典型文献
基于跨尺度特征聚合网络的行人检测与跟踪
文献摘要：
针对行人检测跟踪过程中目标空间尺度差异大、小目标漏检率高,以及跟踪稳定性差的问题,提出一种基于跨尺度特征聚合网络(TFACN)的行人多目标检测跟踪方法.该方法选取CenterNet网络作为目标检测器,并设计跨尺度特征聚合模块(TFA),对高、低层特征信息进行有效融合,实现对卷积层特征的增强表示,有效地降低虚警率、小目标的漏检率和计算复杂度;其次在高精度识别的基础上,结合自适应卡尔曼滤波,通过实时计算残差信息在线更新观测噪声协方差,对行人运动状态进行自适应估计,提高行人跟踪的位置估计精度.试验结果表明,本文算法相较于现有的算法,可以在较低的计算成本下获得更高的精度.
文献关键词：
行人检测;特征聚合;多目标跟踪;自适应滤波
中图分类号：
作者姓名：
刘康安;肖永超
作者机构：
上海工程技术大学 机械与汽车工程学院,上海201620
文献出处：
引用格式：
[1]刘康安;肖永超-.基于跨尺度特征聚合网络的行人检测与跟踪)[J].智能计算机与应用,2022(08):27-32,42
A类：
TFACN
B类：
跨尺度,尺度特征,特征聚合,聚合网络,行人检测,空间尺度,尺度差异,小目标,漏检率,多目标检测跟踪,跟踪方法,CenterNet,目标检测器,低层,特征信息,有效融合,卷积层,低虚警,虚警率,计算复杂度,高精度识别,自适应卡尔曼滤波,实时计算,在线更新,协方差,运动状态,自适应估计,高行,行人跟踪,位置估计,估计精度,计算成本,多目标跟踪,自适应滤波
AB值：
0.413864
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。
