基于深度特征与抗遮挡策略的运动目标跟踪

为了进一步提高复杂场景下的目标跟踪精度与鲁棒性,本文提出了基于深度特征与抗遮挡策略的运动目标跟踪算法,首先利用深层卷积神经网络提取出目标的深度卷积特征以代替传统的手工特征,然后将深度卷积特征融入传统的核相关滤波跟踪框架,充分利用深度特征描述能力强和相关滤波算法跟踪效率高的优势,同时采用高置信度抗遮挡更新策略来更新滤波器,利用融合特征训练尺度相关滤波器,以便更加精准预测目标的位置,提高算法抗遮挡能力.论文对数据集OTB-100视频序列中有遮挡问题的序列进行了测试,并与Deep STRCF、DSST、SRDCF、COT和ECO等算法进行比较,实验结果表明,本文所提算法在目标尺度变化、背景干扰和遮挡等复杂背景下具有更高的跟踪精度与成功率,跟踪效果最佳.     

基于改进RPN的Faster-RCNN网络SAR图像车辆目标检测方法

针对传统Faster-RCNN方法中候选区域生成网络(RPN)模块在进行目标检测时对目标特征提取不够充分的问题,提出一种基于改进RPN的Faster-RCNN网络SAR图像车辆目标检测方法.首先基于VGG-16网络提取出图片的多层特征,然后利用卷积核对最深的3个特征层作进一步的特征提取和正则化处理,最后对处理后的3个特...     

基于嵌入式Linux的运动目标跟踪视频监控系统简

针对运动目标检测和出现严重遮挡时目标丢失的问题,提出了一种基于五帧差分和Surendra背景更新相结合的检测算法,同时设计了结合Kalman滤波和线性预测的MeanShift算法,引入了动态自适应窗口的CamShift算法,并提出了CamShift算法的全自动跟踪策略,减少手工选取目标引起的误差.在实现系统功能方面,搭建嵌入式交叉开发环境,通过相关应用程序的交叉编译实现了在嵌入式平台上目标跟踪的监控系统.实验结果表明,该文提出的算法跟踪效果相比传统的算法明显提高,所设计的视频监控系统运行可靠,改进后算法检测效果好,可以快速完整地提取出运功目标,并且进行稳定的跟踪.     

针对无人机视频的带干扰抑制的l1正则相关滤波跟踪算法

近来,相关滤波因其精度和鲁棒性良好而在目标跟踪领域获得广泛应用.然而,相关滤波的隐式循环样本带来了严重影响跟踪性能的边缘效应.在之前的工作中,采用l1正则消除了传统相关滤波模型边缘效应的影响,但仍然通过将隐式循环样本回归到一个固定的目标标签来学习一个能区分前景和背景的回归模型.这种预定义的不变的回归标签使得跟踪模型对于...     

融合深度特征和FHOG特征的尺度自适应相关滤波跟踪算法

为了解决核相关滤波跟踪算法在复杂场景下跟踪效果差的问题,提出了一种融合深度特征和尺度自适应的相关滤波目标跟踪算法。首先,通过深度残差网络（ResNet）提取图像中被跟踪区域的深度特征,再提取目标区域方向梯度直方图（FHOG）特征,通过核相关滤波器学习,分别得到多个响应图,并对响应图进行加权融合,得到跟踪目标位置。其次,通过方向梯度直方图（FHOG）特征,训练一个PCA降维的尺度滤波器,实现对目标尺度的估计,使算法对目标尺度发生变化有很好的自适应能力。最后,根据响应图的峰值波动情况改进模型更新策略,引入重新检测机制,降低模型发生漂移概率,提高算法抗遮挡能力,在标准数据集OTB100中与其他7种目标跟踪算法进行比较。结果表明,相比原始KCF算法,改进后的KCF算法精准度提升了29.4%,成功率提升了25.9%。所提算法实现了对跟踪目标位置的精准估计,提高了尺度自适应能力和算法速度,增强了算法抗遮挡能力。[JP]     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于快速尺度估计的核相关滤波 目标跟踪

为了解决传统基于核相关滤波器（KCF）的跟踪算法难以有效处理目标尺度变化的难题,本文提出了一种新的融合快速准确估计目标尺度变化的核相关滤波跟踪算法。该方法首先利用目标尺度变化的连续性对目标的尺寸变化进行粗略估计,得到目标尺度变化的粗略值;然后进一步对目标尺度的更多可能变化进行精确搜索,提升目标尺度估计的准确性。在公开的复杂场景视频进行测试,比较了本文方法和原始KCF算法的实验效果,并且将本文算法和经典跟踪算法进行了比较,实验结果表明本文提出的目标跟踪算法更准确鲁棒。     

基于二阶池化特征融合的孪生网络目标跟踪算法

为提升基于孪生网络目标跟踪算法的特征表达能力,获得更好的跟踪性能,提出了一种轻量级的基于二阶池化特征融合的孪生网络目标跟踪算法。首先,使用孪生网络结构获取目标的深度特征;然后,在孪生网络结构的末端并行添加二阶池化网络和轻量级通道注意力,以获取目标的二阶池化特征和通道注意力特征;最后,将目标的深度特征、二阶池化特征和通道注意力特征进行融合,使用融合后的特征进行互相关操作,得到地响应图能很好地区分目标和背景,提高跟踪模型的判别能力,改善目标定位的精度,从而提升跟踪性能。所提算法使用Got 10k数据集进行端到端的训练,并在数据集OTB100和VOT2018上进行验证。实验结果表明,所提算法与基准算法相比,跟踪性能取得了显著提升：在OTB100数据集上,精确度和成功率分别提高了7.5%和5.2%;在VOT2018数据集上,预期平均重叠率(EAO)提高了4.3%。     

基于粒子滤波算法的自适应人脸跟踪

当人脸旋转和尺寸变化时,传统的粒子滤波算法不能准确跟踪到人脸.针对这一问题,本文提出了在粒子滤波框架下自适应调整目标跟踪窗口和自适应更新模板的方法.该方法通过计算运动目标区域内粒子到目标中心点的平均距离来自适应调整目标跟踪窗口;且对目标特征模板进行自适应更新.实验结果表明,本算法在人脸旋转和尺寸变化的情况下能够提升跟踪的准确度和精度.     

浅析面向对象分析中对象的识别

本重点介绍了对象的概念、面向对象分析技术中标识潜在对象的方法、利用coad和yourdon分析法筛选潜在对象的技术等。同时结合实例进行了剖析。     

Jsp中作用域通信对象的研究与比较

文章首先介绍了三种Jsp作用域通信对象：Pagecontext对象、Session对象和Application对象,最后举例说明这三种对象在实际应用中的区别.     

ObjectCore的设计与实现

对象存储技术是对象管理系统 OMS(object management system)的核心。现在有许多可以使用的面向对象的数据库系统,如:ConceptBase,ENCORE,Orion,POSTGRES,Rose,02,ObjectStore,Ontos,Iris,OpenODB,GemStone,Versant 等。但是这些对象数据库系统不适合作为软件过程工程环境 ISPE(integrated software process environment)的对象存储技术,它们过于庞大和复杂。主要对ObjectCore-软件过程环境 ISPE(integrated software process environment)中,对象管理系统的存储部分进行了讨论,并对对象管理系统中,对象存储技术的几个重要方面进行了分析。     

HMCAIC软件开发中的对象行为模型和对象交互模型的设计

:结合HMCAIC软件开发实际,论述软件中主要的对象行为模型(ObjectBehaviour Models—OBM)和对象间的交互模型(ObjectInteractive Models—OIM)的设计.通过应用OSA 方法建立对象模型,清晰地勾勒出软件模块,为软件的详细设计和程序代码实现奠定坚实的基础     

基于学习对象的课程构建

在学习对象概念的基础上,结合学习资源构建标准提出了一种课程构建思想。并深入讨论可重用学习对象(RLO)在课程设计中的运用以及内部元素构建原则,为课程设计开发人员提供一个基于学习对象的模板进行教学课程设计开发。学习对象构件可相互组合并快速更新,提高了课程的重用性。     

面向对象的WEB发布技术

对象的WEB发布是指利用面向对象的方法组织信息,并通过WEB服务器向Internet发布。在对象发布机制中,信息的相关部分被封装在可发布的对象中,对象的发布属性则由类来进行定义,而访问网络资源的URL地址则称为访问对象的路径。HTTP协议不但可以保证向对象发送消息,而且也可以保证接收对象的响应结果。一个类的实例生成后,其状态可以得到持续,持续将实例的当前状态存放在对象数据库中。利用这种面向对象的信息发布技术,不仅使用网络的信息发布变得像搭积木一样方便,而且使管理、维护和升级变得非常容易,同时也可以大大提高用户和网站之间的交互性。     

EDDBMS存取机制的设计与实现

介绍了一种面向对象的工程数据库管理系统的存取机制，根据面向对象语义模型的特点，提出了一种适合于类、对象的存储模型以及一种可查询类层次对象和单类对象的复合对象索引机制，对象标识的选择便于对象的查询，在此之上实现了复杂对象的存储管理     

试论对象和对象模型

首先讨论面向对象技术的两个基本概念：对象和类，然后提出用于分析、设计和实现软件系统的对象模型。     

Application of PowerBuilder user objects in developing distributed programs

User Objects are the basement in developing distributed PowerBuilder applications. There are two kinds of PowerBuilder objects: visual objects and non-visual objects. Usually we use non-visual objects to perform the PowerBuilder distriuted application. This paper introduces the method of developing PowerBuilder distributed application program, mainly discusses the application of nonvisual objects when developing PowerBuilder distributed application programs. Biography: Wang Li-fu (1970-), male, Master, Engineer, research interest: communications.     

一种用于Web应用程序测试的对象模型

Web应用程序开发的复杂性使得Web应用程序测试技术的研究成为软件测试领域的研究热点。提出了一种用于Web应用程序测试的对象模型,该模型从便于测试的角度将Web应用程序抽象成三种对象:客户端对象、服务端对象和组件对象。与以往的模型相比较,该模型不仅有助于测试人员理解Web应用程序,也有助于测试用例的直接提取。