复杂场景下基于特征融合的车辆跟踪
针对恶劣天气(阴天、雨天、雪天)、空气污染(雾霾天)、黑夜等复杂的视频拍摄场景导致的目标与背景相似以及孪生网络没有模型更新的车辆跟踪问题,在确保算法实时性的前提下,以SiamFC(全卷积孪生网络)为基础对其特征提取、模型更新进行改进,提出了一种利用特征融合获取目标的表观特征和语义特征以及模型更新阈值优化的方法.试验结果表明:所提算法实现了在复杂场景下的车辆跟踪,特别是在处理目标与背景相似问题上,具有很强的泛化能力及鲁棒性.
车辆跟踪、孪生网络、特征融合、语义特征、SiamFC算法、模型更新
32
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61971153
2021-03-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
478-483