• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于深度學(xué)習(xí)的目標(biāo)跟蹤與行為識別技術(shù)

    2024-04-28 16:31:56劉光明李媛
    科技創(chuàng)新與應(yīng)用 2024年12期
    關(guān)鍵詞:目標(biāo)跟蹤

    劉光明 李媛

    基金項目:甘肅省2023年技術(shù)創(chuàng)新引導(dǎo)計劃——科技專員專項(23CXGA0048);蘭州資源環(huán)境職業(yè)技術(shù)大學(xué)2023年科技研究室課題(無編號)

    第一作者簡介:劉光明(1974-),男,碩士,研究員。研究方向為高性能計算。

    DOI:10.19981/j.CN23-1581/G3.2024.12.038

    摘? 要:隨著人工智能算法模型技術(shù)的發(fā)展,目標(biāo)跟蹤和行為識別已經(jīng)成為計算機(jī)視覺領(lǐng)域的重要研究任務(wù)。該文介紹Yolo V7和Yolo V8這2個最新的目標(biāo)跟蹤和行為識別算法。重點介紹基于深度學(xué)習(xí)的目標(biāo)跟蹤技術(shù)中的目標(biāo)檢測與特征提取、目標(biāo)跟蹤與位置預(yù)測,以及介紹基于深度學(xué)習(xí)的行為識別技術(shù)中的視頻編碼與特征提取、行為分類與識別。此外,該文以Yolo V7和Yolo V8模型結(jié)構(gòu)為基礎(chǔ)構(gòu)建目標(biāo)跟蹤與行為識別的聯(lián)合學(xué)習(xí)。

    關(guān)鍵詞:目標(biāo)跟蹤;行為識別;Yolo V7;Yolo V8;聯(lián)合學(xué)習(xí)

    中圖分類號:TP183? ? ? 文獻(xiàn)標(biāo)志碼:A? ? ? ? ? 文章編號:2095-2945(2024)12-0164-04

    Abstract: With the development of artificial intelligence algorithm model technology, target tracking and behavior recognition have become important research tasks in the field of computer vision. This paper introduces two latest target tracking and behavior recognition algorithms, Yolo V7 and Yolo V8. This paper focuses on the target detection and feature extraction, target tracking and position prediction in the target tracking technology based on deep learning, and introduces the video coding and feature extraction, behavior classification and recognition in the behavior recognition technology based on deep learning. In addition, this paper constructs a joint learning of target tracking and behavior recognition based on the model structure of Yolo V7 and Yolo V8.

    Keywords: target tracking; behavior recognition; Yolo V7; Yolo V8; joint learning

    目標(biāo)跟蹤和行為識別技術(shù)可以幫助人們更好地理解和分析視頻數(shù)據(jù),為決策提供支持。傳統(tǒng)的目標(biāo)跟蹤和行為識別方法通常基于手工設(shè)計的特征提取和模式識別算法,這些方法往往受到光照變化、遮擋、噪聲等復(fù)雜環(huán)境因素的影響。

    目前,基于機(jī)器學(xué)習(xí)的代表性方法包括卡爾曼濾波器和粒子濾波器等線性濾波器,以及基于區(qū)域的方法,如滑動窗口法和輪廓檢測法等。這些方法通常需要手動選擇特征和調(diào)整參數(shù),難以適應(yīng)復(fù)雜場景和動態(tài)變化。

    深度學(xué)習(xí)在目標(biāo)檢測和行為識別領(lǐng)域取得了顯著進(jìn)展。在目標(biāo)檢測方面,Siamese網(wǎng)絡(luò)、CFNet和孿生網(wǎng)絡(luò)等方法通過訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)目標(biāo)的特征表示,進(jìn)而實現(xiàn)目標(biāo)的精確定位和跟蹤。其中,R-CNN系列模型,如R-CNN[1]、Fast R-CNN[2],通過改進(jìn)候選區(qū)域生成和特征提取方法,提高了目標(biāo)檢測的準(zhǔn)確性和效率。SSD模型[3]則通過多尺度預(yù)測層實現(xiàn)目標(biāo)檢測,具有高精度和快速的特點。而Yolo系列模型[4-5],特別是Yolo V3[6]、Yolo V4[7]和Yolo V5[8],作為單階段目標(biāo)檢測算法,在運(yùn)算速度和檢測精度上均表現(xiàn)出色,特別是Yolo V5在推理速度上被認(rèn)為目前最強(qiáng)。值得一提的是,曠世科技推出的Yolo V5s-Megvii版本在性能和速度上進(jìn)一步優(yōu)化,適用于多種實際應(yīng)用場景。在行為識別方面,深度神經(jīng)網(wǎng)絡(luò)同樣發(fā)揮著重要作用。3D CNN、RNN和LSTM等方法能夠自動學(xué)習(xí)視頻中的時間依賴關(guān)系和行為特征,進(jìn)而實現(xiàn)精準(zhǔn)的行為分類。這些方法為復(fù)雜場景下的人體行為分析提供了有力工具。眾多學(xué)者在目標(biāo)跟蹤和行為識別領(lǐng)域作出了杰出貢獻(xiàn)。例如,Stauffer和Grimson教授提出的自適應(yīng)背景模型為目標(biāo)檢測與跟蹤提供了新思路。Mori教授和Sung等人在行為識別方面也有深入研究,推動了該領(lǐng)域的發(fā)展。

    1? 基于深度學(xué)習(xí)的目標(biāo)跟蹤技術(shù)

    基于深度學(xué)習(xí)的目標(biāo)跟蹤技術(shù)包括特征提取、目標(biāo)檢測、特征匹配、數(shù)據(jù)關(guān)聯(lián)、狀態(tài)估計、預(yù)測與修正和數(shù)據(jù)輸出。這些方法的主要目的是將目標(biāo)物體與跟蹤器進(jìn)行匹配,以形成可靠的跟蹤軌跡。

    再者,多目標(biāo)跟蹤的難點在于如何有效地處理多個目標(biāo)之間的相互干擾和遮擋等問題。常用的多目標(biāo)跟蹤方法包括基于粒子濾波的方法、基于均值漂移的方法、基于CAMShift的方法等。本文考慮以最新的Yolo V7[9]和Yolo V8為例探討基于深度學(xué)習(xí)的目標(biāo)跟蹤技術(shù)。

    1.1? 目標(biāo)檢測與特征提取

    目標(biāo)檢測和特征提取是非常重要的任務(wù),其為后續(xù)的目標(biāo)識別、分類,以及跟蹤和位置預(yù)測等任務(wù)提供了基礎(chǔ)。以Yolo V7的目標(biāo)檢測器為例,Yolo V7 作為一種目標(biāo)檢測器,屬于一種更快更強(qiáng)的網(wǎng)絡(luò)架構(gòu),其精度和推理性能比較均衡。特征提取網(wǎng)絡(luò)采用了Darknet-53,其可以將輸入圖像轉(zhuǎn)換為一組固定大小的特征圖。目標(biāo)檢測是在特征提取的基礎(chǔ)上進(jìn)行的。在Yolo V7中,目標(biāo)檢測器通過多尺度特征融合處理后的特征圖解碼為最終的目標(biāo)檢測結(jié)果。此外,解碼器中的3個分支分別負(fù)責(zé)輸出不同數(shù)量的預(yù)測結(jié)果,這有助于提高目標(biāo)檢測的效率。因此,在Yolo V7中,目標(biāo)檢測和特征提取是相互關(guān)聯(lián)的。通過特征提取網(wǎng)絡(luò)提取出豐富的目標(biāo)信息,這些信息被用于目標(biāo)檢測任務(wù)中,從而實現(xiàn)對目標(biāo)的準(zhǔn)確識別和分類。

    而在Yolo V8模型中,目標(biāo)檢測和特征提取采用了CSPDarknet和Yolo V4-Head結(jié)構(gòu),特征提取部分采用了CSPDarknet。CSPDarknet將網(wǎng)絡(luò)分為2個部分,每個部分都包含多個殘差塊。目標(biāo)檢測部分采用了Yolo V4-Head結(jié)構(gòu),其包含了多個卷積層和池化層,用于對特征圖進(jìn)行處理和壓縮。然后,通過多個卷積層和全連接層,將特征圖轉(zhuǎn)換為目標(biāo)檢測結(jié)果。此外,Yolo V8還采用了一種基于Anchor-Free的檢測方式。這種方式直接預(yù)測目標(biāo)的中心點和寬高比例,而不是預(yù)測Anchor框的位置和大小,Yolo V8還采用了一種高效的特征提取和目標(biāo)檢測方式,具有更高的檢測精度和更快的檢測速度。

    1.2? 目標(biāo)跟蹤與位置預(yù)測

    目標(biāo)跟蹤是指在一系列圖像中識別和跟蹤特定目標(biāo)的位置和運(yùn)動信息。位置預(yù)測是在給定目標(biāo)的位置和運(yùn)動信息的情況下,預(yù)測目標(biāo)未來的位置和運(yùn)動狀態(tài)。這可以通過基于時間序列的模型、基于循環(huán)神經(jīng)網(wǎng)絡(luò)的模型、基于深度學(xué)習(xí)的模型等實現(xiàn)。

    在Yolo V7和Yolo V8中,目標(biāo)跟蹤和位置預(yù)測是重要的功能,可以幫助系統(tǒng)實現(xiàn)更準(zhǔn)確的目標(biāo)檢測和識別。在Yolo V7中,目標(biāo)跟蹤和位置預(yù)測采用了多尺度特征融合和解碼器分支的方法。此外,解碼器中的3個分支分別負(fù)責(zé)輸出不同數(shù)量的預(yù)測結(jié)果,這有助于提高目標(biāo)檢測的效率。

    在Yolo V8中,目標(biāo)跟蹤和位置預(yù)測采用了CSPDarknet和Yolo V4-Head結(jié)構(gòu)。CSPDarknet可以將網(wǎng)絡(luò)分為2個部分,每個部分都包含多個殘差塊,這可以有效地減少模型的參數(shù)量和計算量,同時提高特征提取的效率。Yolo V4-Head結(jié)構(gòu)則將特征圖轉(zhuǎn)換為目標(biāo)檢測結(jié)果,其中包括目標(biāo)的中心點和寬高比例等信息。這些信息可以用于目標(biāo)跟蹤和位置預(yù)測任務(wù)中,從而實現(xiàn)對目標(biāo)的準(zhǔn)確識別和分類。

    因此,Yolo V7和Yolo V8都采用了高效的目標(biāo)跟蹤和位置預(yù)測方法,這些方法可以幫助系統(tǒng)實現(xiàn)更準(zhǔn)確的目標(biāo)檢測和識別。隨著技術(shù)的不斷發(fā)展,未來的研究將更加注重提高目標(biāo)跟蹤和位置預(yù)測的準(zhǔn)確性和實時性,以及推廣應(yīng)用這些技術(shù)到更多的領(lǐng)域中。

    2? 基于深度學(xué)習(xí)的行為識別技術(shù)

    基于深度學(xué)習(xí)的行為識別技術(shù)主要分為基于圖像的行為識別和基于視頻的行為識別?;趫D像的行為識別通常利用靜態(tài)圖像或幀序列進(jìn)行分析,而基于視頻的行為識別則利用視頻流數(shù)據(jù)進(jìn)行實時分析。

    基于圖像的行為識別常用方法包括卷積神經(jīng)網(wǎng)絡(luò)(CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)。CNN可以有效地提取圖像中的特征,而RNN則可以處理序列數(shù)據(jù),如時間序列或文本序列?;赗NN的方法通常將圖像序列中的幀視為序列中的元素,并對序列進(jìn)行建模以識別行為。

    在基于視頻的行為識別中,常用的方法包括3D卷積神經(jīng)網(wǎng)絡(luò)(3D CNN)[10]和雙流網(wǎng)絡(luò)(Two-Stream Network)[11]。雙流網(wǎng)絡(luò)將視頻分為前景和背景2個流,分別進(jìn)行處理和分析,從而可以更準(zhǔn)確地識別行為。

    除了以上方法,基于深度學(xué)習(xí)的行為識別技術(shù)還涉及許多其他方法,如LSTM、GRU等循環(huán)神經(jīng)網(wǎng)絡(luò)方法,以及一些基于強(qiáng)化學(xué)習(xí)和生成對抗網(wǎng)絡(luò)的方法。

    2.1? 視頻編碼與特征提取

    在Yolo V7和Yolo V8中,視頻編碼和特征提取是重要的技術(shù),可以幫助系統(tǒng)實現(xiàn)更準(zhǔn)確的目標(biāo)檢測和識別。

    在Yolo V7中,視頻編碼采用了類似編碼器-解碼器結(jié)構(gòu),將視頻序列分為多個幀,并對每個幀進(jìn)行特征提取和目標(biāo)檢測。這種結(jié)構(gòu)可以有效地減少視頻數(shù)據(jù)的復(fù)雜度,同時提高目標(biāo)檢測的效率。

    在Yolo V8中,特征提取采用了CSPDarknet結(jié)構(gòu),其可以將網(wǎng)絡(luò)分為2個部分,每個部分都包含多個殘差塊。此外,Yolo V8還采用了YOLO V4-Head結(jié)構(gòu)進(jìn)行目標(biāo)檢測,其可以將特征圖轉(zhuǎn)換為目標(biāo)檢測結(jié)果,其中包括目標(biāo)的中心點和寬高比例等信息。這些信息可以用于目標(biāo)跟蹤和位置預(yù)測任務(wù),從而實現(xiàn)對目標(biāo)的準(zhǔn)確識別和分類。

    總的來說,Yolo V7和Yolo V8都采用了高效的視頻編碼和特征提取方法,這些方法可以幫助系統(tǒng)實現(xiàn)更準(zhǔn)確的目標(biāo)檢測和識別。隨著技術(shù)的不斷發(fā)展,未來的研究將更加注重提高視頻編碼和特征提取的準(zhǔn)確性和實時性,以及推廣應(yīng)用這些技術(shù)到更多的領(lǐng)域中。

    2.2? 行為分類與識別

    在Yolo V7和Yolo V8中,行為分類與識別是基于目標(biāo)檢測和特征提取的基礎(chǔ)上進(jìn)行的。

    在Yolo V7中,Head結(jié)構(gòu)將用于單標(biāo)簽分類的Softmax分類器改成多個獨立的用于多標(biāo)簽分類的Logistic分類器,取消了類別之間的互斥,可以使網(wǎng)絡(luò)更加靈活。這種方式可以更好地處理實際場景中一個檢測框可能含有多個物體或者有重疊的類別標(biāo)簽的情況。

    在Yolo V8中,行為分類與識別得到了進(jìn)一步的發(fā)展。其采用了CSPDarknet和Yolo V4-Head結(jié)構(gòu),提高了特征提取和目標(biāo)檢測的效率。同時,Yolo V8還支持物體檢測、實例分割、圖像分類等多種任務(wù),并捆綁了多種預(yù)訓(xùn)練模型,可擴(kuò)展到所有以前的版本。此外,Yolo V8還采用了新的骨干網(wǎng)絡(luò)和無錨頭結(jié)構(gòu),使得模型更加高效和準(zhǔn)確。

    總的來說,Yolo V7和Yolo V8在行為分類與識別方面都采用了多標(biāo)簽分類的方式,但Yolo V8在模型結(jié)構(gòu)、功能和應(yīng)用方面更加豐富和擴(kuò)展,可以更好地滿足實際應(yīng)用的需求。

    3? 目標(biāo)跟蹤與行為識別的聯(lián)合學(xué)習(xí)

    聯(lián)合學(xué)習(xí)將目標(biāo)跟蹤和行為識別結(jié)合起來通過共享底層特征,同時對目標(biāo)進(jìn)行檢測和分類,并利用時序信息進(jìn)行行為識別。在聯(lián)合學(xué)習(xí)中,采用一些集成學(xué)習(xí)將目標(biāo)跟蹤和行為識別結(jié)合起來。例如,將目標(biāo)跟蹤和行為識別看作是一個多任務(wù)學(xué)習(xí)問題,并使用一個共享的底層網(wǎng)絡(luò)來提取特征,然后分別使用不同的頂層網(wǎng)絡(luò)進(jìn)行分類?;蛘撸瑢⒛繕?biāo)跟蹤和行為識別看作是一個序列問題,并使用循環(huán)神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行建模。

    在實現(xiàn)聯(lián)合學(xué)習(xí)時,需要考慮如何將目標(biāo)跟蹤和行為識別的任務(wù)結(jié)合起來。這可以通過特征共享、多任務(wù)學(xué)習(xí)、序列建模來實現(xiàn)。特征共享將目標(biāo)跟蹤和行為識別的特征提取部分共享,以減少計算量和提高特征的利用率。多任務(wù)學(xué)習(xí)將目標(biāo)跟蹤和行為識別看作是一個多任務(wù)學(xué)習(xí)問題,并使用一個共享的底層網(wǎng)絡(luò)來提取特征,然后分別使用不同的頂層網(wǎng)絡(luò)進(jìn)行分類。序列建模將目標(biāo)跟蹤和行為識別看作是一個序列問題,并使用循環(huán)神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行建模。

    在聯(lián)合學(xué)習(xí)中,由于目標(biāo)跟蹤和行為識別是2個不同的任務(wù),因此數(shù)據(jù)標(biāo)注的方式也可能不同。為了實現(xiàn)聯(lián)合學(xué)習(xí),需要對數(shù)據(jù)進(jìn)行統(tǒng)一的標(biāo)注和處理,以保證模型的訓(xùn)練和測試的準(zhǔn)確性。

    在Yolo V7和Yolo V8中,目標(biāo)跟蹤與行為識別就是看作2個相互關(guān)聯(lián)的任務(wù)進(jìn)行聯(lián)合學(xué)習(xí)。目標(biāo)跟蹤通常需要檢測畫面中某個或某幾個特定人員的行為,這時候需要實時跟蹤這個人,并且知曉對應(yīng)人員的編號。這可以通過目標(biāo)檢測算法實現(xiàn),例如Yolo V7算法。然而,僅僅進(jìn)行目標(biāo)檢測無法滿足對行為識別的需求,因此需要將目標(biāo)跟蹤與行為識別結(jié)合起來。

    在Yolo V7和Yolo V8中,雖然官方并未明確提出聯(lián)合學(xué)習(xí)的概念,但是在實現(xiàn)目標(biāo)跟蹤和行為識別方面都采用了類似的方法。本文構(gòu)建了聯(lián)合學(xué)習(xí)框架圖(如圖1所示)。

    在聯(lián)合學(xué)習(xí)的框架圖中,將Yolo V7和Yolo V8的實現(xiàn)分為3個主要部分:數(shù)據(jù)預(yù)處理、特征提取、目標(biāo)跟蹤與行為識別。

    數(shù)據(jù)預(yù)處理。這一部分負(fù)責(zé)對輸入數(shù)據(jù)進(jìn)行預(yù)處理,包括圖像或視頻幀的裁剪、縮放、歸一化等操作。

    特征提取。在這一部分,數(shù)據(jù)將通過Yolo V7或Yolo V8的特征提取網(wǎng)絡(luò)進(jìn)行特征提取。Yolo V7采用類似編碼器-解碼器結(jié)構(gòu),將視頻序列分為多個幀,并對每個幀進(jìn)行特征提取和目標(biāo)檢測。Yolo V8則采用CSPDarknet結(jié)構(gòu),將網(wǎng)絡(luò)分為2個部分,每個部分都包含多個殘差塊。這些特征提取網(wǎng)絡(luò)將輸出特定于目標(biāo)檢測的特征圖,這些特征圖將用于目標(biāo)跟蹤和行為識別。

    目標(biāo)跟蹤與行為識別。在這一部分,將利用目標(biāo)檢測的結(jié)果(即檢測框的位置和大?。﹣磉M(jìn)行目標(biāo)跟蹤。同時,還將利用檢測框內(nèi)的目標(biāo)特征進(jìn)行行為識別。在Yolo V8中,這些模型更加豐富和擴(kuò)展,可以支持物體檢測、實例分割、圖像分類等多種任務(wù),并捆綁了多種預(yù)訓(xùn)練模型,可擴(kuò)展到所有以前的版本。

    在聯(lián)合學(xué)習(xí)的框架圖中,看到特征提取和目標(biāo)跟蹤與行為識別之間的聯(lián)系。通過共享底層特征,提高目標(biāo)跟蹤和行為識別的性能和準(zhǔn)確性。此外,還可以通過多任務(wù)學(xué)習(xí)和序列建模等方法將目標(biāo)跟蹤和行為識別結(jié)合起來,以充分利用2個任務(wù)的相關(guān)性和互補(bǔ)性。

    最后,聯(lián)合學(xué)習(xí)框架圖的訓(xùn)練和測試流程可以采用常規(guī)的機(jī)器學(xué)習(xí)流程進(jìn)行??梢酝ㄟ^定義損失函數(shù)來衡量模型的性能,并采用梯度下降等優(yōu)化算法來更新模型的參數(shù)。在測試階段,可以將輸入數(shù)據(jù)送入模型進(jìn)行預(yù)測,并評估模型的性能和準(zhǔn)確性。

    4? 結(jié)束語

    本文主要介紹了Yolo V7和Yolo V8這2個基于深度學(xué)習(xí)的目標(biāo)跟蹤和行為識別算法的最新進(jìn)展。Yolo V7提出了一種新的標(biāo)簽分配方法——MaxIOU,提高了目標(biāo)檢測的準(zhǔn)確性和穩(wěn)定性,同時采用了多標(biāo)簽分類的方法進(jìn)行行為識別。聯(lián)合學(xué)習(xí)是一種將目標(biāo)跟蹤和行為識別結(jié)合起來的方法,通過充分利用2個任務(wù)的相關(guān)性和互補(bǔ)性,提高了各自的性能和準(zhǔn)確性。本文總結(jié)了基于深度學(xué)習(xí)的目標(biāo)跟蹤和行為識別技術(shù)的發(fā)展趨勢和挑戰(zhàn),未來的研究將更加注重提高模型效率和泛化能力,同時解決實際應(yīng)用中的問題。

    參考文獻(xiàn):

    [1] GIRSHICK R, DONAHUE J, DARRELL T, et al. Rich feature hierarchies for accurate object detection and semantic segmentation[C]//In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2014:580-587.

    [2] GIRSHICK R. Fast R-CNN[C]// In Proceedings of the IEEE International Conference on Computer Vision (ICCV),2015.

    [3] LIU W, ANGUELOV D, ERHAN D, et al. SSD: single shot multiBox detector[C]//In Proceedings of the European Conference on Computer Vision (ECCV),2016:21-37.

    [4] RREDMON J,DIVVALA S,GIRSHICK R, et al. You only look once:unified, real-time object detection[C]//In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2016:779-788.

    [5] REDMON J,FARHADI A. YOLO9000:better, faster, stronger[C]//In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition(CVPR),2017:6517-6525.

    [6] REDMON J,FARHADI A. YOLOv3: An Incremental Improvement[J].arXiv preprint arXiv,2018:1804.02767.

    [7] BOCHKOVSKIY A, WANG C Y, LIAO H Y M. YOLOv4: ptimal speed and accuracy of object detection[J].arXiv preprint arXiv,2020:2004.10934.

    [8] QIAO S,CHEN L C,YUILLE A. DetectoRS: detecting objects with recursive feature pyramid and switchable atrous convolution[C]//In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition(CVPR),2021:1008-1017.

    [9] WANG C Y, BOCHKOVSKIY A, LIAO H Y M. YOLOv7: trainable bag-of-freebies sets new state-of-the-art for real-time object detectors[J].arXiv preprint arXiv,2022:2207.02696.

    [10] 李子君,魏振華,韓思明,等.基于3DCNN-BiConvLSTM的莫爾斯碼自動識別算法[J].無線電工程,2023,53(8):1862-1868.

    [11] 白雪.基于雙流網(wǎng)絡(luò)的人體動作識別[D].鄭州:鄭州大學(xué),2019.

    猜你喜歡
    目標(biāo)跟蹤
    多視角目標(biāo)檢測與跟蹤技術(shù)的研究與實現(xiàn)
    基于改進(jìn)連續(xù)自適應(yīng)均值漂移的視頻目標(biāo)跟蹤算法
    基于重采樣粒子濾波的目標(biāo)跟蹤算法研究
    航空兵器(2016年5期)2016-12-10 17:12:24
    空管自動化系統(tǒng)中航跡濾波算法的應(yīng)用與改進(jìn)
    科技視界(2016年5期)2016-02-22 12:25:31
    智能視頻技術(shù)在電力系統(tǒng)領(lǐng)域的應(yīng)用
    基于車牌識別的機(jī)混車道視頻測速算法
    自車速測量中的目標(biāo)檢測與跟蹤技術(shù)
    基于SIFT特征和卡爾曼濾波的運(yùn)動目標(biāo)跟蹤方法
    基于目標(biāo)跟蹤的群聚行為識別
    圖像跟蹤識別技術(shù)在煤炭運(yùn)量視頻管理系統(tǒng)中的研究
    内射极品少妇av片p| 黄色日韩在线| 免费黄色在线免费观看| 日本免费a在线| 中文精品一卡2卡3卡4更新| 色综合亚洲欧美另类图片| 亚洲,欧美,日韩| 99九九线精品视频在线观看视频| 国产高清不卡午夜福利| 看黄色毛片网站| 联通29元200g的流量卡| 中文字幕制服av| 国产亚洲最大av| 精品久久久久久电影网 | 久久99精品国语久久久| 国产av一区在线观看免费| 精品一区二区三区视频在线| 欧美性猛交黑人性爽| 中文精品一卡2卡3卡4更新| 七月丁香在线播放| 成年版毛片免费区| 国产成人福利小说| 国内少妇人妻偷人精品xxx网站| 亚洲欧美成人精品一区二区| 欧美性感艳星| 欧美+日韩+精品| 亚洲天堂国产精品一区在线| 在线免费观看不下载黄p国产| 男女视频在线观看网站免费| 久久人人爽人人爽人人片va| 国产免费一级a男人的天堂| 人妻少妇偷人精品九色| 免费av观看视频| 国产亚洲一区二区精品| 卡戴珊不雅视频在线播放| 久久久久久久久久黄片| 国产精品综合久久久久久久免费| 亚洲,欧美,日韩| 国产综合懂色| 热99re8久久精品国产| 国产一区有黄有色的免费视频 | 日韩欧美国产在线观看| 国产精品美女特级片免费视频播放器| 中国国产av一级| 又粗又硬又长又爽又黄的视频| 我的女老师完整版在线观看| 国产乱人视频| 精品人妻一区二区三区麻豆| 国产精品美女特级片免费视频播放器| 一个人观看的视频www高清免费观看| 丝袜美腿在线中文| 亚洲国产精品成人综合色| 国产精品女同一区二区软件| 国产免费福利视频在线观看| 国产伦一二天堂av在线观看| 国产单亲对白刺激| 色播亚洲综合网| 男女边吃奶边做爰视频| 3wmmmm亚洲av在线观看| 亚洲第一区二区三区不卡| 国产av码专区亚洲av| 九九在线视频观看精品| 波多野结衣巨乳人妻| 国产精品熟女久久久久浪| 久久久久久久久久黄片| 国产精品久久久久久精品电影| 一区二区三区高清视频在线| 秋霞伦理黄片| 中文字幕制服av| 国产精品国产三级国产专区5o | 一级毛片我不卡| 高清av免费在线| 日韩制服骚丝袜av| 免费观看a级毛片全部| 成人毛片a级毛片在线播放| 不卡视频在线观看欧美| 夫妻性生交免费视频一级片| a级一级毛片免费在线观看| 超碰97精品在线观看| 日本欧美国产在线视频| 免费观看性生交大片5| 97在线视频观看| 精华霜和精华液先用哪个| 国产亚洲5aaaaa淫片| 免费观看a级毛片全部| 婷婷色综合大香蕉| 99久久九九国产精品国产免费| 精品无人区乱码1区二区| 成人午夜高清在线视频| 亚洲高清免费不卡视频| 日韩av在线大香蕉| 久久久精品94久久精品| 国产精品人妻久久久影院| 激情 狠狠 欧美| 色播亚洲综合网| 精品久久久久久久末码| 国产免费视频播放在线视频 | 99视频精品全部免费 在线| 天堂影院成人在线观看| 国产一区有黄有色的免费视频 | 搡老妇女老女人老熟妇| 亚洲av男天堂| 亚洲怡红院男人天堂| 中文欧美无线码| 亚洲最大成人av| 国产黄a三级三级三级人| 2021天堂中文幕一二区在线观| 亚洲国产精品sss在线观看| www日本黄色视频网| 日韩中字成人| 日本与韩国留学比较| 高清午夜精品一区二区三区| 伦理电影大哥的女人| 国产精品乱码一区二三区的特点| 亚洲国产精品合色在线| 亚洲av电影不卡..在线观看| 少妇熟女欧美另类| 国产精品一区www在线观看| 99久久精品国产国产毛片| 国语对白做爰xxxⅹ性视频网站| 99久久无色码亚洲精品果冻| 国产黄片视频在线免费观看| 一级毛片久久久久久久久女| 成人漫画全彩无遮挡| 日本av手机在线免费观看| 国产精品精品国产色婷婷| 久久精品国产自在天天线| 人人妻人人澡欧美一区二区| 麻豆久久精品国产亚洲av| .国产精品久久| 国产精品国产高清国产av| 亚洲性久久影院| 欧美变态另类bdsm刘玥| 国产探花在线观看一区二区| 乱码一卡2卡4卡精品| 别揉我奶头 嗯啊视频| 老司机福利观看| 一级av片app| 一级黄片播放器| 国产精品美女特级片免费视频播放器| 亚洲四区av| 亚洲欧美清纯卡通| 最后的刺客免费高清国语| 亚洲精品影视一区二区三区av| 岛国在线免费视频观看| 搡老妇女老女人老熟妇| 乱人视频在线观看| 我的女老师完整版在线观看| 热99在线观看视频| 免费播放大片免费观看视频在线观看 | 国产成人精品婷婷| 国产精品av视频在线免费观看| 中文字幕av成人在线电影| 亚洲欧美日韩无卡精品| 日韩欧美三级三区| 一级二级三级毛片免费看| 亚洲高清免费不卡视频| 女人十人毛片免费观看3o分钟| 搡老妇女老女人老熟妇| 乱系列少妇在线播放| 国产久久久一区二区三区| 成人午夜高清在线视频| 日本免费a在线| 一级二级三级毛片免费看| av国产久精品久网站免费入址| 精品人妻熟女av久视频| 午夜免费激情av| 久久精品久久精品一区二区三区| 爱豆传媒免费全集在线观看| 国产精品一及| 国产男人的电影天堂91| 观看美女的网站| 亚洲婷婷狠狠爱综合网| 中文字幕熟女人妻在线| 日韩强制内射视频| 91精品伊人久久大香线蕉| 搡老妇女老女人老熟妇| 少妇裸体淫交视频免费看高清| 久久6这里有精品| 亚洲国产色片| 久久精品国产亚洲网站| 欧美成人午夜免费资源| 可以在线观看毛片的网站| 亚洲色图av天堂| 免费av不卡在线播放| 免费无遮挡裸体视频| 伦精品一区二区三区| 99久久九九国产精品国产免费| 国产三级中文精品| 亚洲av男天堂| 一个人看的www免费观看视频| 精品酒店卫生间| 国产精品久久久久久久电影| 日韩av不卡免费在线播放| 深夜a级毛片| 亚洲伊人久久精品综合 | 黑人高潮一二区| 又粗又硬又长又爽又黄的视频| 国产 一区精品| 亚洲精品日韩av片在线观看| 亚洲精品日韩av片在线观看| 国产一区二区三区av在线| 久久精品国产自在天天线| 婷婷六月久久综合丁香| 七月丁香在线播放| 国产国拍精品亚洲av在线观看| 九色成人免费人妻av| 国产一区二区亚洲精品在线观看| 嫩草影院精品99| 日日干狠狠操夜夜爽| 丝袜美腿在线中文| 国语对白做爰xxxⅹ性视频网站| 久久久色成人| 午夜激情福利司机影院| 又爽又黄无遮挡网站| 色尼玛亚洲综合影院| 嘟嘟电影网在线观看| 日韩欧美国产在线观看| 中国美白少妇内射xxxbb| 三级经典国产精品| 日本午夜av视频| 亚洲精品色激情综合| 五月玫瑰六月丁香| 久久精品综合一区二区三区| 日韩成人av中文字幕在线观看| 久久久久久久亚洲中文字幕| 成人午夜精彩视频在线观看| 高清午夜精品一区二区三区| 国产高潮美女av| 国产女主播在线喷水免费视频网站 | 亚洲国产欧洲综合997久久,| 一个人免费在线观看电影| 能在线免费观看的黄片| 老师上课跳d突然被开到最大视频| 日本一本二区三区精品| 久久这里有精品视频免费| 国产精品国产高清国产av| 亚洲第一区二区三区不卡| 午夜福利网站1000一区二区三区| 亚洲真实伦在线观看| 久久欧美精品欧美久久欧美| 亚洲精品日韩av片在线观看| 99久久中文字幕三级久久日本| 亚洲国产欧美人成| 亚洲av熟女| 在现免费观看毛片| 麻豆av噜噜一区二区三区| 亚洲国产精品国产精品| 成人一区二区视频在线观看| 国产伦在线观看视频一区| 国产精品一区二区在线观看99 | 国产视频内射| 又爽又黄a免费视频| 看黄色毛片网站| 网址你懂的国产日韩在线| 两个人的视频大全免费| 国产高潮美女av| 精品国产露脸久久av麻豆 | 免费看日本二区| 亚洲国产精品成人久久小说| 秋霞在线观看毛片| 99久久精品国产国产毛片| 久久精品国产亚洲网站| 国产91av在线免费观看| 国产精品野战在线观看| 三级经典国产精品| 人人妻人人澡欧美一区二区| 麻豆国产97在线/欧美| 国产真实乱freesex| 亚洲精品色激情综合| 欧美bdsm另类| 我要看日韩黄色一级片| 日本欧美国产在线视频| 最近最新中文字幕大全电影3| 黄色日韩在线| 亚洲综合色惰| 少妇猛男粗大的猛烈进出视频 | 欧美日韩国产亚洲二区| 欧美又色又爽又黄视频| 有码 亚洲区| 亚洲国产精品成人久久小说| 中文在线观看免费www的网站| 大又大粗又爽又黄少妇毛片口| 成人午夜精彩视频在线观看| 黄色日韩在线| 国产亚洲5aaaaa淫片| 我要看日韩黄色一级片| 亚洲成人久久爱视频| 亚洲三级黄色毛片| 中文亚洲av片在线观看爽| 一区二区三区高清视频在线| 亚洲伊人久久精品综合 | 极品教师在线视频| 欧美变态另类bdsm刘玥| 精品国产露脸久久av麻豆 | 联通29元200g的流量卡| 在线天堂最新版资源| 久久精品久久久久久噜噜老黄 | 国产成人午夜福利电影在线观看| 国产爱豆传媒在线观看| 麻豆国产97在线/欧美| 大香蕉97超碰在线| 久久精品国产鲁丝片午夜精品| 真实男女啪啪啪动态图| 在线a可以看的网站| 男女下面进入的视频免费午夜| 少妇裸体淫交视频免费看高清| 麻豆精品久久久久久蜜桃| 国产免费又黄又爽又色| 女人久久www免费人成看片 | 日韩欧美精品免费久久| 18禁动态无遮挡网站| 亚洲成av人片在线播放无| 国产免费福利视频在线观看| 精品一区二区免费观看| 一区二区三区四区激情视频| 99热全是精品| 国产久久久一区二区三区| 成人高潮视频无遮挡免费网站| 欧美日本亚洲视频在线播放| a级毛片免费高清观看在线播放| av视频在线观看入口| 51国产日韩欧美| 丝袜喷水一区| 网址你懂的国产日韩在线| 2021天堂中文幕一二区在线观| 床上黄色一级片| 亚洲va在线va天堂va国产| 中文字幕免费在线视频6| 国产亚洲精品av在线| 亚洲中文字幕一区二区三区有码在线看| 少妇丰满av| 日本av手机在线免费观看| 国产精品一二三区在线看| 欧美变态另类bdsm刘玥| 久久久午夜欧美精品| 亚洲成人中文字幕在线播放| 午夜a级毛片| av在线天堂中文字幕| 99久国产av精品| 插逼视频在线观看| 综合色av麻豆| 久久久久久久国产电影| 亚洲精品aⅴ在线观看| 超碰av人人做人人爽久久| 丝袜喷水一区| 日本五十路高清| 丝袜美腿在线中文| 久久久a久久爽久久v久久| 久久精品人妻少妇| 国产黄片视频在线免费观看| 丝袜喷水一区| av在线观看视频网站免费| 精品久久久久久久末码| 亚洲天堂国产精品一区在线| 国产一级毛片七仙女欲春2| 欧美一区二区国产精品久久精品| 日本黄色片子视频| 精品酒店卫生间| 亚洲av.av天堂| 国产成人aa在线观看| 精品久久久久久久人妻蜜臀av| 成人国产麻豆网| 久久久久网色| 国产午夜精品一二区理论片| 纵有疾风起免费观看全集完整版 | 国产色婷婷99| 全区人妻精品视频| 国产精品一及| 18禁裸乳无遮挡免费网站照片| 日本三级黄在线观看| 亚洲国产精品合色在线| av免费观看日本| 国产黄色小视频在线观看| 啦啦啦啦在线视频资源| 久久久久久久久久成人| 亚洲欧美精品专区久久| 综合色丁香网| 日韩一区二区三区影片| 中国美白少妇内射xxxbb| 神马国产精品三级电影在线观看| 久久久精品94久久精品| 狂野欧美白嫩少妇大欣赏| 国产成人一区二区在线| 村上凉子中文字幕在线| 欧美性感艳星| 99热这里只有是精品在线观看| 两性午夜刺激爽爽歪歪视频在线观看| www.色视频.com| 国产成人freesex在线| 色综合亚洲欧美另类图片| 日韩一区二区三区影片| 美女脱内裤让男人舔精品视频| 丰满乱子伦码专区| 蜜桃久久精品国产亚洲av| 两个人的视频大全免费| 免费看美女性在线毛片视频| 十八禁国产超污无遮挡网站| 纵有疾风起免费观看全集完整版 | 精品熟女少妇av免费看| 长腿黑丝高跟| 国产v大片淫在线免费观看| 亚洲第一区二区三区不卡| 狂野欧美激情性xxxx在线观看| 国产久久久一区二区三区| 男的添女的下面高潮视频| 青青草视频在线视频观看| 国产精品永久免费网站| 国内少妇人妻偷人精品xxx网站| 欧美一区二区亚洲| 国产精品永久免费网站| 又粗又爽又猛毛片免费看| or卡值多少钱| 中文字幕免费在线视频6| 亚洲av日韩在线播放| av在线天堂中文字幕| 亚洲久久久久久中文字幕| 国产精品一区二区性色av| 日本爱情动作片www.在线观看| 成人综合一区亚洲| 深夜a级毛片| 在线免费十八禁| 黄色一级大片看看| 国产男人的电影天堂91| 国产精品一二三区在线看| 一级黄色大片毛片| 欧美性猛交黑人性爽| 国产在视频线在精品| 欧美日韩精品成人综合77777| 国产亚洲一区二区精品| 久久久亚洲精品成人影院| 校园人妻丝袜中文字幕| 久久久久久久久久久丰满| 国产三级中文精品| 亚洲精品影视一区二区三区av| 秋霞伦理黄片| 26uuu在线亚洲综合色| 国产人妻一区二区三区在| 亚洲av中文字字幕乱码综合| 精华霜和精华液先用哪个| 精品久久久久久久末码| 亚洲人成网站在线观看播放| 日本色播在线视频| 亚洲欧美日韩卡通动漫| 午夜福利成人在线免费观看| 白带黄色成豆腐渣| 有码 亚洲区| 亚洲不卡免费看| 亚洲精品aⅴ在线观看| 国产亚洲最大av| 18禁动态无遮挡网站| 天堂中文最新版在线下载 | 建设人人有责人人尽责人人享有的 | 亚洲精品色激情综合| 久久草成人影院| 三级国产精品欧美在线观看| 亚洲av福利一区| 久久精品国产99精品国产亚洲性色| .国产精品久久| 激情 狠狠 欧美| 高清在线视频一区二区三区 | 国产私拍福利视频在线观看| 在线免费观看不下载黄p国产| 色综合色国产| 亚洲av免费在线观看| 久久久国产成人精品二区| 欧美三级亚洲精品| 69人妻影院| 一级毛片aaaaaa免费看小| 日韩精品有码人妻一区| 99热全是精品| 最近中文字幕2019免费版| 麻豆国产97在线/欧美| 亚洲人成网站在线播| 人妻夜夜爽99麻豆av| 成人午夜高清在线视频| 久久久久久久亚洲中文字幕| av在线观看视频网站免费| 性色avwww在线观看| 亚洲国产日韩欧美精品在线观看| 99热网站在线观看| 韩国av在线不卡| 高清午夜精品一区二区三区| 免费看美女性在线毛片视频| 精品国内亚洲2022精品成人| 久久久久精品久久久久真实原创| 中文字幕精品亚洲无线码一区| 九九在线视频观看精品| 国产精品精品国产色婷婷| 直男gayav资源| 天天躁夜夜躁狠狠久久av| 久久人人爽人人爽人人片va| 国产老妇伦熟女老妇高清| 久久亚洲国产成人精品v| 99热网站在线观看| 少妇熟女欧美另类| 国产精品电影一区二区三区| 男女啪啪激烈高潮av片| 精品免费久久久久久久清纯| 人妻系列 视频| 色综合色国产| 男女边吃奶边做爰视频| 欧美成人午夜免费资源| 日韩一本色道免费dvd| 亚洲国产精品成人综合色| 亚洲丝袜综合中文字幕| 热99在线观看视频| 亚洲欧美一区二区三区国产| 国语自产精品视频在线第100页| 少妇的逼好多水| 久久综合国产亚洲精品| 直男gayav资源| 亚洲精品,欧美精品| 日本一二三区视频观看| 久久久久久久久久成人| 精品午夜福利在线看| 亚洲欧美精品综合久久99| 国产精品综合久久久久久久免费| 91久久精品国产一区二区成人| a级一级毛片免费在线观看| 日韩制服骚丝袜av| 人妻系列 视频| 精品熟女少妇av免费看| 岛国在线免费视频观看| 国产在线男女| 最近最新中文字幕免费大全7| 国产精品久久久久久久久免| 三级国产精品欧美在线观看| 一个人观看的视频www高清免费观看| 国产精品人妻久久久久久| 精品午夜福利在线看| av黄色大香蕉| 欧美日韩精品成人综合77777| 最近的中文字幕免费完整| 成人毛片60女人毛片免费| 嫩草影院入口| 国产成人午夜福利电影在线观看| 国产精品国产三级国产av玫瑰| 亚洲精品456在线播放app| 又粗又爽又猛毛片免费看| 大香蕉97超碰在线| 国产老妇女一区| 99国产精品一区二区蜜桃av| 日韩成人伦理影院| 国产亚洲午夜精品一区二区久久 | 日本免费一区二区三区高清不卡| 亚洲欧美清纯卡通| 国产精品一区二区在线观看99 | av在线观看视频网站免费| 国产片特级美女逼逼视频| 国产熟女欧美一区二区| 好男人视频免费观看在线| www.av在线官网国产| 久久精品久久精品一区二区三区| 亚洲国产日韩欧美精品在线观看| 日本猛色少妇xxxxx猛交久久| av线在线观看网站| 亚洲成人中文字幕在线播放| 国产乱来视频区| 又粗又爽又猛毛片免费看| 男人和女人高潮做爰伦理| 欧美最新免费一区二区三区| 久久99热这里只频精品6学生 | 纵有疾风起免费观看全集完整版 | 国产成年人精品一区二区| 观看免费一级毛片| 亚洲综合色惰| 亚洲av不卡在线观看| 国产午夜精品久久久久久一区二区三区| 日韩 亚洲 欧美在线| 亚洲中文字幕一区二区三区有码在线看| 毛片一级片免费看久久久久| 精品少妇黑人巨大在线播放 | 亚洲国产日韩欧美精品在线观看| 国产精品爽爽va在线观看网站| 国产淫语在线视频| 国产成年人精品一区二区| 99热这里只有是精品50| 国产精品一区二区三区四区久久| 日本一本二区三区精品| 欧美精品国产亚洲| 国产色婷婷99| 国产成人精品婷婷| 天堂网av新在线| 国产欧美另类精品又又久久亚洲欧美| 精品人妻一区二区三区麻豆| 久久久成人免费电影| 中文在线观看免费www的网站| 色吧在线观看| 国产色爽女视频免费观看| 久久久久久久久久黄片| 国产又黄又爽又无遮挡在线| 97超视频在线观看视频| 天堂影院成人在线观看| 国产精品久久久久久精品电影| 久久精品国产亚洲av天美| 久久精品国产自在天天线| 晚上一个人看的免费电影| 91av网一区二区| 麻豆av噜噜一区二区三区| 自拍偷自拍亚洲精品老妇| 青春草国产在线视频| 久久99精品国语久久久| 麻豆精品久久久久久蜜桃| 亚洲真实伦在线观看| 久久精品国产亚洲网站| 久久国产乱子免费精品| 欧美成人午夜免费资源| 国产成年人精品一区二区| 久久精品熟女亚洲av麻豆精品 | 99久久九九国产精品国产免费| 国产高清有码在线观看视频| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲av一区综合| 亚洲性久久影院|