典型文献
结合CNN和Bi-LSTM的多行人目标检测跟踪方法
文献摘要：
为了提高多行人检测跟踪的准确性和鲁棒性,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)和双向长短期记忆(Bi-directional Long-Short Term Memory,Bi-LSTM)网络的检测跟踪方法.训练一个CNN以测量2个检测跟踪框之间的相似度;为了求解数据关联问题,将检测结果作为节点,结合相似性度量和亲密度,构建Lifted行人跟踪图;为了解决长期遮挡和身份误换问题,提高跟踪鲁棒性,提出了一种改进Bi-LSTM网络预测行人的非线性运动,并利用目标运动信息来连接轨迹片段.仿真结果表明,与其他先进方法相比,所提方法具有更好的跟踪性能,在PETS2009数据集和CAVIAR数据集上的大部分跟踪(Most Tracking,MT)占比分别达到90.2％和79.1％,且身份误换的次数更少.
文献关键词：
行人检测;卷积神经网络;双向长短期记忆网络;数据关联问题;身份误换
中图分类号：
作者姓名：
欧群雍;谭同德;袁红斌
作者机构：
郑州工业应用技术学院信息工程学院,河南郑州 451150;郑州大学信息工程学院,河南郑州 450066;郑州西亚斯学院电子信息工程学院,河南郑州 451150
文献出处：
引用格式：
[1]欧群雍;谭同德;袁红斌-.结合CNN和Bi-LSTM的多行人目标检测跟踪方法)[J].无线电工程,2022(09):1633-1641
A类：
Lifted,身份误换,PETS2009,CAVIAR
B类：
Bi,多行,行人目标检测,目标检测跟踪,跟踪方法,行人检测,Convolutional,Neural,Network,directional,Long,Short,Term,Memory,个检,解数,数据关联问题,相似性度量,和亲,亲密度,行人跟踪,遮挡,非线性运动,目标运动,运动信息,接轨,跟踪性能,Most,Tracking,MT,双向长短期记忆网络
AB值：
0.326179
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
