基于孪生神经网络的目标跟踪算法研究

来源 :华中科技大学 | 被引量 : 0次 | 上传用户:rifcumtd111
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目标跟踪作为计算机视觉技术的研究热点之一,在智能监控、人机交互等领域发挥着重要的作用。由于目标跟踪应用领域广泛、应用场景复杂,在目标跟踪中常常有跟踪失败的情况发生。不同领域的研究学者提出了许多不同的目标跟踪算法,其中基于孪生神经网络的SiamFC(Siamese Fully-Convolutional)目标跟踪算法由于较高的跟踪速度,自问世以来便得到了广泛关注。然而该算法跟踪精度偏低,为提升SiamFC跟踪算法对目标进行判别和定位的能力,本文从不同方面对该算法进行了改进。针对SiamFC特征判别能力不足,对一些背景干扰无法准确区分的缺点,本文在基础网络结构部分对该算法进行了改进。本文提出了一种无填充的内部裁剪残差单元,通过对神经网络结构的总体步长、最大感受野和输出特征尺寸三个方面的分析,搭建出多个不同的内部裁剪残差网络结构,并将这些网络结构用于目标跟踪,设计出了SiamICD(Siamese Inside Cropped Darknet)目标跟踪算法。本文使用该算法在OTB(Object Tracking Benchmark)测试数据集上进行了对比实验,并且证明了本文提出算法特征判别能力的提升。为进一步提升SiamICD算法的跟踪精度和成功率,本文在相似度决策和模型更新方式两个部分对算法进行了改进,提出了SiamICD-AFU目标跟踪算法。在相似度决策部分,本文提出通道分离交叉相关,并引入特征空间注意力机制和特征通道注意力机制,使对目标跟踪有利的特征空间位置和特征通道得到更多的关注。此外,还将使用低层特征获取的置信图和使用高层特征获取的置信图进行了加权融合,得到了更精确的位置信息。在模型更新方式部分,本文引入根据置信图震荡程度为判别依据的线性模型更新方式。本文提出的SiamICD-AFU目标跟踪算法在OTB-2015数据集中得到了0.882的跟踪精度和0.656的成功率,相比于原始SiamFC算法的0.771的跟踪精度和0.582的成功率,本文提出的目标跟踪改进算法可以有效提升原有算法的性能。
其他文献
秦沈客运专线大量采用32m预应力混凝土箱梁,其端部的锚下应力分布复杂。利用有限元软件建立箱梁的三维实体模型,并详细分析计算结果,得出以下结论:端块长度约为1个梁高,与预应力传
问:韩工,请问是否砖坯粉料越细强度越高?影响坯体强度的因素有哪些?答:你好,你问的问题很笼统,传统的建筑陶瓷坯体成型一般为喷雾粉料半干压成型,喷雾粉料半干压具有三个特点:一是
近年来,随着中国“一带一路”的强劲发展,人们对翻译的需求与日俱增。翻译可以作为译者分别对源语和目标语的认知整合过程。因此,该实践报告从认知语言学角度探讨状语从句翻
根据京包铁路张家口—集宁段现有运输能力 ,分析研究本段扩能提速方案 ,提出张家口—集宁新建第二双线方案。该方案具有通道内客货运营长度短 ,缩短旅行时间及货物在途时间 ,
论文选择了国家汉办、孔子学院总部出版的初级汉语教材《快乐汉语》,以及韩国出版社(?)books(东洋书籍)出版发行的教材《(?)》(《儿童汉语嘣嘣嘣》),这两种适用于韩国初级汉语学习者且具有广泛应用的对外汉语教材,并根据在韩国全罗南道务安郡梦滩小学、梦滩幼儿园、务安郡语言中心教学实践的经验,对以上两种教材进行词汇方面的对比分析,提出了具有针对性的建议,希望能对韩国对外汉语教师的教学和韩国初级汉语学
由于全球范围工业化的迅猛发展,对能源的需求越来越大,不可再生能源的储量越来越少,所带来的能源和环境问题日益严峻。而太阳能作为新能源中的清洁能源,因具有独特的优势成为