典型文献
基于视觉的水面背景下目标检测与跟踪算法
文献摘要：
为解决清漂船在复杂水面背景下对漂浮物体积较小或被遮挡的检测与跟踪问题,提出了一种基于视觉的水面背景下目标检测与跟踪算法,通过利用YOLO改进的多粒度特征融合方法使得模型在最终检测时所提取的特征向量考虑更多底层的特征,并引入K邻域搜索感兴趣区域模块,与长短期记忆神经网络(long-short term memory,LSTM)相结合,弥补了卷积神经网络的时序关联性差的缺陷,根据目标当前帧语义特征和运动特征预测下一帧中目标所在位置,能够更快地提取目标的特征,并且有效地去除复杂背景的干扰.实验结果表明:该算法的跟踪平均成功率、平均准确率和平均速度分别为57.1％、71.1％、45.4帧/s.较好解决因被检测目标过小的问题,提升在跟踪目标被遮挡的情况下的跟踪性能.
文献关键词：
跟踪算法;多粒度特征融合;YOLO;K邻域搜索;长短期记忆神经网络
中图分类号：
作者姓名：
詹云峰;黄志斌;付波;王小龙
作者机构：
湖北工业大学电气与电子工程学院,武汉430068
文献出处：
引用格式：
[1]詹云峰;黄志斌;付波;王小龙-.基于视觉的水面背景下目标检测与跟踪算法)[J].科学技术与工程,2022(33):14809-14819
A类：
B类：
水面,目标检测与跟踪,跟踪算法,漂浮物,遮挡,跟踪问题,YOLO,多粒度特征融合,融合方法,特征向量,邻域搜索,感兴趣区域,长短期记忆神经网络,long,short,term,memory,时序关联,语义特征,运动特征,特征预测,一帧,所在位置,复杂背景,平均准确率,平均速度,跟踪目标,跟踪性能
AB值：
0.321491
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。
