排序方式: 共有2条查询结果,搜索用时 62 毫秒
1
1.
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... 相似文献
2.
为了提升Tracktor++在多目标跟踪中的性能,提出了一种改进的多目标跟踪方法,即关系网Tracktor++(RN-Tracktor++),它在Tracktor++中引入关系网络进行目标关联。对于给定的视频序列,首先通过FRCNN-FPN(Faster Region Convolutional Neural Network-Feature Pyramid Network)检测器的回归分支从前一帧中的目标框预测得到它们在当前帧的位置,然后通过关系网络将它们与已有轨迹进行关联,从而得到每个特定目标的运动轨迹。在MOT17、MOT20及降采样的PETS(Performance Evaluation of Tracking and Surveillance)数据集上的实验结果表明,所提出的方法实现了更好的跟踪性能,特别是在降采样的PETS数据集上,与Tracktor++相比,MOTA(Multiple Object Tracking Accuracy)精度提高了1.6%,证明了关系网络用于目标关联可提高跟踪性能。 相似文献
1