亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于通道選擇與目標(biāo)重檢的跟蹤算法

        2021-02-25 05:50:58楊文柱
        關(guān)鍵詞:濾波器尺度成功率

        申 遠(yuǎn),楊文柱,周 楊

        (河北大學(xué) 網(wǎng)絡(luò)空間安全與計(jì)算機(jī)學(xué)院,河北 保定071002)

        0 引 言

        目標(biāo)跟蹤是機(jī)器視覺領(lǐng)域的研究熱點(diǎn)之一[1]。如何實(shí)現(xiàn)在尺度變化、目標(biāo)遮擋、光照變化和目標(biāo)形變等復(fù)雜條件下的魯棒跟蹤是目前目標(biāo)跟蹤面臨的主要挑戰(zhàn)[2]。在當(dāng)前的研究中,核相關(guān)濾波算法(KCF)[3]因其高速的特點(diǎn)表現(xiàn)優(yōu)異,但仍難避免魯棒性低的情況。為解決其在跟蹤過程中目標(biāo)遮擋和出視野的問題,馬超等在LCT[4]算法中加入基于置信度的目標(biāo)檢測機(jī)制。為進(jìn)一步提高跟蹤的準(zhǔn)確性,王蒙蒙等[5]提出了多峰檢測和高置信度更新策略。由于傳統(tǒng)特征都是淺層像素特征,限制了跟蹤精度的進(jìn)一步提高,因此HCF[6]算法使用了包含大量抽象信息的卷積特征,從訓(xùn)練后的VGG-Net[7]中提取3個卷積層的特征來訓(xùn)練對應(yīng)的相關(guān)濾波器,算法的精確度得到一定的提升,但計(jì)算復(fù)雜度較大。對此,多種算法[8-10]從卷積的角度進(jìn)行改進(jìn),雖然計(jì)算量得到了降低,但仍然對硬件有較高的要求。

        在上述研究的基礎(chǔ)上,為進(jìn)一步提升相關(guān)濾波類算法的跟蹤精度,設(shè)計(jì)了一種基于通道選擇與目標(biāo)重檢的跟蹤算法。為了降低卷積特征對模型運(yùn)行速度和準(zhǔn)確度帶來的影響,對卷積通道進(jìn)行了篩選;為了提高跟蹤的準(zhǔn)確性,對跟蹤失敗的幀進(jìn)行重新定位并對模板的更新設(shè)置了約束條件;為了實(shí)現(xiàn)尺度自適應(yīng)的目標(biāo)跟蹤,用不同比例的搜索框?qū)ξ恢脼V波器進(jìn)行訓(xùn)練,使算法達(dá)到了較好的跟蹤效果。

        1 基于通道選擇與目標(biāo)重檢的跟蹤算法

        基于通道選擇與目標(biāo)重檢的跟蹤算法將卷積特征與相關(guān)濾波結(jié)合,通過對卷積通道的篩選降低算法的計(jì)算復(fù)雜度,并通過目標(biāo)重檢機(jī)制提高算法精度。圖1為卷積通道選擇和目標(biāo)跟蹤過程框架圖,w代表濾波器。

        圖1 卷積通道選擇和目標(biāo)跟蹤過程框架

        1.1 卷積通道選擇

        利用已經(jīng)在ImageNet上訓(xùn)練好的輕量型卷積神經(jīng)網(wǎng)絡(luò)MobileNet[11]來獲取卷積特征,借鑒文獻(xiàn)[6]選擇3個卷積層的特征進(jìn)行后續(xù)的訓(xùn)練與跟蹤。由于深度卷積層特征維度過大,當(dāng)使用多個卷積層特征訓(xùn)練濾波器時計(jì)算復(fù)雜度太高,導(dǎo)致跟蹤速度變慢。此外,對于不同的跟蹤場景來說有效的卷積特征也有所不同,如圖2所示,在MobileNet第10層的可視化特征圖中,對于當(dāng)前的跟蹤效果來說,有些特征的貢獻(xiàn)度較小甚至是無效的,使用這些特征不但不能提高跟蹤效果,還會拖慢跟蹤速度,因此需要對卷積通道進(jìn)行選擇。

        圖2 MobileNet第10層卷積通道特征

        在對通道的特征表達(dá)能力進(jìn)行分析時發(fā)現(xiàn),目標(biāo)區(qū)域的特征均值Mc和特征方差Vc與通道的特征表達(dá)能力成正相關(guān),因此分別設(shè)αM為Mc的閾值,αV為Vc的閾值,當(dāng)Mc和Vc分別大于兩個閾值時,認(rèn)為該通道具有較好的特征表達(dá)能力,Mc和Vc可以分別通過式(1)和式(2)計(jì)算得到

        (1)

        (2)

        其中,I為特征圖的寬,J為其高,P(i,j)為(i,j)處的特征值。

        圖3 通道選擇前后對比

        1.2 位置濾波器的訓(xùn)練及預(yù)測

        在跟蹤過程中按照上一步得到的通道標(biāo)號直接抽取卷積特征,訓(xùn)練位置濾波器,預(yù)測目標(biāo)位置。將目標(biāo)圖像塊中的像素在(m,n)處的高斯標(biāo)簽設(shè)為y(m,n),其定義參見文獻(xiàn)[3],目標(biāo)中心位置的高斯標(biāo)簽y(m,n)=1,距離目標(biāo)中心越遠(yuǎn),高斯標(biāo)簽的值越趨近于0。通過式(3)可以求得一個相關(guān)濾波分類器W*

        (3)

        其中,λ(λ≥0)是一個正則化參數(shù),W*為滿足上式的第l層的相關(guān)濾波分類器。當(dāng)前卷積層中通道d對應(yīng)的濾波器為

        (4)

        發(fā)布會上,昆明供電局黨委發(fā)布的《“三個導(dǎo)向”助推責(zé)任落實(shí),黨的建設(shè)督導(dǎo)構(gòu)建“昆供模式”》,解決責(zé)任“層層衰減”的案例,是推動黨的建設(shè)工作責(zé)任制有效落實(shí)落地,進(jìn)一步構(gòu)建完善大監(jiān)督體系的有力體現(xiàn)。該項(xiàng)目有效地實(shí)現(xiàn)黨的建設(shè)工作重在日常、抓在時常、嚴(yán)在經(jīng)常,書記項(xiàng)目、黨員突擊隊(duì)等載體成為了黨的建設(shè)融入中心、重點(diǎn)項(xiàng)目攻堅(jiān)、推動生產(chǎn)經(jīng)營的有力抓手,不僅帶動了一批黨的建設(shè)業(yè)務(wù)能手,還起到了助推企業(yè)發(fā)展的效果。

        在新的一幀中計(jì)算通道特征與濾波器之間的相關(guān)響應(yīng)

        (5)

        其中,F(xiàn)-1代表逆傅里葉變換。Zd和Wd分別代表通道d對應(yīng)的卷積特征和濾波器。第l層中目標(biāo)的位置即為響應(yīng)圖中最大響應(yīng)的位置

        (6)

        1.3 目標(biāo)重檢機(jī)制

        通過對所得響應(yīng)圖的分析發(fā)現(xiàn),在跟蹤穩(wěn)定的情況下,響應(yīng)圖中的分布與正態(tài)分布類似,響應(yīng)峰值大,響應(yīng)均值?。划?dāng)跟蹤與實(shí)際情況出現(xiàn)偏差時,響應(yīng)圖出現(xiàn)一定程度的振蕩,無明顯峰值,響應(yīng)均值也隨之增大。目標(biāo)跟蹤過程中響應(yīng)圖內(nèi)各個位置上響應(yīng)的變化情況如圖4所示[12]。為了提高每一幀中跟蹤的準(zhǔn)確率,使用目標(biāo)重檢機(jī)制對跟蹤不準(zhǔn)確的幀進(jìn)行目標(biāo)位置的重新檢測。

        圖4 跟蹤偏移過程中的響應(yīng)變化

        在目標(biāo)重檢中,首先設(shè)置一個可以衡量當(dāng)前幀跟蹤情況的閾值τa,對每一幀響應(yīng)圖里的響應(yīng)均值fmean進(jìn)行約束

        (7)

        (8)

        其中,fmax,fmin分別代表響應(yīng)矩陣f中的最大值、最小值。模板記錄見表1,它會對跟蹤模板進(jìn)行更新記錄,其中p代表記錄下的模板個數(shù),其取值根據(jù)跟蹤視頻的實(shí)際情況而定。最優(yōu)模板T的APCE值為max_APCE,其計(jì)算公式為max_APCE=max{APCE(1),APCE(2),…,APCE(p)},使用穩(wěn)定性較強(qiáng)的最優(yōu)模板T再次檢測目標(biāo)位置。重新檢測后得到的最大響應(yīng)均值為f′mean,若f′mean>fmean,則使用模板T替代當(dāng)前模板并對下一幀中的目標(biāo)進(jìn)行跟蹤,否則直接使用當(dāng)前模板進(jìn)行后續(xù)跟蹤。

        表1 模板記錄

        1.4 尺度濾波器訓(xùn)練

        獲得目標(biāo)位置后,使用尺度濾波器預(yù)測目標(biāo)尺度。以位置濾波器預(yù)測出的目標(biāo)位置為中心點(diǎn),獲取不同尺度的候選塊,進(jìn)而找到最匹配的尺度。圖像候選塊的選取依據(jù)為

        (9)

        其中,P和Q表示當(dāng)前幀目標(biāo)框的寬和高,α表示尺度因子,S表示尺度個數(shù)。尺度濾波器用33種不同的尺度獲取候選框的HOG特征,計(jì)算不同尺度下的響應(yīng),最大響應(yīng)對應(yīng)的尺度即為預(yù)測的目標(biāo)尺度,由此實(shí)現(xiàn)對目標(biāo)尺度的自適應(yīng)預(yù)測。

        1.5 模板條件更新

        為提高模板的可信度,采用模板條件更新策略。在對位置濾波器的訓(xùn)練過程中,可以得到分辨率最高的卷積層上的響應(yīng)圖。使用響應(yīng)圖中的數(shù)據(jù)計(jì)算出對應(yīng)的APCE值,它可以較好地反應(yīng)出當(dāng)前跟蹤的穩(wěn)定性。根據(jù)跟蹤場景設(shè)置閾值τt來判斷是否更新跟蹤模板,若APCE≥τt則說明當(dāng)前的跟蹤較為穩(wěn)定,可以對跟蹤模板進(jìn)行更新。使用移動平均值分別更新濾波器的分子Ad和分母Bd,即按照如下公式更新跟蹤模板參數(shù)

        (10)

        (11)

        (12)

        其中,μ代表學(xué)習(xí)率,k是當(dāng)前幀的索引。將每次更新的模板及對應(yīng)的APCE記錄在模板記錄表中,應(yīng)用于目標(biāo)重檢部分。若APCE<τt則說明此時的跟蹤不穩(wěn)定,直接使用原有模板進(jìn)行后續(xù)跟蹤。

        2 實(shí)驗(yàn)結(jié)果分析

        實(shí)驗(yàn)在MATLAB R2016a環(huán)境下完成,使用MatConvNet[13]工具對網(wǎng)絡(luò)層進(jìn)行預(yù)訓(xùn)練。CPU為Intel(R) Core(TM) i3-4160 CPU @ 3.60 GHz,內(nèi)存為12 GB RAM。數(shù)據(jù)集為OTB50(object tracking benchmark)[14],該數(shù)據(jù)集中含有50個不同的視頻序列,包含了各種具有挑戰(zhàn)性的場景,如尺度變化、光照變化、背景雜波、快速運(yùn)動、遮擋、旋轉(zhuǎn)等。

        OTB50通過距離精確度和成功重疊率來對跟蹤結(jié)果進(jìn)行評估。距離精確度是指預(yù)測的目標(biāo)中心位置與實(shí)際中心位置的誤差小于某一閾值的幀數(shù)的百分比,本實(shí)驗(yàn)中將這一閾值設(shè)為20px。成功重疊率是指預(yù)測的邊界框與實(shí)際邊界框的交并比超過某一閾值的幀數(shù)所占的百分比,本實(shí)驗(yàn)中將這一閾值設(shè)為0.5,只有當(dāng)預(yù)測的位置和預(yù)測的尺度都準(zhǔn)確時成功重疊率的分?jǐn)?shù)才會高。在預(yù)訓(xùn)練中,設(shè)閾值αM=0,αV=0.02,在模板記錄表中記錄連續(xù)更新的p=10個模板。

        2.1 卷積層的選擇

        MobileNet網(wǎng)絡(luò)包含多個卷積層,在HCF跟蹤算法[6]的基礎(chǔ)下,將原來VGG-Net中3個卷積層的特征替換為MobileNet中單個卷積層的特征對相關(guān)濾波器進(jìn)行訓(xùn)練。將其在OTB數(shù)據(jù)集上進(jìn)行測試,表現(xiàn)最好的前6個卷積層的跟蹤結(jié)果如圖5所示。從圖中可以看出,conv5-5-dw、conv5-4-dw、conv5-3-dw這3個卷積層產(chǎn)生的跟蹤精確度均達(dá)到了80%以上,成功率高出其它層約2%。且兩個圖中這3個卷積層跟蹤結(jié)果圖的走勢非常接近,幾乎重疊在一起,表現(xiàn)穩(wěn)定,因此選擇這3個卷積層的特征對濾波器進(jìn)行訓(xùn)練。

        圖5 MobileNet在OTB50上的跟蹤精確度和成功率前6名

        2.2 跟蹤結(jié)果分析

        從影響因素、OPE成功率與精確度、跟蹤過程3個方面將新算法與其它8種算法進(jìn)行比較。這8種算法分別是HCF跟蹤算法[11]、多層卷積相關(guān)濾波跟蹤算法[15](HDT)、LCT跟蹤算法[4]、SRDCF跟蹤算法[16]、基于全卷積孿生網(wǎng)絡(luò)的目標(biāo)跟蹤算法[17](SiamFC)、多特征融合的實(shí)時跟蹤算法[18](Staple)、KCF跟蹤算法[3]以及DSST跟蹤算法[19]。這些算法中除LCT、KCF、Staple、DSST外其它算法均使用卷積特征,而除SiamFC外均為相關(guān)濾波類算法。

        2.2.1 不同挑戰(zhàn)因素下成功率對比

        表2為這9種算法在背景雜波(BC)、形變(DEF)、光照變化(IV)、遮擋(OCC)、平面內(nèi)旋轉(zhuǎn)(IPR)、平面外旋轉(zhuǎn)(OPR)和尺度變化(SV)影響下的成功率,表現(xiàn)最好的算法已用下劃線標(biāo)出。從表中可以看出,當(dāng)遭遇形變時,所提算法的成功率高達(dá)88.5%,說明卷積特征可以較好的緩解由于目標(biāo)形狀改變而對跟蹤結(jié)果造成的影響。在遭遇遮擋時,所提算法的成功率為83.4%,比第二名高了約3%,這說明在目標(biāo)丟失時重檢機(jī)制可以較好完成目標(biāo)找回。在遭遇尺度變化時,由于新算法僅使用HOG特征訓(xùn)練尺度濾波器,跟蹤成功率為75.7%,比SiamFC低約2%。在其它挑戰(zhàn)因素的影響下新算法也取得了較好的跟蹤效果。

        表2 不同算法在不同影響因素下的跟蹤成功率/%

        2.2.2 OPE成功率與精確度對比

        9種算法的OPE成功率與精確度結(jié)果如圖6所示。實(shí)驗(yàn)結(jié)果表明,使用卷積特征的算法表現(xiàn)普遍優(yōu)于其它使用傳統(tǒng)特征的算法,說明卷積網(wǎng)絡(luò)對抽象特征的表達(dá)能力有助于提高跟蹤的魯棒性。雖然針對長時跟蹤的LCT算法使用的也是傳統(tǒng)特征,但是由于加入了檢測模塊和尺度估計(jì),算法的跟蹤性能也表現(xiàn)突出。所提算法的OPE精確度為90.6%,相比KCF算法提高了16.6%,相比LCT算法提高了5.8%,相比HCF算法提高了1.5%。所提算法的OPE成功率為83.2%,相比KCF算法提高了20.9%,相比HCF算法提高了9.2%,相比LCT算法提高了1.9%。

        2.2.3 跟蹤過程對比

        所提算法與HCF、HDT、KCF和Staple等算法的跟蹤過程如圖7所示。在圖7(a)中使用HOG特征的KCF算法最早丟失跟蹤目標(biāo),其余算法在第91幀鏡頭抖動時跟丟目標(biāo)。但加入目標(biāo)重檢機(jī)制的新算法在第96幀就將目標(biāo)找回,剩余算法在第101幀找回。圖7(b)是目標(biāo)被遮擋時各算法跟蹤過程,在第346幀目標(biāo)被遮擋時大部分算法都丟失了目標(biāo)、將背景信息學(xué)入模板,所提算法此時停止對跟蹤模板的更新。第368幀目標(biāo)從遮擋物后離開,新算法使用最優(yōu)模板重新檢測目標(biāo)位置,將目標(biāo)成功找回。圖7(c)為目標(biāo)尺度發(fā)生變化時各算法的比較。從第66幀中可以看出,隨著目標(biāo)尺度的變化,只有所提算法和Staple算法的跟蹤框尺度隨著目標(biāo)發(fā)生變化。即便是在光照變化較大的第118幀中也跟蹤良好。在圖7(d)中目標(biāo)發(fā)生了圖像外的旋轉(zhuǎn)變化,Staple算法在第1093幀丟失目標(biāo),隨后HCF和KCF也逐漸丟失目標(biāo),只有所提算法和使用卷積特征的HDT跟蹤良好。

        圖6 9種算法在OTB50上的精確度和成功率

        圖7 不同算法在典型視頻上的部分跟蹤結(jié)果

        3 結(jié)束語

        基于通道選擇與目標(biāo)重檢的跟蹤算法以相關(guān)濾波類算法的理論框架為基礎(chǔ),使用卷積通道特征對位置濾波器進(jìn)行訓(xùn)練。通過對卷積通道的選擇降低特征的冗余度并降低由于使用卷積特征增加的計(jì)算量。使用目標(biāo)重檢機(jī)制有效減少跟蹤過程中目標(biāo)的丟失。借助尺度濾波使算法實(shí)現(xiàn)了尺度自適應(yīng)跟蹤。通過跟蹤模板條件更新將穩(wěn)定性差、可信度低的模板去掉,提升了算法精度和速度。從實(shí)驗(yàn)結(jié)果中可以看出,在應(yīng)對遮擋、尺度變化以及目標(biāo)丟失等問題時所提算法都跟蹤良好,總體性能超過了目前最新的跟蹤算法。需要指出的是,雖然所提算法利用通道選擇降低了計(jì)算復(fù)雜度,但在本實(shí)驗(yàn)環(huán)境下的跟蹤速度僅能達(dá)到4.5幀/秒,因此繼續(xù)提高算法速度使其達(dá)到實(shí)時跟蹤要求是下一步的工作。

        猜你喜歡
        濾波器尺度成功率
        基于無擾濾波器和AED-ADT的無擾切換控制
        成功率超70%!一張冬棚賺40萬~50萬元,羅氏沼蝦今年將有多火?
        如何提高試管嬰兒成功率
        財(cái)產(chǎn)的五大尺度和五重應(yīng)對
        從濾波器理解卷積
        電子制作(2019年11期)2019-07-04 00:34:38
        如何提高試管嬰兒成功率
        開關(guān)電源EMI濾波器的應(yīng)用方法探討
        電子制作(2018年16期)2018-09-26 03:26:50
        宇宙的尺度
        太空探索(2016年5期)2016-07-12 15:17:55
        基于TMS320C6678的SAR方位向預(yù)濾波器的并行實(shí)現(xiàn)
        研究發(fā)現(xiàn):面試排第四,成功率最高等4則
        海峽姐妹(2015年5期)2015-02-27 15:11:00
        国产成人AV无码精品无毒| 欧美老肥妇做爰bbww| 亚洲一卡2卡3卡4卡5卡精品 | 欧美中文字幕在线| 毛片av在线尤物一区二区| 久久精品中文字幕有码| 日韩人妻无码一区二区三区久久| 男女18禁啪啪无遮挡| 中文字幕乱码人妻无码久久久1| 精品视频手机在线免费观看| 狠狠色噜噜狠狠狠777米奇| 18禁超污无遮挡无码免费游戏| 中文字幕精品一二三区| 不卡av一区二区在线| 欧洲熟妇色xxxx欧美老妇软件| 亚洲精品乱码久久久久久久久久久久| 国产在线不卡视频| 亚洲福利视频一区二区三区| 中文区中文字幕免费看| 亚洲 欧美精品suv| 日韩无码尤物视频| 日本成人午夜一区二区三区| 东京道一本热中文字幕| 水蜜桃久久| 日本一区二区日韩在线| 永久免费毛片在线播放| 亚洲综合色自拍一区| 无码一区二区三区人| 婚外情长久的相处之道| 欧美性色黄大片手机版| 亚洲一区综合精品狠狠爱| 日本一级二级三级在线| 无码人妻精品中文字幕| 亚洲色无码播放| 成美女黄网站18禁免费| 国产av一区二区亚洲精品| 亚洲а∨精品天堂在线| 国产国拍亚洲精品午夜不卡17| 日韩在线精品免费观看| 国产精品538一区二区在线| 国产A√无码专区|