一种基于跟踪置信度分析与自适应尺度处理的抗遮挡目标跟踪方法

    公开(公告)号:CN117495905A

    公开(公告)日:2024-02-02

    申请号:CN202311466190.1

    申请日:2023-11-06

    摘要: 一种基于跟踪置信度分析与自适应尺度处理的抗遮挡目标跟踪方法,根据目标不同跟踪状态,采取不同的特征融合方式,得到目标融合特征;根据相关滤波响应,计算目标跟踪置信度,以反映目标处于正常跟踪、轻微遮挡或严重遮挡的状态;当目标被严重遮挡、出视野或发生大幅形变时,进行中心扩散搜索,以前一帧目标位置为中心生成一系列候选区域,计算相关响应,得到遮挡处理的最佳目标位置;在非正常跟踪情况下,采用动态学习率调整方法,以确保中心扩散搜索的有效性,并提高处理速度;应用边框相关滤波提取边界框,并采用自适应尺度处理方法得到最终目标框,实现目标跟踪。本发明可实现对视频图像中遮挡目标的跟踪,降低了计算成本且目标跟踪精度较高。

    一种基于生成对抗网络的自适应的图像超分辨重建方法

    公开(公告)号:CN117541472A

    公开(公告)日:2024-02-09

    申请号:CN202311486600.9

    申请日:2023-11-08

    摘要: 一种基于生成对抗网络的自适应图像超分辨重建方法,在生成模块中去掉残差块的批处理规范化层,以更全面地保留单张图像的细节信息;在前两层用于特征提取的卷积层后分别加入细节自适应模块,自适应地捕获图像的重点细节特征信息,然后重新分配该细节特征信息的权重,整合每层卷积捕获的重点细节特征信息,生成超分辨率图像;将超分辨率图像和高分辨率图像输入判别模块,在判别模块的每个卷积层后引入损失自适应模块,通过损失自适应模块获取分层损失,然后将分层损失进行加权求和,动态地优化损失函数,并联合Sigmoid函数的输出值共同判别超分辨图像的真假。本发明在对复杂图像进行超分时,能获得更清晰的高分辨率图像。