目标追踪专辑
目标追踪是一种通过分析图像序列，连续地跟踪目标在场景中运动和变化的技术。这项技术在多在计算机视觉中，目标追踪的重要性不可忽视。它为计算机系统提供了对场景变化的理解，为智能决策和应用提供了基础。目标追踪的准确性和实时性直接影响了其在各个应用领域的可行性和效果。为了更深入了解相关概念，整合了本刊发表的目标追踪方面的相关研究，共计12篇。制作了目标追踪专辑，欢迎浏览。
主题关键词： 目标跟踪计算机视觉车辆工程多目标跟踪
- 论文汇编
基于高分辨率孪生网络的无人机目标跟踪算法
摘要：针对无人机（UAV）目标跟踪任务中目标尺寸小、尺度变化明显和视点改变频繁等问题，本文提出一种基于高分辨率孪生网络的无人机目标跟踪算法。首先，利用改进高分辨率网络作为特征提取主干网络，并且采用动态多模板策略挖掘视频的帧间信息；然后，构建多帧特征融合模块，得到利于目标定位的融合特征；最后，选取无锚框策略定位目标位置，得到精确的跟踪结果。实验结果表明：本文算法在DTB70数据集测试的成功率和准确率分别为66.0%和84.7%，在UAV123数据集测试的成功率和准确率分别为65.7%和84.3%，有效地提升了目标跟踪性能。关键词：计算机视觉;目标跟踪;无人机;高分辨率孪生网络;多帧特征345|141|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于多重注意力机制的无锚框目标跟踪算法
摘要：针对现有孪生神经网络跟踪算法两个分支相互独立缺少信息交互，在受到目标遮挡、相似目标干扰等挑战下无法精确鲁棒跟踪目标的现状，提出了一种基于多重注意力机制的无锚框目标跟踪算法。使用多重注意力机制编码目标模板特征和搜索区域特征，通过自注意力机制提升特征显著性后，利用互注意力机制聚合目标模板与搜索区域之间的特征信息，强化了算法对目标和背景的鉴别能力。同时，引入无锚框机制，以逐像素的方式完成端到端的视觉目标跟踪任务，避免了锚框机制人为干预的弊端。实验结果表明，在OTB50、OTB100、GOT-10K公开数据集上，本文提出的基于多重注意力机制的无锚框目标跟踪算法针对目标遮挡以及相似目标干扰等挑战具有较强的鲁棒性，有效提升了跟踪算法的准确率和成功率。关键词：计算机视觉;目标跟踪;注意力机制;无锚框机制580|176|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于多任务联合学习的多目标跟踪方法
摘要：为提高多目标跟踪方法的跟踪效率，提出一种基于锚框对齐卷积特征的目标检测-表观特征提取联合网络（AAC-JDAN）。首先，在YOLOv3目标检测网络的基础上，引入锚框变换网络与锚框对齐卷积，使网络在获得旋转目标检测能力的同时，缓解现有方法中存在的检测-表观联合网络提取的表观特征与旋转目标之间关联性弱的问题；其次，通过在检测头部网络中加入目标表观特征提取分支，以多任务联合学习的方式对目标检测和目标表观特征提取两个子任务进行合并，实现对图像底层特征的共享，在检测目标的同时输出目标对应的表观特征向量，提高跟踪算法的整体效率；最后，提出一种快速的在线数据关联方法，结合AAC-JDAN获取的目标表观特征和卡尔曼滤波得到的目标运动状态预测结果，计算目标与轨迹段间的相似度矩阵并使用KM（Kuhn-Munkres）算法进行匹配，实现对视频中多个旋转目标的高效跟踪。在两个公共数据集和一个自定义数据集上进行实验，TPR指标、MOTA指标和IDF-1指标分别达到了80.4%、71.3%和69.5%，帧速率达到20 帧/s，表明本文方法在跟踪的实时性和准确性上达到了更好的平衡。关键词：计算机应用;多目标跟踪;旋转目标跟踪;多任务学习;深度学习272|96|0<HTML><网络PDF><WORD>更新时间：2025-05-26定位噪声统计特性未知的变分贝叶斯协同目标跟踪
摘要：为增强定位噪声统计特性未知情况下协同目标跟踪的可靠性，提出一种联合估计目标和协同车状态以及定位噪声统计参数的贝叶斯模型。为实现递推估计，设计了在线变分贝叶斯推断算法。仿真结果表明，当定位噪声的统计特性未知且随时间动态变化时，该算法可以有效提高目标跟踪的精度，与单车跟踪相比，协同跟踪误差可以降低18.7%~23.6%，与其他协同算法相比，误差可以降低4.8%~9.7%。关键词：车辆工程;多车协同;目标跟踪;变分贝叶斯推断;联合状态估计227|131|0<HTML><网络PDF><WORD>更新时间：2025-05-26表观增强的深度目标跟踪算法
摘要：针对基于深度神经网络视频实时目标跟踪的研究主要集中在骨干网优化方面，设计及训练均比较复杂的问题，本文提出一种新的表观增强的深度目标跟踪算法。首先，通过引入简单且易于实现的传统表观特征，直接与深层语义特征融合，增强了类内目标的区分能力；其次，通过投票机制及自适应搜索模块，增强了算法跟踪的鲁棒性。在VOT系列数据集上的测试结果表明：本文算法相对基准算法在平均重叠期望（EAO）上均有2%~4%的提升，准确性及鲁棒性指标达到甚至部分超过了现有复杂优化算法。关键词：计算机视觉;孪生网络;表观信息;投票机制;自适应搜索444|86|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于动态模板更新的孪生网络目标跟踪算法
摘要：全卷积孪生网络SiamFC++在复杂场景下，尤其是当目标外观发生剧烈变化时，跟踪准确性会受到严重影响，为此提出了一种基于动态更新模板的孪生网络目标跟踪算法。该算法使用ResNet-50作为骨干网络提取图像的深度特征，增强网络的特征提取能力。对于深度特征互相关操作得到的响应图，直接通过无锚的方式预测目标对象的位置和比例。针对模板更新，首先使用模板动态更新策略判断模板是否更新，若需要更新则采用模板更新子网络，为下一帧的跟踪估计最佳模板。实验结果表明，本文算法针对目标外观剧烈变化和大气环境影响具有较强的鲁棒性，有效提高了跟踪的准确率和成功率。同时平均速率达到32 帧/s，满足实时性要求。关键词：计算机视觉;目标跟踪;孪生网络;动态更新模板;无锚方式434|69|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于深度学习的行人多目标跟踪方法
摘要：综合了近年来基于检测跟踪的主流行人多目标跟踪方法，介绍了基于检测的行人多目标跟踪方法概念，从目标检测、特征提取和数据关联与跟踪三个阶段对行人多目标跟踪方法进行了概述，比较并评价了这些方法在MOTChallenge系列数据集上的性能，阐述了多目标跟踪的未来研究方向。关键词：计算机视觉;多目标跟踪;目标检测;特征提取;数据关联636|102|0<HTML><网络PDF><WORD>更新时间：2021-01-26基于联合概率数据关联的车用多传感器目标跟踪融合算法
摘要：针对智能车辆前向多传感器多目标跟踪融合问题，提出一种基于改进的联合概率数据关联的车用多传感器跟踪融合算法。首先,根据车辆坐标系和各传感器坐标系的相对运动关系，对多传感器数据进行坐标变换，之后采用基于改进的联合概率数据关联的单传感器多目标跟踪算法、基于相关序贯关联法的多传感器关联算法和凸组合融合算法实现了对目标的稳定跟踪与准确融合。最终，通过装备毫米波雷达和摄像头的实验车在实际交通环境下进行实车试验，试验结果表明：目标被稳定跟踪且融合结果具有良好的精度，验证了算法的可行性和有效性。关键词：车辆工程;联合概率数据关联;多传感器;目标跟踪;融合256|32|0<HTML><网络PDF><WORD>更新时间：2025-05-26跟踪-学习-检测框架下改进加速梯度的目标跟踪
摘要：单目标持久跟踪的主要难点是由于目标姿态、相似背景及遮挡等因素而导致的漂移问题。基于此提出了一种改进L1APG (L1 tracker using accelerated proximal gradient approach) 的目标-学习-检测(TLD)目标跟踪算法。首先,在L1APG跟踪器中加入遮挡检测判断;其次,将遮挡程度转换为目标模板和背景模板系数的权重;最后,用改进的L1APG跟踪器取代传统TLD框架中的跟踪器,自适应地根据遮挡程度改变模板系数,从而有效地提高了跟踪效果。实验表明:本文算法与传统TLD跟踪框架相比,能更好地处理遮挡和漂移问题,具有较好的稳定性和鲁棒性。关键词：人工智能;目标跟踪;目标-学习-检测;遮挡;漂移232|31|0<HTML><网络PDF>更新时间：2020-07-30遮挡环境下多示例学习分块目标跟踪
摘要：针对跟踪过程中遮挡导致错误累积而产生目标漂移甚至目标丢失的问题,提出多示例学习分块目标跟踪方法。该方法以随机蕨为基础检测器,通过多示例学习在线更新检测器,提高检测器对目标变化的适应能力及学习的准确性。将目标均匀分成多个子块,选取部分子块作为候选集合,每个候选块分配一个检测器,利用检测器完成每个候选块的跟踪,根据候选块的信息确定目标最终位置。实时检测候选块的有效性,替换无效的候选块,提高跟踪的鲁棒性。在目标被遮挡等复杂条件下,与目前主流跟踪算法进行了对比实验,结果表明该算法能够有效解决目标漂移甚至跟踪丢失问题,具有更高的跟踪精确度及更好的鲁棒性。关键词：信息处理技术;随机蕨分类器;多示例学习;分块;无效子块更换235|31|0<HTML><网络PDF>更新时间：2020-07-30
