复杂场景下基于改进DiMP算法的精确目标跟踪

针对DiMP目标跟踪算法在自然场景下遇到遮挡及背景干扰导致跟踪表现不佳的问题,提出了改进的DiMP精确目标跟踪算法。在图像预处理阶段创新性地设计了一个任意灰度块替换策略来丰富样本的信息;将特征提取网络ResNet-50提取的目标各阶段的特征图输入到设计的多尺度融合模块中进行正向和反向的充分融合,得到包含更多位置信息和语义信息的特征图;随后特征图输入到模板预测模块中进行在线更新操作,进而得到判别力更强的目标模板。实验表明：该算法在UAV123数据集的遮挡和背景干扰测试中的成功率和精确率分别提高8%、4.15%和9%、6.30%;同时,在VOT2018的EAO指标上提高1.36%,在UAV123的成功率和精确率指标上分别提高3.89%和3.06%。说明改进的DiMP算法在对遮挡与背景干扰问题上优势明显,进而提升了算法的整体表现。     

无监督行人重识别的判别性特征研究

目前,在计算机视觉方面,大多的监督学习方法用于解决其重要分支:行人重识别问题已经取得了不错的成果,但是此类方法需要对训练数据进行手工标注,特别是对于大容量的数据集,手工标注的成本很高,而且完全满足成对标记的数据难以获得,所以无监督学习成为必选项.此外,全局特征注重行人特征空间整体性的判别性,而局部特征有助于凸显不同部位特征的判别性.所以,基于全局与局部特征的无监督学习框架,使用全局损失函数与局部相斥损失函数共同进行判别性特征学习,并联合优化ResNet-50卷积神经网络(CNN)和各个样本之间的关系,最终实现行人重识别.大量实验数据验证了提出的方法在解决行人重识别任务时具有优越性.     

超像素分割约束的自适应SAD与Census融合立体匹配算法

为提高立体匹配精度,提出一种超像素分割约束的自适应SAD与Census融合的立体匹配算法。针对SAD在匹配过程中无差别使用窗口内像素点灰度值引入的误差,首先用简单线性迭代聚类(SLIC)超像素分割方法对待匹配图进行处理,将分割结果结合窗口内邻域像素点和中心像素点的距离给SAD立体匹配过程中窗口内像素点灰度值赋予适当的权重;进行Census立体匹配过程,并对两种算法的匹配结果进行自适应融合;对初始视差图进行左右一致性检测和遮挡点填充等后处理过程。实验表明,提出算法与传统算法相比,匹配效果显著提高,可以很好地适应细节丰富的图像并且对于有垂直位移的图组也有较好的适应性,对于图像对比度及光照变化具有鲁棒性。