空军工程大学航空工程学院, 陕西 西安 710038
基于孪生神经网络的跟踪算法是利用离线训练的网络提取目标的特征并进行匹配,从而实现跟踪。在离线训练过程中,网络学到的是相似目标的通用特征,因此当有相似目标干扰时,用这种通用特征表达特定目标将会导致跟踪性能下降,甚至丢失目标。为提高对相似目标的判别能力,通过在线更新网络参数,使网络能够在通用特征的基础上,进一步学到当前目标的特定特征,这样不仅能有效地区分目标与背景,还能消除相似目标的干扰。实验在OTB50和OTB100数据库上进行,结果表明该算法可以提高对网络提取特征的判别力,实现对目标的稳健性跟踪。
机器视觉 视觉追踪 离线训练 在线更新
中国人民解放军空军工程大学航空航天工程学院, 陕西 西安 710038
针对相似度目标跟踪算法主要考虑目标的类内相似,而忽略不同目标的类间差异的问题,提出基于分类-验证模型的视觉跟踪算法。该算法通过增加目标的属性(类别)信息,利用相似度信息与类别信息构建损失函数,在高维空间学习目标的类内相似和类间差异;将目标模板与候选目标输入网络模型,分别通过分类与验证模块实现网络参数更新;利用训练网络提取目标模板与候选目标的深度嵌入特征,实现目标跟踪。在OTB50和UAV123数据库上进行实验,结果表明,该算法可以大幅提高跟踪效果,对相似目标具有较强的稳健性。
机器视觉 目标跟踪 分类-验证网络模型 类内相似 类间差异
空军工程大学 航空航天工程学院, 西安 710038
在相位相关目标跟踪中, 由于响应函数为冲击函数, 不能适应目标的变化, 且易受噪音和杂波的影响, 导致跟踪失败.而均值合成滤波器利用符合期望的相关输出分布, 可获得较好的滤波效果.本文考虑跟踪过程中目标的上下文信息, 设计与目标空间位置相关的响应函数取代冲击函数, 从而获得更为鲁棒的滤波器; 利用峰值旁瓣比评估跟踪结果并自适应更新滤波器, 适应目标的变化; 用快速傅里叶变换进行加速算法, 对目标实现快速鲁棒跟踪.实验结果表明, 本文方法平均每秒处理50帧图像, 在准确度和精确性方面优于当前算法.
空间相位相关 快速傅里叶变换 峰值旁瓣比 自适应更新 Spatial phase correlation Fast fourier transform Peak-to-sidelobe ration Adaptively updating
空军工程大学 工程学院四系 信号与信息处理实验室,西安 710038
针对传统方法经常将运动阴影也检测为前景的问题,本文将检测问题表示为能量函数,通过最小化能量函数来检测运动阴影。这种方法先用传统的背景对消方法分别得到静态背景和含有真实前景和运动阴影的运动目标,然后在运动目标中,利用阴影的颜色不变性和纹理不变性,以及阴影和前景的时空一致性,构造出能量函数,最后通过最小化能量函数,将真实前景从运动目标中准确地分割出来,从而达到消除运动阴影的目的。我们在包含运动阴影的视频中,对本文方法进行测试,并和其它方法比较。实验结果表明,本文的方法无论在室内场景,还是在室外场景都可以很好地分割前景和阴影。
阴影检测 能量最小化 背景对消 shadow detection energy minimization background subtraction
空军工程大学,工程学院,航空电子工程系,陕西,西安,710038
提出了一种基于小波多分辨率分析和分水岭算法的图像分割方法.在小波分解后的低分辨率图像上进行分水岭分割,提高了分割的速度;由低分辨率图像返回到高分辨率图像时,采用了一种基于边缘信息的合并函数,避免了边缘信息的丢失,保证了分割的准确性.此外预处理过程中,在梯度图像上基于Rayleigh分布采用阈值处理的方法,有效抑制了高斯噪声对梯度图像的影响,避免了过分割.实验结果证明,本文所提出的基于小波多分辨率分析的图像分水岭分割算法能够很好地兼顾算法的效率和分割的准确性.
多分辨率 分水岭 小波变换 区域合并 图像分割
