目标遮挡

摘要： 在目标跟踪的应用中,背景相似的情况下的相关滤波器算法具有较好的鲁棒性,但是容易受到遮挡等因素干扰,导致跟踪失败。为了有效跟踪目标,本文提出了一种抗遮挡的背景感知相关滤波器,该滤波器采用多特征融合、尺度跟踪和引入置信度机制来提高跟踪效果的鲁棒性。在OTB100数据集上测试表明,本文算法在尺度位置变化、相似背景、低分辨率、遮挡等情况下都表现出了较高的准确性,尤其在抗遮挡性中表现出了良好的鲁棒性。

摘要： 针对传统核相关滤波(KCF)在跟踪彩色视频序列不能有效利用颜色特征,并且处理目标遮挡和形变能力低等问题,提出一种响应置信度的多特征融合核相关滤波跟踪算法;该算法首先提取目标图像的方向直方图特征和颜色直方图特征,通过计算高响应值点在响应图上层的占比,来判断目标的跟踪情况,进而调整学习率的大小;然后用两种特征的平均峰相关能量(APCE)和最大响应峰值的乘积来加权融合目标位置;实验对比表明,提出的跟踪算法在精度和成功率上相对于KCF算法分别提升了12.8%和22.6%,在目标发生遮挡、快速移动、旋转等复杂情况下仍然具有较强的鲁棒性。

摘要： 目标角轨迹关联旨在将隶属于同一目标的不同传感器测量的角轨迹正确匹配在一起,角轨迹关联问题是天基光学监视系统的核心难点问题之一,其性能直接决定了天基光学监视系统的目标跟踪性能。在密集多目标场景下,受光学传感器像元分辨率、光学系统点扩散效应、目标相互遮挡等影响,容易发生目标重叠而不可分辨的现象。现行多目标角轨迹关联方法是基于一个目标产生一条角轨迹的假设前提,在重叠多目标情况下关联性能大大降低。针对此类问题,本文提出了基于可行性矩阵遍历的目标角轨迹关联算法。该算法以倾角差为统计量,遍历各种可能的关联分配,并计算每一个可能的关联分配概率,最后基于贝叶斯准则计算得到最终的关联结果。仿真实验表明,该算法能有效处理目标相互遮挡、目标未分辨等导致的多个目标共用一条角轨迹的情况,具有更好的复杂多目标场景适应性。

摘要： 本文针对单一特征目标相关滤波算法因光照变化、目标遮挡、低分辨率和运动模糊等导致目标跟踪的稳定性较差的问题,提出了一种将多种特征进行自适应融合的跟踪算法.本文算法在FDSST算法的基础上,自适应融合梯度直方图特征HOG(Histogram of Oriented Gradient)、颜色名特征CN(Color Name)和灰度特征来增强特征的表达能力;提出遮挡判断策略,能够有效的判断跟踪过程中的目标遮挡现象;引入目标重定位机制,在发生目标遮挡或干扰时,能够重新定位目标位置,有效的抑制跟踪漂移现象的产生.最后,本文选取OTB50和0TB100作为实验数据集,将本文算法和选取的六种主流算法进行性能比较.实验结果表明,本文算法在光照变化、运动模糊和目标遮挡等情况下的表现具有较高的稳定性和准确性;在成功率和跟踪精确度上都优于其他六种算法.

摘要： 针对大多数目标跟踪算法在长时跟踪过程中目标遮挡、形变等干扰属性导致不能有效跟踪的问题,提出一种基于相关滤波-粒子滤波协作的长时目标跟踪算法(CFPE).首先相关滤波器中目标特征表达采用融合CN特征和HOG特征,增强在复杂情况下的目标描述能力; 然后通过平均峰值相关能量(APCE)指标和最大响应值对当前目标位置做出判断并决定滤波器模板是否更新,当判断跟踪失败时,通过粒子滤波重新检测目标位置;最后在OTB100和UAV123视频集中和近年来优秀的跟踪算法中进行试验分析,试验结果表明:CFPE具有稳定长时跟踪和实时性的优势,并且在背景变化、形变和遮挡方面优于大部分算法.

摘要： 针对旋翼飞行器在跟踪过程中目标尺度变化、快速运动、视角变化等问题,本文提出了一种基于Mobi-leNetV2的孪生网络目标跟踪算法,可在无人机机载处理器上实时运行.该算法主要包含目标得分估计模块与目标尺度估计模块两个部分.结合多特征融合的策略,可准确预测出目标位置与目标框IoU,同时以目标框IoU为指导,利用梯度上升法对目标框进行迭代修正,进一步提升预测精度.针对完全遮挡而导致的目标跟丢问题,本文设计了一个基于视觉显著性的目标再检测算法,该算法可实时高效地预测出图像的显著性区域,以指导对目标的再检测,进而恢复跟踪.最后,通过标准无人机跟踪数据集测试与实际无人机跟踪实验,验证了算法的可行性.

摘要： 为了解决目前多目标跟踪算法在行人遮挡后无法再次准确跟踪的问题,提出了一种融入注意力机制和改进卡尔曼滤波的多目标跟踪算法,选用联合检测和重识别框架提取特征,同时完成目标检测和重识别任务.设计了并行支路注意力机制,包括空间注意力和通道注意力两个部分,每个部分都采用并行支路的方式完成池化和卷积操作.在跟踪阶段,本文提出了速度先验卡尔曼滤波,实现对行人运动状态更精确的预测.采用CUHK-SYSU数据集对算法进行训练,并在MOT16数据集上做算法的验证和测试.本算法的多目标跟踪准确度(MOTA)达到了65.1％,多目标跟踪精确度(MOTP)达到了78.8％,识别F1值(IDF1)达到62.3％.实验表明,提出的跟踪算法可以有效地提高跟踪的整体性能,实现对目标的持续跟踪.

摘要： 针对实例分割算法在进行轮廓收敛时,普遍存在目标遮挡增加轮廓处理的时间以及降低检测框的准确性的问题。本文提出一种实时实例分割的算法,在处理轮廓中增加段落匹配、目标聚合损失函数和边界系数模块。首先对初始轮廓进行分段处理,在每一个段落内进行分配局部地面真值点,实现更自然、快捷和平滑的变形路径。其次利用目标聚合损失函数和边界系数模块对存在目标遮挡的物体进行预测,给出准确的检测框。最后利用循环卷积与Snake模型对匹配过的轮廓进行收敛,对顶点进行迭代计算得到分割结果。本文算法在COCO、Cityscapes、Kins等多个数据集上进行评估,其中COCO数据集上取得32.6%mAP和36.3 f/s的结果,在精度与速度上取得最佳平衡。

摘要： 针对图像检测中存在目标点遮挡的问题,研究基于深度信息和最佳分割阈值迭代的目标遮挡防干扰图像检测算法.通过分析灰度图像阈值分割方法研究现状和深度图像成像特点,采用最佳分割阈值迭代法检测目标遮挡区域.首先进行深度图像预处理获得深度差值图像,然后根据最佳分割阈值迭代对深度差值图像进行阈值迭代获得最佳阈值,最后使用一次阈值分割实现目标遮挡检测.该算法利用视觉目标的深度图像信息可以有效地检测出深度图像中存在的自遮挡点.

摘要： 目的：由于实际场景中存在多种复杂环境,比如目标遮挡,本文选出混合高斯模型作为目标检测算法,提出一种基于弱特征的遮挡解决在视频浓缩中的应用.rn 方法：选出的混合高斯模型来分割前景与背景,利用当前帧、更新背景帧、二值化前景帧进行邻域光照不变性阴影消除、Gauss噪声消除、膨胀腐蚀形态学空洞消除,通过以上处理得到较为干净的前景,同时借助canny算子扣取轮廓.在目标跟踪阶段,重点介绍基于位置和颜色特征进行关联,从中精确提取目标摘要信息和轮廓信息,随之一并存入文件,最后在浓缩阶段介绍按最优时间片能量最小化模型进行按帧序浓缩.rn 结果：通过实验结果表明,通过以上方法使得问题得到很好的解决,对解决目标遮挡在视频浓缩中的困难提供新的策略.rn 结论：本文提出的算法能够对视频浓缩显示提供很好的解决方法,实现了对长达几小时原始视频进行几十分钟浓缩显示.

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。

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。

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。

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。

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。

摘要： 本发明为一种基于遮挡物建模的有遮挡情况下的目标跟踪方法，步骤包括：对于每一帧输入图像，根据在初始帧建立的目标模型，利用均值漂移算法求目标的状态；检测遮挡是否发生，当检测到目标被其他物体遮挡时，对遮挡物建模，以确定目标可能重现的区域，当没有检测到目标被遮挡，则输出目标的状态；通过寻找遮挡物的轮廓对遮挡物进行建模，遮挡物的轮廓通过改进的主动轮廓方法来实现；在目标可能重现的区域搜索目标，并对目标进行确认，若是目标，则输出目标的状态，若不是目标，则在目标可能重现的区域继续搜索目标，在对目标的搜索过程中遮挡物的轮廓也在进行动态的更新，以保证搜索区域的准确性。

摘要： 本发明公开了重遮挡图像集生成及重遮挡人体目标检测模型与训练方法，属于人工智能技术领域。重遮挡图像集生成方法，包括：获取原始图像集，并解析得到每一原始图像；对所述原始图像进行块编码，以将所述原始图像划分为N个块图；随机选取所述原始图像中的(75％‑85％)*N个所述块图进行加噪处理，以获得对应的重遮挡图像；根据多张所述重遮挡图像生成重遮挡图像集。本发明通过对原始图像集进行块编码以及加噪处理，从而生成数据量大、标注标准的重遮挡图像集，避免了自采造成的数据量小、标准不一的情况，进而提高后续训练的网络模型训练效果和检测准确度，同时提高了重遮挡图像数据集的获取效率，节省了大量人力物力。

摘要： 本发明涉及图像处理技术领域，具体提供一种图像遮挡方法、遮挡下目标识别方法及电子设备，旨在解决现有对待识别目标图像的遮挡和真实遮挡情况差异比较大且存在无法有效遮挡到待识别目标的问题。为此目的，本发明的图像遮挡方法包括：获取遮挡物图像；获取待遮挡图像中待识别目标的目标检测框；将遮挡物图像嵌入待遮挡图像中，使遮挡物图像至少部分遮挡目标检测框中的待识别目标，得到遮挡目标图像。该方法通过获取遮挡物图像对待遮挡图像中的待识别目标进行遮挡，解决了随机生成的遮挡区域和真实遮挡情况差异比较大的问题，另外，通过获取待识别目标的目标检测框，并使遮挡物图像至少部分遮挡目标检测框中的待识别目标，可以有效提高遮挡效果。

摘要： 本发明为一种基于遮挡物建模的有遮挡情况下的目标跟踪方法，步骤包括：对于每一帧输入图像，根据在初始帧建立的目标模型，利用均值漂移算法求目标的状态；检测遮挡是否发生，当检测到目标被其他物体遮挡时，对遮挡物建模，以确定目标可能重现的区域，当没有检测到目标被遮挡，则输出目标的状态；通过寻找遮挡物的轮廓对遮挡物进行建模，遮挡物的轮廓通过改进的主动轮廓方法来实现；在目标可能重现的区域搜索目标，并对目标进行确认，若是目标，则输出目标的状态，若不是目标，则在目标可能重现的区域继续搜索目标，在对目标的搜索过程中遮挡物的轮廓也在进行动态的更新，以保证搜索区域的准确性。

摘要： 本发明涉及自动驾驶领域，具体的说是一种针对多尺度目标和遮挡目标的自动驾驶目标检测方法，首先，构建自动驾驶复杂交通场景数据集，采集实际道路中的目标图像信息，并对图像进行预处理；其次，提出基于K‑means与遗传算法相结合的聚类方法对数据集中的边界框进行聚类，产生9种不同尺寸的锚框，再次，针对复杂中的多尺度目标实时检测问题，提出注意力特征金字塔网络，得到目标边界框的回归参数；接着，为提高定位精度，解决正负样本不均问题，构建基于Focal loss和CIoU loss的损失函数对目标边界框的回归参数进行优化得到预测边界框；最后，提出基于Soft‑CIoU‑NMS算法对预测边界框进行后处理。本发明可以有效缓解复杂场景下遮挡目标的漏检问题和定位不准问题。

摘要： 本发明一种基于目标三状态建模的遮挡目标多帧跟踪方法，属于目标自动跟踪领域，在高目标漏检、高杂波密度的复杂环境下，针对遮挡目标的鲁棒自动跟踪问题，对现有的综合航迹分裂方法进行改进，通过对目标存在事件进行三状态描述，考虑目标存在但无法被观测到的可能性，对目标存在三状态的时域演变规律进行一阶马尔科夫链建模，通过保存每一时刻每条航迹每个关联假设的历史信息，利用后续观测信息来加强前期关联假设的可信度，以提升对遮挡目标跟踪性能的鲁棒性，具体体现在航迹维持、虚假航迹剔除等方面。

摘要： 本发明公开了一种基于深度图像遮挡信息的静态视觉目标遮挡规避方法，首先从初始观测方位获取视觉目标的一幅深度图像，并根据遮挡检测算法获取深度图像的遮挡相关信息；从三角网格模型中的三角小剖面入手，利用三角小剖面组成的子区域的法向量来确定候选观测方向集合，再利用这些候选观测方向和各三角小剖面法向量的夹角信息确定出每个候选观测方向的可视空间，进而计算出下一最佳观测方位，从而达到遮挡规避的目的。本发明根据遮挡信息对遮挡区域建立数学模型，无需获取视觉目标的先验知识；对视觉目标的形状无特殊要求，适用于不同型面的视觉目标。

摘要： 本发明公开一种判断遮挡及目标重定位的目标跟踪方法，属于目标检测跟踪领域。本发明包括：对任一目标跟踪过程，利用置信度函数的变化粗略判断是否出现遮挡；对初步判断为遮挡的区域，计算目标Local Binary Pattern特征与预选框Local Binary Pattern特征的巴氏距离，进一步确认是否遮挡；对于局部遮挡的情况，采用多峰值重定位的方法进行目标遮挡后的定位；对于严重遮挡或长时遮挡，则采用SVM(Support Vector Machine)检测重定位方法来进行准确定位。本发明能准确判断目标遮挡的情况，并有效解决遮挡过后目标重定位的问题。

摘要： 本发明公开了一种针对目标遮挡的无人机单视觉目标跟踪方法，属于无人机目标跟踪技术领域。本发明针对无人机拍摄的图像序列，以传统KCF算法为基础，增加了目标遮挡判别机制，在发现目标被严重遮挡时进行目标的移动轨迹预测，并给出目标可能出现的区域，可实现目标快速重定位，保证持续跟踪。同时，本发明采用检测器更新策略，并仅在目标特征具有较高质量时才更新检测器，这样既保证了检测器的准确性又减少了更新次数，提高了运算效率。总之，本发明提高了现有算法针对跟踪目标遮挡时的准确性，是对现有技术的一种重要改进。

摘要： 本发明公开了一种基于深度图像遮挡信息的静态视觉目标遮挡规避方法，首先从初始观测方位获取视觉目标的一幅深度图像，并根据遮挡检测算法获取深度图像的遮挡相关信息；从三角网格模型中的三角小剖面入手，利用三角小剖面组成的子区域的法向量来确定候选观测方向集合，再利用这些候选观测方向和各三角小剖面法向量的夹角信息确定出每个候选观测方向的可视空间，进而计算出下一最佳观测方位，从而达到遮挡规避的目的。本发明根据遮挡信息对遮挡区域建立数学模型，无需获取视觉目标的先验知识；对视觉目标的形状无特殊要求，适用于不同型面的视觉目标。