研究在低光和广场视频中微小物体的感知方法
Zhaodong Xie1,2, Zhenhong Jia3, Gang Zhou1
1The Key Laboratory of Signal Detection and Processing, College of Information Science and Engineering, Xinjiang University, Urumqi, 830046, China.
Scientific reports
|July 26, 2024
概括
这项研究引入了一种新型的相关性过器 (CF) 追踪器,可以提高低光对象追踪的准确性. 改进的方法在具有挑战性的夜间监控场景中表现出色,性能优于现有的追踪器.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 监控技术 监控技术 监控技术
背景情况:
- 现有的物体追踪器在低光条件下扎,导致夜间监视的准确性下降.
- 挑战包括高分辨率,复杂的背景和眼视频中的目标背景相似性.
- 以前的方法在低光,广场场景下无法有效追踪小物体.
研究的目的:
- 开发一种先进的追踪器,用于在低光和夜间监视下强大的微小物体跟踪.
- 解决当前追踪器在具有挑战性的视觉环境中的局限性.
- 引入一种新的方法,将差异约束方法集成到相关性过器中.
主要方法:
- 将差异约束方法集成到相关性过器 (CF) 追踪器中.
- 使用框架间差异信息生成变化感知面具.
- 实现双回归模型与双学习的框架间差异约束项.
主要成果:
- 拟议的方法在低光和夜间监控跟踪方面表现出卓越的准确性.
- 它在41个眼序列的新建基准上超越了最先进的追踪器.
- 在单个CPU上实现的每秒27 (fps) 的实时性能.
结论:
- 新型CF追踪器在挑战低光监控方面显著提升了微小物体跟踪能力.
- 该方法为夜间拍摄的眼监控视频提供了强大的解决方案.
- 该方法在准确性和实时性能方面比现有追踪器大大改善.
