复杂场景下基于自适应多特征融合的跟踪算法

在复杂的场景下,单特征对目标描述不够充分,很难稳健地跟踪目标,针对这个问题,提出了一个基于自适应多特征融合的粒子滤波跟踪算法。该算法采用灰度和边缘特征表示目标,从目标观测似然模型构建的角度融合两种特征,利用粒子似然分布的香农熵动态地评价特征的可靠性,进而确定特征融合权重,以提高算法对场景的适应能力;同时,改进了线性加权的模型更新策略,通过对加权系数的在线调整来抑制模型漂移。实验表明,本文算法可以实现部分遮挡和背景干扰等复杂场景下的跟踪。     

通用图像显示控制技术研究

通用图像显示控制技术的任务是完成信息管理与显示。本文分析了原有设备的不足之处 ,提出了新型显示控制台的功能与技术指标及其系统结构 ,重点对视频带宽和隔离度展开了详细地讨论 ,最后对新一代图象显示技术的研究目标进行了预测     

Visual-attention gabor filter based online multi-armored target tracking

The multi-armored target tracking (MATT) plays a crucial role in coordinated tracking and strike. The occlusion and insertion among targets and target scale variation is the key problems in MATT. Most state-of-the-art multi-object tracking (MOT) works adopt the tracking-by-detection strategy, which rely on compute-intensive sliding window or anchoring scheme in detection module and neglect the target scale variation in tracking module. In this work, we proposed a more efficient and effective spatial-temporal attention scheme to track multi-armored target in the ground battlefield. By simulating the structure of the retina, a novel visual-attention Gabor filter branch is proposed to enhance detection. By introducing temporal information, some online learned target-specific Convolutional Neural Networks (CNNs) are adopted to address occlusion. More importantly, we built a MOT dataset for armored targets, called Armored Target Tracking dataset (ATTD), based on which several comparable experiments with state-of-the-art methods are conducted. Experimental results show that the proposed method achieves outstanding tracking performance and meets the actual application requirements.     

开放架构的数字视频管理系统iView研究与实现

iView是我们研制的基于多模态元数据提取,具有开放架构且支持无线移动存取的数字视频全内容管理系统。本文讨论了系统的需求,体系框架设计实现,描述了其中涉及的关键技术思想,并对存在的问题和研究方向做了简单探讨。     

基于MBB对应关系的视频中多物体快速跟踪

针对视频监控应用中对视频物体跟踪算法实时性、容错性要求高的特点,提出了一种基于MBB对应关系的快速跟踪算法。该算法放弃了传统的点匹配跟踪算法,从对相邻两帧物体MBB的重叠特性的分析出发,快速确定物体与物体间、物体与场景间的复杂对应关系,并综合利用直方图匹配等方法,解决物体重复出现后的标识问题。通过对NUDT和PETS视频数据的实验分析证明,该算法能够对复杂场景中多个物体同时进行跟踪标识,准确检测处理物体进入、离开场景,以及物体间的合并、分离和遮挡,对复杂环境和预处理造成的错误有较好的容错性。该算法参数设置简单易行,结合预处理快速算法,整个检测跟踪算法耗时大大低于同类算法。