模板更新
模板更新的相关文献在2001年到2022年内共计225篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、航空
等领域,其中期刊论文128篇、会议论文12篇、专利文献97675篇;相关期刊77种,包括吉林大学学报(理学版)、科学技术与工程、哈尔滨工程大学学报等;
相关会议12种,包括第九届全国信息获取与处理学术会议、第八届中国计算机图形学大会、广西计算机学会2008年年会等;模板更新的相关文献由538位作者贡献,包括周意保、R·R·德拉赫沙尼、S·K·萨里帕勒等。
模板更新—发文量
专利文献>
论文:97675篇
占比:99.86%
总计:97815篇
模板更新
-研究学者
- 周意保
- R·R·德拉赫沙尼
- S·K·萨里帕勒
- 维卡斯·格特木库拉
- 张海平
- 刘婧
- 侯志强
- 刘芳
- 安国成
- 张天宇
- 张羽
- 李小鹏
- 李思训
- 柏晓飞
- 王正洋
- 王轩
- 薛模根
- 袁广林
- 马素刚
- 鲁晓锋
- 丁岩
- 乔利英
- 何千山
- 何小海
- 余旺盛
- 余欢
- 侯海啸
- 刘伟宁
- 刘天
- 刘振宇
- 吴安平
- 吴晖
- 吴杰宏
- 吴洋
- 吴衡
- 唐川明
- 埃里克·塞特贝里
- 夏斯军
- 姬文江
- 孔小梅
- 宋麦玲
- 张凤军
- 张建林
- 张心珂
- 张晶
- 张桂林
- 张楠
- 张江
- 张润清
- 张烜
-
-
杨哲;
孙力帆;
付主木;
张金锦;
常家顺
-
-
摘要:
基于全卷积孪生网络的视频目标跟踪算法由于在跟踪过程中使用单一模板,在运动目标外观发生变化时容易出现跟踪漂移并导致精度下降。因此,提出了一种基于孪生网络融合多模板的目标跟踪算法。该算法可在特征级上建立模板库,并使用平均峰值相关能量和模板相似度来保证模板库中各个模板的有效性,从而对多个响应图进行融合以获得更高的跟踪精度。OTB2015和VOT2016数据集上的测试结果表明,在运动目标外观发生变化的复杂环境下,所提算法不但具有较快的跟踪速度,而且相比现有的其他算法能取得更为优异的跟踪性能。
-
-
韩明;
王景芹;
王敬涛;
孟军英
-
-
摘要:
在光照变化、遮挡、背景相似、变形等复杂情况下,目标跟踪过程中难以精确地提取丰富的特征信息,容易导致目标跟踪出现漂移或者跟踪丢失。由于多层神经网络的浅层特征具有高分辨率,适合于目标定位;深层特征具有丰富的语义信息,适合于目标分类。充分利用这一优势,提出了一种级联特征融合的孪生网络目标跟踪算法。对ResNet-50网络进行改进,在减少模型参数和计算量的同时提高跟踪速度;采用级联特征融合策略将ResNet-50最后一阶段的3层特征进行逐级级联融合,进行目标深层语义信息和浅层空间信息的有效提取,实现目标的多特征准确表示。针对目标跟踪过程中大多数算法仅利用第一帧作为目标模板导致跟踪过程中目标模板退化问题,引入模板更新机制,利用相似度阈值法进行模板的实时更新。在OBT2015、VOT2016和VOT2018标准数据集上进行对比实验,实验结果表明,该算法的跟踪精度较高,复杂场景下鲁棒性较强,相对于其他算法有较强的竞争优势。
-
-
王希鹏;
李永;
李智;
梁起明
-
-
摘要:
为提升目标跟踪算法在复杂场景下的鲁棒性,使算法适应长时跟踪场景,提出结合多层特征融合和短时记忆机制的跟踪方法,提升目标跟踪的鲁棒性。融合卷积神经网络多层特征,提升网络的特征提取能力。在跟踪阶段,引入了短时记忆模块,搜索区域特征分别与初始的基准模板特征和短时记忆的动态特征进行匹配,对得到的响应图进行融合,提升目标跟踪的鲁棒性,通过视频局部信息增强算法对跟踪目标的判别性。在OTB2015和GOT-10K目标跟踪标准数据集上进行了实验,在OTB2015上的精确度和成功率分别达到了0.808和0.593。实验结果表明,所提算法的测试效果与几种主流跟踪算法相比有了显著的提升,并且达到了27帧/s的实时跟踪速度,证明了所提方法的有效性。
-
-
程旭;
崔一平;
宋晨;
陈北京;
郑钰辉;
史金钢
-
-
摘要:
目标跟踪技术在智能监控、人机交互、无人驾驶等诸多领域得到了广泛的应用.近年来,学者们提出了许多高效的算法.然而,随着跟踪环境越来越复杂,目标跟踪算法在遮挡、光照变化、背景干扰等复杂环境下仍然面临着巨大的挑战,从而导致目标跟踪失败.针对上述问题,提出了一种基于时空注意力机制的目标跟踪算法.首先,采用孪生网络架构来提高对特征的判别能力;然后,引入改进的通道注意力机制和空间注意力机制,对不同通道和空间位置的特征施加不同的权重,并着重关注空间位置和通道位置上对目标跟踪有利的特征.此外,还提出了一种高效的目标模板在线更新机制,将第一帧图像特征与后续跟踪图像帧中置信度较高的图像特征进行融合,以降低发生目标漂移的风险.最后,在OTB2013和OTB2015数据集上对所提跟踪算法进行了测试.实验结果表明,所提算法的性能相比当前主流的跟踪算法提高了6.3%.
-
-
郭静静;
侯志强;
陈立琳;
蒲磊;
余旺盛;
马素刚
-
-
摘要:
针对视觉跟踪中由于尺度变化、遮挡等复杂场景造成的跟踪失败问题,提出一种尺度长宽比自适应变化的目标尺度估计算法.该算法采用35×35个尺度因子来实现对目标的长宽比估计,为了降低运算量,通过分层尺度估计对二维尺度采样因子进行选择,既确定了目标的最佳尺度,又提高了算法的运行速度;为了进一步提高跟踪算法的鲁棒性,使用相邻两帧之间响应向量的欧式距离作为评判模板是否更新的标准.将尺度估计和模板更新模块引入到目前3种性能出色的相关滤波算法DSST、HCF和OSA中,进行仿真验证.实验结果表明,与原始算法相比,引入模块的新算法在跟踪成功率和精度上均有显著提高,在OTB100数据集上,成功率与3种原始算法相比,分别提高了1.3%、1.4% 和1.4%,精度分别提高了1.2%、1.3% 和1.0%,尤其在尺度变化、目标遮挡等复杂场景下具有明显的优势.
-
-
宋鹏;
杨德东;
李畅;
郭畅
-
-
摘要:
针对孪生网络目标跟踪算法仅使用特征提取网络提取特征,在遮挡、旋转、光照与尺度变化中容易出现跟踪失败的问题,提出整体特征通道识别的自适应孪生网络跟踪算法.将高效的通道注意力模块引入ResNet22孪生网络中,提高特征的判别能力.使用整体特征识别功能计算全局信息,提取更为丰富的语义信息,提高跟踪算法精度.同时,引入自适应模板更新机制,解决遮挡与长期跟踪导致的模板退化问题.为了验证所提方法的有效性,在OTB2015、VOT2016与VOT2018等公开数据集上进行测试,并与其他跟踪算法进行对比.结果表明,所提算法在精确度与成功率上表现较好,在背景杂乱、旋转、光照与尺度变化等情况中表现稳定.
-
-
逯彦;
廖桂生;
黄庆享
-
-
摘要:
跨摄像头下的目标跟踪极富挑战性,其原因是由于不同摄像头所涵盖区域存在差异性以及运动目标行为轨迹具有随机性,从而导致干扰误差的积累,影响匹配准确度,致使跟踪失败.针对此问题,提出一种结合稀疏表示理论的跟踪模型.该模型首先通过不同摄像头间的背景亮度值,对待测目标进行光照补偿处理,以获取稳定的模板矩阵.在模型求解阶段,针对传统贪婪算法原子匹配模式单一、易忽略原子内在联系、重构精度低的问题,利用带宽排除局部优化正交匹配追踪算法中的带排除方法降低原子间相干性的影响;将局部优化技术与新的相干性判别机制结合,以此获得更为紧凑的相关带来更新支撑集,从而提高重构精度.在模板更新阶段,采用一种以相关带为单位,并根据不同的权重系数进行判断的模板替换机制,以加强模板矩阵的抗干扰性.仿真结果表明,所提方法相较于传统算法在室内及室外场景中均能稳定、鲁棒地跟踪到感兴趣的目标.
-
-
徐亮;
张江;
张晶;
杨亚琦
-
-
摘要:
针对核相关滤波目标跟踪算法中对局部上下文区域图像提取的HOG特征图在复杂环境下不能保证目标跟踪的精度问题,提出了一种核相关滤波与孪生网络相结合的目标跟踪算法.首先在首帧输入图像中提取HOG特征图并建立相关滤波器模板,同时提取经过孪生网络的目标区域图像特征图;然后若后续帧输入图像帧数不为5的倍数则提取仿射变换HOG特征图,否则提取经过孪生网络的搜索区域图像特征图;最后根据遮挡处理的结果自适应获取目标位置并更新模型和最终相关滤波器模板.仿真实验结果表明本文算法在保证目标跟踪精度的前提下具有满足实时跟踪要求的跟踪速率.
-
-
张天宇
-
-
摘要:
视觉目标跟踪已成为近年来的研究热点,许多基于孪生网路(Siamese Network)结构的跟踪器已经在多个公开测试集上实现了优越的性能。但是,大多数Siamese跟踪器默认将视频序列的第一帧作为模板帧,并且在后续跟踪过程中不会对模板进行针对性的更新。当视频中目标快速移动,发生变形或部分被遮挡时,跟踪器容易发生跟踪漂移。为了解决这一问题,提出了一种创新性的自适应模板更新网络(Adaptive Template Update Network, ATUNet),该网络将目标在不同时刻的模板包括初始模板、累积模板和预测模板作为帧残模块的输入,以更新在当前帧中所需要的模板。此外,在网络的训练过程中引入了N步迭代训练,以避免烦琐和低效的训练过程。ATUNet可以直接集成到现有的Siamese跟踪器中,通过将其应用于三个Siamese跟踪器(SiamFC、SiamRPN和SiamDW)来证明所提方法的有效性。在VOT2016和VOT2017数据集上进行的大量实验表明,ATUNet有效地预测了当前时刻的目标模板,效果优于现阶段跟踪器普遍使用的线性更新策略。
-
-
张天宇
-
-
摘要:
视觉目标跟踪已成为近年来的研究热点,许多基于孪生网路(Siamese Network)结构的跟踪器已经在多个公开测试集上实现了优越的性能.但是,大多数Siamese跟踪器默认将视频序列的第一帧作为模板帧,并且在后续跟踪过程中不会对模板进行针对性的更新.当视频中目标快速移动,发生变形或部分被遮挡时,跟踪器容易发生跟踪漂移.为了解决这一问题,提出了一种创新性的自适应模板更新网络(Adaptive Template Update Network,ATUNet),该网络将目标在不同时刻的模板包括初始模板、累积模板和预测模板作为帧残模块的输入,以更新在当前帧中所需要的模板.此外,在网络的训练过程中引入了N步迭代训练,以避免烦琐和低效的训练过程.ATUNet可以直接集成到现有的Siamese跟踪器中,通过将其应用于三个Siamese跟踪器(SiamFC、SiamRPN和SiamDW)来证明所提方法的有效性.在VOT2016和VOT2017数据集上进行的大量实验表明,ATUNet有效地预测了当前时刻的目标模板,效果优于现阶段跟踪器普遍使用的线性更新策略.
-
-
-
秦先祥;
陈华
- 《广西计算机学会2008年年会》
| 2008年
-
摘要:
本文提出了一种基于传统的模板匹配的运动目标识别的方法。该方法先对识别区域进行扫描点检测,判断该点是否满足要求在进行模板匹配运算,以缩小运算区域,减少模板匹配运算量,提高目标识别速度及实时性。针对某些干扰物体中某部分区域与目标模板相同,用传统的模板匹配方法不能区分其与目标的区别地问题,提出了一种模板更新的方法。计算机仿真实验表明,该文提出的方法大大减少了模板匹配的运算量。有效地排除了干扰物体对目标识别的干扰。
-
-
朱吉庆;
袁晓辉;
李亮;
李春娟
- 《第17届中国过程控制会议》
| 2006年
-
摘要:
目标搜索算法是目标跟踪技术的关键,其优劣将直接影响目标跟踪系统的性能,同时,目标被短暂遮挡等不可预知因素也将影响系统对目标的跟踪效果.这项研究主要是寻找一种具有较高运算速度的目标搜索算法,同时该算法也要能处理目标被遮挡等情况.实验采用了小波变换、Kalman滤波、分层匹配和新的模板更新算法.仿真结果表明,新提出的这个算法具有较快的搜索速度,并且也能处理目标被短暂遮挡的情况.该算法应用将会大大提高电视末制导系统的性能.
-
-
-
-
-
-
-
黄杰华;
李德强
- 《2007年光电探测与制导技术的发展与应用研讨会》
| 2007年
-
摘要:
目标跟踪是计算机视觉中的一个重要课题。文中提出一种方法,用于解决跟踪过程中由于目标的运动、变形和外貌变化所引起的跟踪困难问题。该方法基于灰度差平方和,通过优化迭代,求解出当前图像中目标的位置,且考虑利用了目标的先验知识,用初始模板和更新模板同时跟踪,再通过选择误差小的结果作为最终的跟踪目标。仿真实验的结果表明,该方法对于目标的运动、变形和外貌变化以及遮挡,能更稳定地实现跟踪。
-
-
黄杰华;
李德强
- 《2007年光电探测与制导技术的发展与应用研讨会》
| 2007年
-
摘要:
目标跟踪是计算机视觉中的一个重要课题。文中提出一种方法,用于解决跟踪过程中由于目标的运动、变形和外貌变化所引起的跟踪困难问题。该方法基于灰度差平方和,通过优化迭代,求解出当前图像中目标的位置,且考虑利用了目标的先验知识,用初始模板和更新模板同时跟踪,再通过选择误差小的结果作为最终的跟踪目标。仿真实验的结果表明,该方法对于目标的运动、变形和外貌变化以及遮挡,能更稳定地实现跟踪。