基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
跟踪过程中发生的尺度变化、形变、遮挡是导致模型漂移的重要原因.为了克服模型漂移对鲁棒跟踪的影响,本文提出了一种利用多判别式模型和候选区域的跟踪算法.首先,该算法采用候选区域替代传统的滑动采样,适应跟踪过程中目标的位移和尺度变化.接下来,为了提高目标的表征能力,先用预训练网络提取整幅图片的深度特征,再通过感兴趣区域采样层(ROI pooling layer)快速提取每一个候选区域的深度特征,进一步提高跟踪算法的鲁棒性.最后,运用多模型选择机制进行回撤过去错误的模型更新,并通过调整搜索区域实现对目标的重检测,有效抑制了模型漂移对鲁棒跟踪的影响.实验中,本文算法与相关算法在OTB 2013数据库和UAV 20L数据库上进行了对比.结果表明,本文算法在精确度与成功率上均取得了最优性能,并能有效抑制模型漂移对鲁棒跟踪的影响.
推荐文章
面向少样本网状结构体的候选区域自适应检测方法
少样本
网状结构体
样本标注
候选区域自适应
基于轮廓信息的目标候选区域提取算法
Prewitt算子
候选区域
有效轮廓
Lab颜色空间
基于卷积神经网络的候选区域优化算法
计算机视觉
目标检测
候选区域
卷积神经网络
显著性目标
利用巴氏系数判定模型更新的视觉跟踪算法
视觉跟踪
粒子滤波
巴氏系数
不定时模型更新
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 利用候选区域的多模型跟踪算法
来源期刊 农业机械学报 学科 工学
关键词 目标跟踪 候选区域 重检测
年,卷(期) 2017,(11) 所属期刊栏目 农业装备与机械化工程
研究方向 页码范围 35-42
页数 8页 分类号 TP391.4
字数 6270字 语种 中文
DOI 10.6041/j.issn.1000-1298.2017.11.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 查宇飞 空军工程大学航空航天工程学院 39 601 11.0 23.0
2 毕笃彦 空军工程大学航空航天工程学院 282 3094 27.0 43.0
3 库涛 空军工程大学航空航天工程学院 9 71 4.0 8.0
4 张园强 空军工程大学航空航天工程学院 8 24 3.0 4.0
5 唐书娟 空军工程大学航空航天工程学院 18 51 5.0 6.0
6 吴敏 空军工程大学航空航天工程学院 3 8 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (14)
参考文献  (3)
节点文献
引证文献  (1)
同被引文献  (12)
二级引证文献  (0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(4)
  • 参考文献(2)
  • 二级参考文献(2)
2016(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
目标跟踪
候选区域
重检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
农业机械学报
月刊
1000-1298
11-1964/S
大16开
北京德外北沙滩1号6信箱
2-363
1957
chi
出版文献量(篇)
11867
总下载数(次)
31
总被引数(次)
174483
论文1v1指导