关联策略的多目标跟踪网络。生成目标可见性图并将其转化为空间注意力图来解决多个目... 针对多目标跟踪(Multi-Object Tracking,MOT)任务中因目标间的相互遮挡导致目标跟踪失败和轨迹关联错误等问题,提出一种新的基于注意力机制和多级线索关联策略的多目标跟踪网络。生成目标可见性图并将其转化为空间注意力图来解决多个目标之间的遮挡问题;在特定目标对象分支网络中,使用通道注意力提高特征鲁棒性;提出结合目标对象的外观、运动以及交互三种线索的多级线索关联策略来匹配当前目标的正确轨迹。在基准数据集MOT16和MOT17上的实验结果表明,与现有方法相比,所提出的方法在多个评价指标上能获得更好的结果。 展开更多
关键词 在线多目标跟踪 注意力机制 多级线索关联
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部