引入视觉注意机制的目标跟踪方法综述

实时目标检测算法YOLOv3的检测速度较快且精度良好，但存在边界框定位不够精确、难以区分重叠物体等不足。提出了Attention-YOLO算法，该算法借鉴了基于项的注意力机制，将通道注意力及空间注意力

摘要: 为提高城市交通环境下车辆主动安全性,保障行人安全,提出了基于车载视觉传感器的行人保护方法。利用Adaboost 算法实现行人的快速检测,结合Kalman 滤波原理跟踪行人,以获取其运行轨迹。

为向驾驶者提供有效的车辆位置信息,提高驾驶安全性,提出了一种融合多种目标特征的单目视觉车辆检测与跟踪方法。首先,利用车辆尾部的结构对称性提取出感兴趣区域,减少搜索范围。再利用车辆底部的阴影特征,在感兴

注意机制,matlab,

Linux-PAM(用于Linux的PAM(可插式认证模块))可以被看作是一组共享库，而通过Linux-PAM，系统管理员可以自由选择应用程序使用的认证机制。文中分析了Linux-PAM机制的工作原理

针对传统粒子群优化算法中惯性权重调节机制的局限性，提出一种改进的粒子群优化算法，并应用到目标跟踪领域。首先，对目标及相应参数进行初始化；然后，引入粒子进化率的概念，对惯性权重调节机制进行改进，根据每代

New target tracking method for video images

近年来卷积神经网络框架被成功地应用到目标跟踪领域, 并取得了较为稳健的跟踪结果。基于此思想, 提出一种基于定位-分类-匹配模型的目标跟踪方法。首先, 在定位模型中, 利用前一帧的位置信息预测当前帧中的

针对利用Gabor小波进行目标识别的过程中参数序列过多的问题,提出一种新的参数组合选取原则.该方法利用Gabor小波参数特性,配合能量函数构成图像的特征点集合.同时提出了基于统计模型的自适应非线性滤波

提出了广义合作目标的概念及误差空间估计方法，提高了光电跟踪系统的跟踪精度与平稳性。该方法采用引导数据与引导误差描述目标的运动，通过将目标的机动分散到引导数据和引导误差，在目标状态空间中根据目标的运动模