程帅
- 作品数：6 被引量：36H指数：4
- 供职机构：长春理工大学电子信息工程学院更多>>
- 发文基金：国家自然科学基金吉林省科技厅资助项目教育部留学回国人员科研启动基金更多>>
- 相关领域：自动化与计算机技术航空宇航科学技术更多>>
- 遮挡环境下多示例学习分块目标跟踪被引量：5
- 2017年
- 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。
- 才华陈广秋刘广文程帅于化东
- 关键词：信息处理技术多示例学习分块
- 多示例深度学习目标跟踪被引量：4
- 2015年
- 为解决多示例跟踪算法中外观模型和运动模型不足导致跟踪精度不高的问题,该文提出多示例深度学习目标跟踪算法。针对原始多示例跟踪算法中采用Haar-like特征不能有效表达图像信息的缺点,利用深度去噪自编码器提取示例图像的有效特征,实现图像信息的本质表达,易于分类器正确分类,提高跟踪精度。针对多示例学习跟踪算法中选取弱特征向量不能更换,难以反映目标自身和外界条件变化的缺点,在选择弱分类器过程中,实时替换判别力最弱的特征以适应目标外观的变化。针对原始多示例跟踪算法中运动模型中仅假设帧间物体运动不会超过某个范围,不能有效反映目标的运动状态的缺点,引入粒子滤波算法对目标进行预测,提高跟踪的准确性。在复杂环境下不同图片序列实验结果表明,与多示例跟踪算法及其他跟踪算法相比,该文算法具有更高跟踪精确度和更好的鲁棒性。
- 程帅孙俊喜曹永刚刘广文韩广良
- 关键词：目标跟踪多示例学习粒子滤波
- 增量深度学习目标跟踪被引量：17
- 2015年
- 由于现有目标跟踪算法在复杂环境下易发生目标漂移甚至跟踪丢失,故本文提出了以双重采样粒子滤波为框架,基于增量深度学习的目标跟踪算法。该算法在粒子滤波中引入粒子集规模自适应调整的双重采样来解决粒子衰减及贫化问题,并利用无监督特征学习预训练深度去噪自编码器以克服跟踪中训练样本的不足。将深度去噪自编码器应用到在线跟踪中,使提取的特征集合能够有效表达粒子图像区域。在深度去噪自编码器中添加了增量特征学习方法,得到了更有效的特征集以适应跟踪过程中目标外观变化。该方法还用线性支持向量机对特征集合进行分类,提高对粒子集合的分类精度,以得到更精确的目标位置。在复杂环境下对不同图片序列进行的实验表明:该算法的跟踪综合评价指标为94%、重叠率为74%,平均帧率为13frame/s。与现有的跟踪算法相比,本算法有效地解决目标漂移甚至跟踪丢失问题,并且对遮挡、相似背景、光照变化、外观变化具有更好的鲁棒性及精确度。
- 程帅孙俊喜曹永刚赵立荣
- 关键词：目标跟踪粒子滤波支持向量机
- 用基于二值化规范梯度的跟踪学习检测算法高效跟踪目标被引量：3
- 2015年
- 为提高复杂环境下TLD(Tracking-Learning-Detection)算法的跟踪精度和速度,提出基于二值化规范梯度(BING)的高效TLD目标跟踪算法。在跟踪器中引入基于时空上下文的局部跟踪器失败预测方法和全局运动模型评估算法,提高了跟踪器准确度和鲁棒性;用BING算法取代滑动窗口搜索策略,结合级联分类器实现目标检测,减少了检测器的检测范围,提高了检测的处理速度;将训练样本权重整合到在线学习过程中,改进级联分类器的分类准确度,解决了目标漂移问题。对不同的图片序列实验结果表明:本算法的跟踪正确率达85%,帧率达19.79frame/s。与原始TLD算法及其他主流跟踪算法相比较,该算法在复杂环境下具有更高的鲁棒性、跟踪精度及处理速度。
- 程帅曹永刚孙俊喜刘广文韩广良
- 关键词：目标跟踪加权
- 基于增强群跟踪器和深度学习的目标跟踪被引量：2
- 2015年
- 为解决基于外观模型和传统机器学习目标跟踪易出现目标漂移甚至跟踪失败的问题,该文提出以跟踪-学习-检测(TLD)算法为框架,基于增强群跟踪器(Fo T)和深度学习的目标跟踪算法。Fo T实现目标的预测与跟踪,增添基于时空上下文级联预测器提高预测局部跟踪器的成功率,快速随机采样一致性算法评估全局运动模型,提高目标跟踪的精确度。深度去噪自编码器和支持向量机分类器构建深度检测器,结合全局多尺度扫描窗口搜索策略检测可能的目标。加权P-N学习对样本加权处理,提高分类器的分类精确度。与其它跟踪算法相比较,在复杂环境下,不同图片序列实验结果表明,该算法在遮挡、相似背景等条件下具有更高的准确度和鲁棒性。
- 程帅曹永刚孙俊喜赵立荣刘广文韩广良
- 关键词：计算机视觉支持向量机
- 融合多级光照处理的车牌图像二值化算法被引量：6
- 2013年
- 针对车牌识别系统中,车牌区域由于不均匀光照影响,使得车牌图像二值化不理想的问题,提出一种融合多级光照处理的车牌图像二值化算法。该算法首先对车牌图像进行顶帽变换降低光照对背景影响;然后用Retinex算法抑制光照对前景影响,使车牌字符亮度均匀;最后依Z字形逐行扫描图像,利用动态阈值进一步减少光照不均对二值化方法的影响。实验结果表明,该算法简单、实用,能较好地克服不均匀光照对车牌图像二值化的干扰,使二值化图像字符清晰。
- 马超玉孙俊喜程帅阮光诗刘红喜
- 关键词：RETINEX算法不均匀光照
