排序方式: 共有16条查询结果,搜索用时 0 毫秒
1.
2.
3.
4.
5.
6.
为了解决目标跟踪中的尺度变化、相似性干扰、遮挡等问题,提出一种基于实例分割与毕达哥拉斯模糊决策的目标跟踪算法。在实例分割网络YOLACT++(improved You Only Look At CoefficienTs)的基础上,融合3种不同的匹配方式针对不同场景预测跟踪结果;同时提出一种基于毕达哥拉斯模糊决策的模板更新机制,即根据预测结果的质量作出是否更新目标模板和更换匹配方式的决定。实验结果表明,所提算法能够更准确地跟踪存在尺度变化、相似性干扰、遮挡等问题的视频序列。相较于SiamMask算法,所提算法在DAVIS 2016、DAVIS 2017数据集上的区域相似度分别提高了12.3、15.3个百分点,在VOT2016、VOT2018数据集上的预期平均重叠率(EAO)分别提高了4.2、4.1个百分点,且所提算法的平均跟踪速度为每秒32.00帧,满足实时性要求。 相似文献
7.
8.
赵元龙 《A&S:安防工程商》2014,(12):90-92
校园安全事件频发,近年来逐渐更有多发趋势,校园安全形势严峻。传统视频监控只是将视频数据以数字形式通过网络进行传输、存储和共享,无法实现异常事件的预警。智能视频分析技术将有效提升校园安全防范系统的防范能力,本文介绍了智能视频分析技术在高校安防中的应用。 相似文献
9.
10.
针对视频序列中因脸部遮挡、漏检而造成的无法正确判断行人是否佩戴口罩的问题,提出一种基于改进YOLOv7与DeepSORT的佩戴口罩行人跟踪算法。该算法将口罩检测、行人检测与跟踪相结合,通过在YOLOv7的主干网络中添加注意力机制,增加浅层特征图,加强网络对小目标的感知能力,提高口罩检测与行人检测精度;帧内关系模块利用匈牙利算法进行帧内目标关联,对行人进行口罩佩戴标记;将方向差因素加入到DeepSORT算法的关联代价中,消除跟踪轨迹的历史预测方向和新检测速度方向不一致问题;使用改进的DeepSORT算法对行人进行跟踪,并对每条轨迹进行口罩佩戴标记更新,实现对佩戴口罩与未佩戴口罩行人的跟踪。实验结果表明,改进的YOLOv7网络平均检测精度mAP50相比原始算法提升了3.83个百分点;在MOT16数据集上,该算法的跟踪准确性MOTA相较DeepSORT算法提高了17.1个百分点,跟踪精度MOTP提高了2.6个百分点。与检测算法相比,提出的算法能够跟踪到更多的行人是否佩戴了口罩,具有更好的效果。 相似文献