面向智能海洋系统的自选择相关船舶跟踪方法
计算机视觉与模式识别
2019-02-27 v1
摘要
近年来，随着海洋产业发展，航行环境日趋复杂。计算机视觉等人工智能技术可识别、跟踪与计数航行船舶，以保障海上安全并便利智能海洋系统管理。针对传统相关滤波方法的尺度问题与边界效应问题，我们提出一种基于边界框回归(BRCF)的自选择相关滤波方法。所提方法主要包括：1) 一种带负样本挖掘的自选择模型，在增强分类器分类能力的同时有效降低边界效应；2) 结合关键点匹配方法的边界框回归方法用于尺度预测，实现快速高效计算。实验结果表明，所提方法可有效应对船舶尺寸变化与背景干扰问题。在实验室海上交通数据集上，成功率与精度均高于判别尺度空间跟踪(DSST)逾8个百分点。在处理速度方面，所提方法高于DSST近22帧每秒(FPS)。
引用
@article{arxiv.1902.09690,
title = {Self-Selective Correlation Ship Tracking Method for Smart Ocean System},
author = {Xu Kang and Bin Song and Jie Guo and Xiaojiang Du and Mohsen Guizani},
journal= {arXiv preprint arXiv:1902.09690},
year = {2019}
}