目标追踪

摘要： 针对目前全局视觉定位算法无法对外形变化较大的自动导引运输车(Automated Guided Vehicle,AGV)进行定位的问题,提出了一种基于移动目标检测和目标追踪的定位方式。选用基于高斯混合模型的背景建模法进行移动AGV检测,当初始选择框太大时采用显著性目标检测方式进一步提高精度,将移动目标检测与目标追踪相结合完成了AGV的定位。实验结果表明,本文设计的定位算法满足实际定位需求,可应用于车间物流AGV。

摘要： 面对反恐、防暴形势,军警部门缺少能够营造真实案例环境的训练装备,射击训练的智能化水平较低。文中设计了基于5G技术的智能移动靶机器人,该型机器人融合了5G通信、自动化和软件工程等技术,具有远程人机交互、环境感知、目标追踪、数据统计分析等功能。试验表明,该型机器人机械结构简易适用,运动灵活且速度快,在5G广域网和本地局域网环境下均能稳定运行且可靠性高,满足户外移动射击训练要求;对移动目标追踪成功率可达92%以上,能够模拟追击、砍杀等实战环境和作战压力,提升民警心理适应能力和临战处置能力,具有较高的实用价值。

摘要： 目的:利用卷积网络的不同层提取分层特征,结合区域稀疏性解决特征所引起的边界效应,提高基于相关滤波的追踪算法的成功率和精确度。方法:在分层卷积特征追踪算法的基础上,利用稀疏性和峰值旁瓣比,提出新的基于时间区域稀疏滤波的分层特征融合追踪算法。首先,该算法提出时间区域稀疏相关滤波算法,利用深度卷积网络提取的不同层次特征学习不同的相关滤波;其次,利用所学的相关滤波确定下一帧图像的目标响应图;最后,利用峰值旁瓣比确定不同响应图的权值,得到融合的响应图,从而确定目标的位置。结果:经过采用精度图和成功率图作为评价标准,在标准数据集上与9种跟踪算法进行对比实验。实验结果表明,本文所提的追踪算法在OTB100上的成功率为0.685、精度为0.834,比现有的一些流行算法具有更好的追踪性能。结论:本算法利用区域稀疏性忽略干扰特征,利用时间正则项学习前后帧相关滤波的关系,并用新的响应图融合方法提高追踪算法的性能。

摘要： 基于无人机的目标识别和追踪近年来备受关注,其在军事和民用等领域应用前景广泛。为此,本文以开源四轴飞控系统作为原型,利用陀螺仪、加速度计互补滤波方式进行姿态运算,由OpenMV摄像头作为视觉模块,计算出目标与无人机之间的位置偏差值,通过串口通信返回反馈值到飞控端,飞控端通过串级PID算法输出值控制四个电机,最终实现无人机的对地面目标的识别和追踪,飞行测试结果表明,该系统通过上位机完成起飞、定高悬停状态,并稳定地对指定目标进行识别和追踪。

摘要： 基于相关滤波设计鲁棒的追踪算法是目标追踪领域的一个重要研究方向.背景、空间信息和时间信息对提高算法的追踪性能具有重要意义.在背景感知追踪算法的基础上,融合空间信息和时间信息,考虑空间权值矩阵的自适应性,文中提出基于加速自适应时空背景感知相关滤波的目标追踪算法.运用加速的交替方向乘子法求解空间权值矩阵和滤波器,实现目标自适应追踪.利用背景信息、空间信息及空间权值的自适应性,增强追踪器对背景和目标的鉴别能力.运用时间正则项,缓解追踪器在目标遮挡下的追踪漂移问题.应用加速的交替方向乘子法,提高求解速度.实验表明,文中算法在目标遮挡、背景干扰等情况下的追踪性能较优.

摘要： 针对无人机自主避障与目标追踪问题,以深度Q网络(DQN)算法为基础,提出一种多经验池深度Q网络(MP-DQN)算法,使无人机避障与追踪的成功率和算法的收敛性得到优化。更进一步,赋予无人机环境感知能力,并在奖励函数中设计了方向奖惩函数,提升了无人机对环境的泛化能力以及算法的整体性能。仿真结果表明,相较于DQN和双重DQN(DDQN)算法,MP-DQN算法具有更快的收敛速度、更短的追踪路径和更强的环境适应性。

摘要： 为了抑制病菌的传播,保护人体健康,研发了这款基于OpenMV的垃圾袋自动封口及换袋装置,使用Micro Python语言对各种颜色的垃圾与追踪算法进行研发,捕捉到周围垃圾的颜色以及距离。系统设计基于人机工程学原理,结合人机关系,设计了能实现套袋、自动打包、推袋等主要过程自动化的垃圾桶。经过多次调试和验证,它的工作性能稳定,功能实现效果较为良好。

摘要： 针对高速列车受电弓在经过支架桥洞的复杂环境下检测效率低的问题,文中提出一种复杂环境下弓网接触位置动态监测方法。为了得到原始训练数据集,对受电弓视频采用帧间差抓取。利用深度学习网络PSPNet对图片语义分割出接触线和受电弓,并以此构成具有更明显的弓网接触点的特征数据集。为了得到相对坐标,运用改进的YOLOv4进行训练和检测。结果表明,该方法能有效地在每一帧图像中精确标记出受电弓与接触网的接触点位置,并能够在列车通过支柱架以及桥梁的情况下对受电弓的运动状态进行捕捉并输出相对坐标位置,从而达到对受电弓的监测目的,其精度可达96.8%。

摘要： 针对传统深度强化学习在求解无人机自主避障与目标追踪任务时所存在的训练效率低、环境适应性差的问题,在深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法中融入与模型无关的元学习(Model-Agnostic Meta-Learning,MAML),设计一种内外部元参数更新规则,提出了元深度确定性策略梯度(Meta-Deep Deterministic Policy Gradient,Meta-DDPG)算法,以提升模型的收敛速度和泛化能力.此外,在模型预训练部分构造基本元任务集以提升实际工程中的预训练效率.最后,在多种测试环境下对所提算法进行了仿真验证,结果表明基本元任务集的引入可使模型预训练效果更优,Meta-DDPG算法相比DDPG算法在收敛特性和环境适应性方面更有优势,并且元学习方法和基本元任务集对确定性策略强化学习具有通用性.

摘要： 随着人工智能技术的发展,面向电力系统的运动目标追踪技术逐渐得到关注,现有方法虽有一定成效,但是大多基于固定摄像头的监控视频录制,不能灵活追踪运动目标,当运动目标离开摄像头视野时,存在运动目标丢失问题。为此,利用无人机设备,并基于深度学习和核相关滤波技术,提出了一个电力场景下基于无人机视觉的运动目标追踪方法(MTTS_UAV)。所提方法采用改进的目标追踪方法与目标检测方法相结合的方式来追踪运动目标隐患,并引入2种无人机飞行控制模块:启发式和数据驱动式,使得无人机的飞行速度和方向可以根据目标移动情况自适应地调节。在真实变电站的安全帽人员数据集上进行了大量实验,对所提方法的追踪效果进行评估,结果表明:所提方法在真实数据集上的平均像素误差(APE)和平均重叠率(AOR)分别可达到2.37和0.67,验证了方法的有效性。

摘要： 随着科学技术的不断发展,人工智能领域成为当今的研究热点,尤其是深度学习备受各界瞩目.围绕目标追踪的深度学习方法,探索当今较为成熟的基本模型,具体包括卷积神经网络、循环神经网络、生成对抗网络和深度强化网络.针对每一个基本模型,文中均结合通俗易懂的经典例子来阐述其基本结构和操作流程.然后基于上述4个基本模型展开更为系统的分析和讨论,揭示各种方法的优势和不足.最后,立足于当今的科技发展形势,对深度学习的发展进行了简要的总结,并进一步强调了深度学习所面临的机遇与挑战.

摘要： 目标追踪是计算机视觉领域一个非常重要的研究课题.模板漂移使得实现快速可靠的目标追踪依然是一个非常艰巨的任务.近年来提出的多示例学习算法在一定程度上能够克服模板漂移问题.然而,在线学习需要获取足够多的有用数据才能达到稳定的追踪效果,但是这却增加了算法的复杂度.为了解决这一问题,本文在压缩感知理论的基础上,运用随机观测的方法对多尺度图像特征进行降维,提取的这些低维特征中包含大量的有用信息.因此,提出的算法是先利用压缩感知理论提取目标特征之后,再使用在线多示例学习算法分类器对这些特征进行分类从而实现目标的稳定跟踪.通过对不同的图像序列进行实验,结果表明基于压缩感知的在线多示例学习算法对实时的目标追踪有很好的适应性.

摘要： 本文在现有的配电网无功优化方法的基础上,从优先保障目标配电系统的运行电压质量出发,提出了一种基于电压控制目标追踪的配电网无功优化方法,该方法既考虑了电压质量,又兼顾了网络有功损耗.仿真结果证明了该方法的可行性.

摘要： 交通目标的检测与追踪是智能驾驶研究领域的关键问题.随着深度学习在目标检测和识别等领域中的发展,将深度学习模型引入交通目标的检测和追踪中,并在一系列数据评测集上取得了巨大突破.首先阐述了智能驾驶过程中目标追踪问题的难点和基本解决思路;然后分析利用深度学习算法解决问题的不同思路,介绍了这些算法各自的优缺点及未来的工作方向.

摘要： 无人驾驶汽车需要在复杂的现实环境下(例如拥挤的路口)实现自主控制.复杂的现实环境中的动态移动目标追踪对于无人驾驶汽车以及其他车辆、行人的安全以及无人驾驶车辆的智能决策至关重要,使得目标追踪技术成为了无人驾驶车辆研究的关键问题之一.无人驾驶汽车目标追踪方法大致可以划分为两类:基于模型检测的目标追踪方法和无模型的目标追踪方法.首先根据类别分别对目标追踪方法进行介绍,然后介绍基于机器学习的目标追踪新方法,最后展望无人驾驶目标追踪技术的未来研究方向.

摘要： 针对海洋工程物理模型试验中运动测量的系统复杂度高、实施难度大、可靠性差、测量精度不高等问题,本文对粒子图像测速(PIV)方法进行了目标追踪方面的技术推演,并在此基础上提出了一种基于图像技术的运动追踪测量方法.该方法充分利用了PIV在流场运动分析上的追踪能力强、定位精度高的特点,采用互相关匹配进行前后帧图像间的准确对应.与此同时,采用了梯度检索方法来提高追踪的效率.由于所提方法不需要对被测物加载任何接触式传感器,具有非接触测量的优点,不仅降低了系统的复杂度,还提高了测试结果的可信度.最后以水位线追踪测量与管线的震动测量为代表性实验,对本文所提方法进行了验证.实验结果表明,本文所提的运动追踪测量方法可以很好地解决海工试验中柔性目标物的运动追踪测量问题,不仅具有较高的运动探测灵敏度,还具有较好的稳定性.

摘要： 移动目标的跟踪过程需要多个节点协作完成,采用协同处理方法动态地在节点问分派资源与任务是降低能耗的有效解决办法。本文提出了基于重叠分簇的面向目标追踪的协同信号处理算法,该算法中的簇首的选择方法是在LEACH协议所提出方法上进行了改进,引入能量因子(考虑节点的剩余能量)以确保簇头能正常工作;而目标轨迹的估计是根据节点对于簇首的隶属度值来确定。

摘要： 随着无线局域网应用的普及,非授权接入现象日益严重,造成了信道侵占、信号干扰、"无线钓鱼"等问题.论文提出了信道传播优化模型,在此基础上进一步提出了一种基于RSSI的无线接入点定位和基于权值优化的轨迹追踪方法RAP_LT.实验结果表明,RAP_LT方法精度高,达到了定位和追踪的实用需求.

摘要： 随着无线局域网应用的普及,非授权接入现象日益严重,造成了信道侵占、信号干扰、"无线钓鱼"等问题.论文提出了信道传播优化模型,在此基础上进一步提出了一种基于RSSI的无线接入点定位和基于权值优化的轨迹追踪方法RAP_LT.实验结果表明,RAP_LT方法精度高,达到了定位和追踪的实用需求.

摘要： 随着无线局域网应用的普及,非授权接入现象日益严重,造成了信道侵占、信号干扰、"无线钓鱼"等问题.论文提出了信道传播优化模型,在此基础上进一步提出了一种基于RSSI的无线接入点定位和基于权值优化的轨迹追踪方法RAP_LT.实验结果表明,RAP_LT方法精度高,达到了定位和追踪的实用需求.

摘要： 本申请提供实时目标物体追踪定位方法以及装置，其应用于摄像装置，摄像装置包括自由舵机云平台和固定在自由舵机云平台的摄像头及激光雷达，方法包括：通过摄像头实时获取目标物体的图像画面；获取并计算目标物体的中心位置相对于摄像头中心的像素位置的偏移量；根据偏移量调整自由舵机云平台的旋转角度使得目标物体的中心位置相对于摄像头中心的像素位置重合，以对目标物体进行实时的定位追踪；判断偏移量是否超过预设值，如果偏移量不超过预设值，则继续根据偏移量调整自由舵机云平台的旋转角度。本申请能够对目标物体快速准确的定位，并且应用范围更广。

摘要： 本发明提供一种目标追踪方法和目标追踪系统。该目标追踪方法包括：接收目标管理服务器发送的目标追踪请求和目标的特征信息；根据目标的特征信息确定目标的搜索范围，并在搜索范围内建立搜索终端组；搜索终端组中包括多个搜索终端；接收搜索终端组中各个搜索终端上报的目标信息，判断搜索终端组是否发现目标；根据多个搜索终端组上报的目标信息，确定目标的轨迹。该目标追踪方法能够准确地确定目标的轨迹，同时还能避免了大量道路监控设备的布设，节约了追踪成本，并提高了追踪的灵活性和准确率。

摘要： 本发明公开了一种目标追踪方法，用以在连续的多个帧画面中追踪一目标物件，包括下列步骤：读取多个帧画面其中之一。根据第一初始追踪框来执行迭代演算法，以于所读取的帧画面中，撷取对应目标物件的第一结果追踪框。根据第一结果追踪框外的第一参考区域，来判断目标物件是否被遮蔽。当判定目标物件为未被遮蔽时，则将第一结果追踪框设定为下一帧画面的第一初始追踪框。当判定目标物件为被遮蔽时，则根据第一结果追踪框的周围区域来设定下一帧画面的第一初始追踪框。本发明还公开了一种目标追踪装置。

摘要： 本发明提供一种目标追踪方法及目标追踪装置。所述方法包括：获取影像帧的人脸区域，据以确定人体区域；从人体区域提取人体特征，判断多个历史目标轨迹是否匹配人体特征；当多个历史目标轨迹有一者匹配人体特征时，将人体特征的年龄更新为预设值；当多个历史目标轨迹无一者匹配于人体特征时，对应于人体特征新增一目标轨迹至该多个历史目标轨迹。由此，可获得更好的追踪效果。

摘要： 本公开提供了一种目标追踪方法，包括：获取目标图像和待追踪图像，目标图像包括目标对象；分别对目标图像和待追踪图像进行划分，得到多个第一图像块和多个第二图像块；从多个第一图像块和多个第二图像块中提取第一特征图和第二特征图；以及根据第一特征图和第二特征图，通过预测函数从待追踪图像中确定目标对象的位置。本公开还提供了一种目标追踪装置。

摘要： 本发明提供一种无锚视觉目标追踪网络的训练方法以及基于此网络的目标追踪方法，该方法中的无锚视觉目标追踪网络基于无锚设计，框架结构简单，通过特征融合网络提高目标在多层特征中的联合响应增强网络鉴别跟踪目标和相似目标的能力，分类任务中基于欧氏距离的中心置信度分支来抑制低质量预测框，网络将特征图中的每一点映射回原图感受野区域作为预选框，通过回归预测计算该点与目标框四边距离，从而对宽高进行预测，从而实现更简洁的网络架构和更高的实时追踪性能。

摘要： 本公开提供了一种目标追踪处理器、目标追踪方法及装置，其中，该目标追踪处理器包括：获取模块，用于获取与目标追踪指令对应的多帧目标图像，并将所述多帧目标图像传输至构建模块；构建模块，用于构建包含所述多帧目标图像对应的多个层级图像的图像金字塔；追踪模块，用于基于第N层追踪模块在第N层层级图像上进行光流追踪，并在完成光流追踪之后，将追踪结果输入至第N‑1层追踪模块，以使所述第N‑1层追踪模块基于所述追踪结果在第N‑1层层级图像上进行光流追踪。

摘要： 本申请适用于检测技术领域，提供了一种目标追踪方法、目标追踪装置及终端设备，包括：获取相邻的两个追踪时刻各自对应的视觉图像中的目标视觉位置信息，并计算所述目标视觉位置信息之间的视觉关联矩阵；获取所述相邻的两个追踪时刻各自对应的雷达点云图像中的目标点云位置信息，并计算所述目标点云位置信息之间的点云关联矩阵；根据所述视觉关联矩阵和所述点云关联矩阵计算所述相邻的两个追踪时刻之间的目标关联矩阵；根据所述目标关联矩阵对所述相邻的两个追踪时刻进行目标关联处理，并根据所述目标关联处理的结果确定所述两个相邻的追踪时刻之间的目标轨迹。通过上述方法，能够有效避免目标追踪得到的目标轨迹发生断裂的情况。

摘要： 本申请实施例公开了一种目标追踪方法、装置、目标追踪设备及存储介质，该方法包括获取原始图像信息，所述原始图像信息包含至少两幅原始图像；当识别到第一原始图像存在目标对象时，在所述第一原始图像中截取所述目标对象关联的待确定人脸图像；查询所述原始图像信息中的第二原始图像，如果识别到存在所述目标对象，则识别所述第二原始图像中是否存在所述待确定人脸图像，如果存在，则输出所述待确定人脸图像，本方案合理运用了原始采集的图像信息，完善了目标追踪方案，提高了追踪信息的获取效率。

摘要： 本申请实施例公开了一种目标追踪方法、装置、目标追踪设备及存储介质，该方法包括当识别到原始图像信息存在目标对象时，确定所述目标对象出现的历史时间和历史地点，其中，所述原始图像信息包括原始图像数据以及对应的采集时间和采集地点；根据所述历史地点确定多个目标采集地点；获取所述多个目标采集地点处采集的图像数据，依据所述历史时间对所述图像数据进行目标对象识别，并输出识别结果，本方案实现了对目标对象的高效追踪。