• <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
    美女 人体艺术 gogo| 亚洲国产精品久久男人天堂| 中文字幕av在线有码专区| 久久鲁丝午夜福利片| 精品一区二区三区人妻视频| 国产成人91sexporn| 听说在线观看完整版免费高清| 日本一二三区视频观看| 一卡2卡三卡四卡精品乱码亚洲| 少妇的逼水好多| 高清午夜精品一区二区三区 | 高清毛片免费观看视频网站| 别揉我奶头 嗯啊视频| 成人欧美大片| 插逼视频在线观看| avwww免费| 美女xxoo啪啪120秒动态图| 亚洲欧美日韩高清专用| 国内精品久久久久精免费| 人人妻人人澡人人爽人人夜夜 | 国产精品人妻久久久久久| 夫妻性生交免费视频一级片| 一区福利在线观看| 男女视频在线观看网站免费| 国产精品伦人一区二区| 一个人看视频在线观看www免费| 一进一出抽搐gif免费好疼| www.色视频.com| 亚洲av第一区精品v没综合| 午夜爱爱视频在线播放| 免费一级毛片在线播放高清视频| 边亲边吃奶的免费视频| 精品久久久久久久久av| 熟女人妻精品中文字幕| 午夜视频国产福利| 亚洲激情五月婷婷啪啪| 国产视频首页在线观看| 日韩欧美精品免费久久| 成年av动漫网址| 91精品一卡2卡3卡4卡| 国产精品综合久久久久久久免费| 精品午夜福利在线看| 一个人观看的视频www高清免费观看| 两个人视频免费观看高清| 久久韩国三级中文字幕| 18禁裸乳无遮挡免费网站照片| 最后的刺客免费高清国语| 最后的刺客免费高清国语| 美女cb高潮喷水在线观看| 男插女下体视频免费在线播放| 欧美在线一区亚洲| 国产淫片久久久久久久久| 免费人成视频x8x8入口观看| 男插女下体视频免费在线播放| 一本一本综合久久| 51国产日韩欧美| 秋霞在线观看毛片| 久久精品国产鲁丝片午夜精品| 国产 一区 欧美 日韩| 天堂网av新在线| 啦啦啦韩国在线观看视频| 国产伦精品一区二区三区四那| 人人妻人人看人人澡| 国产成人精品久久久久久| 亚洲精品色激情综合| 国产成人影院久久av| 亚洲第一电影网av| 插逼视频在线观看| 麻豆国产97在线/欧美| 男人和女人高潮做爰伦理| 国产高清三级在线| 中文字幕av成人在线电影| 麻豆国产97在线/欧美| 亚洲欧美中文字幕日韩二区| 免费av观看视频| 国产乱人视频| 我要搜黄色片| 久久精品国产亚洲av天美| 老熟妇乱子伦视频在线观看| 99热只有精品国产| 可以在线观看的亚洲视频| 天堂网av新在线| 12—13女人毛片做爰片一| 中文精品一卡2卡3卡4更新| 给我免费播放毛片高清在线观看| 成人一区二区视频在线观看| 国产av在哪里看| 美女xxoo啪啪120秒动态图| 啦啦啦啦在线视频资源| 国产白丝娇喘喷水9色精品| 久久精品久久久久久噜噜老黄 | 精品久久久久久成人av| 夜夜看夜夜爽夜夜摸| 99久久中文字幕三级久久日本| 性色avwww在线观看| 国产综合懂色| 成人毛片a级毛片在线播放| 床上黄色一级片| 欧美xxxx性猛交bbbb| 看片在线看免费视频| 日韩av不卡免费在线播放| 国产一区二区激情短视频| 最近2019中文字幕mv第一页| 久久久久久久久久成人| 日日撸夜夜添| av女优亚洲男人天堂| av专区在线播放| 亚洲av中文av极速乱| 欧美性感艳星| 国产久久久一区二区三区| 亚洲成人av在线免费| 美女国产视频在线观看| 亚洲欧美中文字幕日韩二区| 亚洲在久久综合| 精华霜和精华液先用哪个| 99久久无色码亚洲精品果冻| 精品久久久久久久久久久久久| 亚洲人成网站在线播放欧美日韩| 国产精品人妻久久久影院| 午夜福利视频1000在线观看| 少妇的逼水好多| 国产极品精品免费视频能看的| 欧美日韩在线观看h| 国产黄色小视频在线观看| 男插女下体视频免费在线播放| 久久精品国产鲁丝片午夜精品| 九九在线视频观看精品| 波多野结衣高清作品| 最近2019中文字幕mv第一页| 91狼人影院| 精华霜和精华液先用哪个| 亚洲精品影视一区二区三区av| 级片在线观看| 欧美+亚洲+日韩+国产| 我要看日韩黄色一级片| 国产v大片淫在线免费观看| 大香蕉久久网| 国产男人的电影天堂91| 国产精品一二三区在线看| 伊人久久精品亚洲午夜| 久久久久久久久久黄片| 99热这里只有是精品在线观看| 免费看光身美女| 亚洲美女视频黄频| 精品一区二区三区视频在线| 久久久久久久久久成人| 国产精品av视频在线免费观看| 日韩欧美精品免费久久| 亚洲精华国产精华液的使用体验 | 一本精品99久久精品77| 此物有八面人人有两片| av卡一久久| 午夜久久久久精精品| 国产午夜福利久久久久久| 有码 亚洲区| a级毛色黄片| 国产精品.久久久| 美女黄网站色视频| 欧美丝袜亚洲另类| 成人亚洲欧美一区二区av| 亚洲av免费在线观看| 久99久视频精品免费| 91狼人影院| 婷婷六月久久综合丁香| 99热全是精品| www.av在线官网国产| 免费av毛片视频| av女优亚洲男人天堂| 麻豆成人av视频| 午夜a级毛片| 性插视频无遮挡在线免费观看| 国产 一区 欧美 日韩| 男女啪啪激烈高潮av片| 免费看美女性在线毛片视频| 日本三级黄在线观看| 国产午夜福利久久久久久| or卡值多少钱| 午夜福利成人在线免费观看| 精品人妻偷拍中文字幕| 一个人观看的视频www高清免费观看| 男女那种视频在线观看| 中文字幕av成人在线电影| 伦精品一区二区三区| 悠悠久久av| 舔av片在线| 国产v大片淫在线免费观看| 日本成人三级电影网站| 久久久久久大精品| 色尼玛亚洲综合影院| 色哟哟哟哟哟哟| 久久久精品欧美日韩精品| 成人亚洲精品av一区二区| 一个人看的www免费观看视频| av又黄又爽大尺度在线免费看 | 亚洲av不卡在线观看| 欧美三级亚洲精品| 两个人视频免费观看高清| 亚洲人成网站高清观看| 在线观看一区二区三区| 久久人人爽人人片av| 伦理电影大哥的女人| 亚洲国产欧美在线一区| a级毛色黄片| 免费av不卡在线播放| 成年女人永久免费观看视频| 国内久久婷婷六月综合欲色啪| 欧美精品一区二区大全| 久久6这里有精品| 国产精品麻豆人妻色哟哟久久 | 亚洲欧美精品自产自拍| 亚洲国产精品成人综合色| 国产探花在线观看一区二区| 久久国产乱子免费精品| 国产美女午夜福利| h日本视频在线播放| 少妇的逼好多水| 国产精品蜜桃在线观看 | 好男人视频免费观看在线| 啦啦啦韩国在线观看视频| 亚洲精品成人久久久久久| 国内精品宾馆在线| 婷婷精品国产亚洲av| 国国产精品蜜臀av免费| av在线老鸭窝| av在线观看视频网站免费| 亚洲高清免费不卡视频| 亚洲,欧美,日韩| 色吧在线观看| 精品久久久久久成人av| ponron亚洲| 男女视频在线观看网站免费| 人人妻人人看人人澡| 菩萨蛮人人尽说江南好唐韦庄 | 性欧美人与动物交配| 夜夜看夜夜爽夜夜摸| 久久综合国产亚洲精品| 国产探花在线观看一区二区| 91麻豆精品激情在线观看国产| a级毛色黄片| 夜夜看夜夜爽夜夜摸| 综合色丁香网| 直男gayav资源| 国产三级中文精品| 欧美成人一区二区免费高清观看| 亚洲性久久影院| 免费不卡的大黄色大毛片视频在线观看 | 国产精品一区二区在线观看99 | 中文字幕av成人在线电影| 欧美成人a在线观看| 国产成人午夜福利电影在线观看| 亚洲一级一片aⅴ在线观看| 亚洲成a人片在线一区二区| av.在线天堂| 青青草视频在线视频观看| 99热这里只有是精品50| 久久精品国产亚洲av香蕉五月| 夜夜爽天天搞| 国产成人freesex在线| 99在线人妻在线中文字幕| 麻豆av噜噜一区二区三区| 亚洲第一区二区三区不卡| 一夜夜www| 日韩一区二区视频免费看| 日韩精品有码人妻一区| 少妇熟女欧美另类| 国产高潮美女av| 欧美xxxx黑人xx丫x性爽| 亚洲成av人片在线播放无| 美女黄网站色视频| 久久久久久久久久久丰满| 亚洲精品久久久久久婷婷小说 | 一级黄片播放器| 高清午夜精品一区二区三区 | av.在线天堂| 一区二区三区四区激情视频 | 69av精品久久久久久| 国产欧美日韩精品一区二区| 亚洲一级一片aⅴ在线观看| 99久国产av精品| 亚洲精品自拍成人| 亚洲国产色片| 午夜福利在线观看免费完整高清在 | 日韩大尺度精品在线看网址| 久久精品国产清高在天天线| 校园春色视频在线观看| 亚洲国产精品sss在线观看| 可以在线观看的亚洲视频| 国产亚洲精品久久久久久毛片| 免费看美女性在线毛片视频| 日韩在线高清观看一区二区三区| 国产一区亚洲一区在线观看| 在线播放国产精品三级| 日韩精品有码人妻一区| 久久精品国产99精品国产亚洲性色| 国产精品一区二区性色av| 两个人视频免费观看高清| 国产午夜精品一二区理论片| 99热只有精品国产| 国产又黄又爽又无遮挡在线| 国内揄拍国产精品人妻在线| 久久草成人影院| 精品人妻偷拍中文字幕| 成人性生交大片免费视频hd| 寂寞人妻少妇视频99o| 国产精品久久久久久av不卡| 国产成人freesex在线| 淫秽高清视频在线观看| 99久久精品一区二区三区| 久久精品国产清高在天天线| 亚洲国产精品国产精品| 亚洲欧美成人综合另类久久久 | 午夜精品国产一区二区电影 | 国产精品久久久久久久电影| 国产精品爽爽va在线观看网站| 麻豆精品久久久久久蜜桃| 成人高潮视频无遮挡免费网站| 欧美bdsm另类| 看十八女毛片水多多多| 色吧在线观看| 国产亚洲欧美98| 国产精品.久久久| 日韩欧美三级三区| 日本黄色片子视频| 亚洲电影在线观看av| 变态另类丝袜制服| 亚洲成a人片在线一区二区| 网址你懂的国产日韩在线| 国产一区亚洲一区在线观看| 一级av片app| 小说图片视频综合网站| 乱人视频在线观看| 久久人妻av系列| 国产乱人视频| 欧美xxxx黑人xx丫x性爽| 亚洲无线观看免费| 免费看美女性在线毛片视频| 国产精品99久久久久久久久| 超碰av人人做人人爽久久| 国产成人午夜福利电影在线观看| 激情 狠狠 欧美| 欧美潮喷喷水| 欧美性猛交黑人性爽| 啦啦啦韩国在线观看视频| 亚洲国产欧美在线一区| 99热精品在线国产| 久久人人爽人人爽人人片va| 国产探花在线观看一区二区| 国产精品三级大全| 国产伦精品一区二区三区四那| 国产国拍精品亚洲av在线观看| 精品久久久久久久久久免费视频| av又黄又爽大尺度在线免费看 | 日日摸夜夜添夜夜添av毛片| 九九热线精品视视频播放| 99精品在免费线老司机午夜| 国产成人福利小说| 欧美最黄视频在线播放免费| 哪里可以看免费的av片| 国产激情偷乱视频一区二区| 日韩精品有码人妻一区| 久久久久久久久久久丰满| 亚洲美女视频黄频| 高清在线视频一区二区三区 | 亚洲av免费在线观看| 久久精品国产亚洲av天美| 最新中文字幕久久久久| 午夜福利成人在线免费观看| 18禁黄网站禁片免费观看直播| a级毛色黄片| 午夜福利在线在线| 美女高潮的动态| 亚洲欧美精品专区久久| 婷婷色av中文字幕| 看非洲黑人一级黄片| 成人亚洲精品av一区二区| 日本色播在线视频| 一卡2卡三卡四卡精品乱码亚洲| 黄片wwwwww| 成年免费大片在线观看| av国产免费在线观看| 嘟嘟电影网在线观看| 亚洲乱码一区二区免费版| 人妻系列 视频| 亚洲精品日韩在线中文字幕 | 在线观看一区二区三区| 亚洲图色成人| 色吧在线观看| 中文字幕久久专区| 色综合站精品国产| 日韩欧美在线乱码| 深爱激情五月婷婷| 大香蕉久久网| 亚洲高清免费不卡视频| 欧美三级亚洲精品| 精品人妻熟女av久视频| 99国产极品粉嫩在线观看| 成年免费大片在线观看| 看非洲黑人一级黄片| 校园春色视频在线观看| 亚洲av.av天堂| 亚洲第一电影网av| 精品午夜福利在线看| 国产探花在线观看一区二区| 一级毛片电影观看 | 一个人看视频在线观看www免费| 69人妻影院| 国产毛片a区久久久久| 狠狠狠狠99中文字幕| 日韩国内少妇激情av| 日本爱情动作片www.在线观看| 日韩国内少妇激情av| 日日摸夜夜添夜夜爱| 老熟妇乱子伦视频在线观看| 一本久久精品| 一进一出抽搐gif免费好疼| 最近2019中文字幕mv第一页| 国产午夜精品久久久久久一区二区三区| 99热这里只有是精品在线观看| 亚洲成人精品中文字幕电影| 中文字幕制服av| 久久亚洲精品不卡| 国产成人a区在线观看| 九色成人免费人妻av| 久久这里有精品视频免费| 中文字幕熟女人妻在线| 亚洲性久久影院| 久久6这里有精品| 国产精品1区2区在线观看.| 性色avwww在线观看| 精品一区二区三区人妻视频| 人妻系列 视频| av免费观看日本| 精品99又大又爽又粗少妇毛片| 国产精品av视频在线免费观看| 国产亚洲av片在线观看秒播厂 | 亚洲中文字幕一区二区三区有码在线看| 99在线视频只有这里精品首页| 男的添女的下面高潮视频| 少妇人妻精品综合一区二区 | av女优亚洲男人天堂| 波多野结衣高清无吗| 国产日本99.免费观看| 久久99蜜桃精品久久| www.色视频.com| 亚洲国产精品成人久久小说 | a级毛色黄片| 精华霜和精华液先用哪个| 九九爱精品视频在线观看| 亚洲一级一片aⅴ在线观看| 又爽又黄a免费视频| 免费观看的影片在线观看| 天堂中文最新版在线下载 | 日日摸夜夜添夜夜添av毛片| 观看美女的网站| 亚洲经典国产精华液单| 午夜免费激情av| 1000部很黄的大片| 国产视频内射| 国产伦精品一区二区三区视频9| 久久久a久久爽久久v久久| 国产一区二区激情短视频| 日日摸夜夜添夜夜添av毛片| 欧美在线一区亚洲| 寂寞人妻少妇视频99o| 国产中年淑女户外野战色| 97人妻精品一区二区三区麻豆| 亚洲不卡免费看| 国产精品一区二区三区四区久久| 亚洲精华国产精华液的使用体验 | 久久精品91蜜桃| 国产黄色视频一区二区在线观看 | 亚洲av一区综合| 内射极品少妇av片p| 卡戴珊不雅视频在线播放| 国产午夜福利久久久久久| 在线免费观看不下载黄p国产| 美女大奶头视频| 别揉我奶头 嗯啊视频| 国产高清视频在线观看网站| kizo精华| 亚洲婷婷狠狠爱综合网| 一进一出抽搐gif免费好疼| 亚洲一区高清亚洲精品| 久久精品国产亚洲av香蕉五月| 精品久久久久久久久久免费视频| 国产视频首页在线观看| h日本视频在线播放| 国产精品嫩草影院av在线观看| 日韩av不卡免费在线播放| 中出人妻视频一区二区| 深夜精品福利| 日日摸夜夜添夜夜添av毛片| 亚洲高清免费不卡视频| 亚洲三级黄色毛片| 成年女人永久免费观看视频| 国产伦一二天堂av在线观看| 97热精品久久久久久| 成人毛片60女人毛片免费| 久久精品久久久久久久性| 亚洲精品日韩av片在线观看| 性欧美人与动物交配| 国产真实伦视频高清在线观看| 亚洲国产精品久久男人天堂| 久久精品综合一区二区三区| 老师上课跳d突然被开到最大视频| 长腿黑丝高跟| 国产精品乱码一区二三区的特点| videossex国产| 中文字幕av成人在线电影| 欧美成人免费av一区二区三区| 国产精品免费一区二区三区在线| 亚洲精华国产精华液的使用体验 | 亚洲一区二区三区色噜噜| 国产69精品久久久久777片| 搡女人真爽免费视频火全软件| 国产精品电影一区二区三区| 亚洲欧美日韩卡通动漫| 1000部很黄的大片| 国产v大片淫在线免费观看| 爱豆传媒免费全集在线观看| 欧美+日韩+精品| 性色avwww在线观看| 神马国产精品三级电影在线观看| 色尼玛亚洲综合影院| 久久精品综合一区二区三区| 色综合色国产| 国产人妻一区二区三区在| 婷婷色综合大香蕉| 青春草视频在线免费观看| 最近中文字幕高清免费大全6| 亚洲中文字幕日韩| 成年免费大片在线观看| 久久久久久久久久黄片| 搞女人的毛片| 禁无遮挡网站| 日本色播在线视频| 99热精品在线国产| 丝袜美腿在线中文| 大型黄色视频在线免费观看| 色尼玛亚洲综合影院| 丰满乱子伦码专区| 精品不卡国产一区二区三区| 非洲黑人性xxxx精品又粗又长| 日韩制服骚丝袜av| 欧美日本视频| 插阴视频在线观看视频| 日本五十路高清| 国产 一区 欧美 日韩| 青青草视频在线视频观看| 国产精品久久久久久久电影| 一级av片app| 久久精品影院6| 九草在线视频观看| 午夜爱爱视频在线播放| 亚洲美女视频黄频| 18+在线观看网站| 亚洲va在线va天堂va国产| 亚洲精品自拍成人| 级片在线观看| 在线观看美女被高潮喷水网站| 国产一级毛片七仙女欲春2| 中出人妻视频一区二区| 亚洲精品粉嫩美女一区| 亚洲av二区三区四区| 精品无人区乱码1区二区| 91麻豆精品激情在线观看国产| 国产伦在线观看视频一区| 国内精品宾馆在线| 国产不卡一卡二| 少妇的逼水好多| 国产成人影院久久av| 91aial.com中文字幕在线观看| 国产成人a区在线观看| 91在线精品国自产拍蜜月| 成人毛片a级毛片在线播放| 久久精品国产亚洲av天美| 中文字幕熟女人妻在线| 亚洲第一区二区三区不卡| 极品教师在线视频| 亚洲内射少妇av| 欧美最新免费一区二区三区| 日本撒尿小便嘘嘘汇集6| 国产成年人精品一区二区| 少妇熟女aⅴ在线视频| 国产淫片久久久久久久久| 热99在线观看视频| 18+在线观看网站| 久久国内精品自在自线图片| 3wmmmm亚洲av在线观看| 欧美变态另类bdsm刘玥| 高清毛片免费观看视频网站| 五月伊人婷婷丁香| 看黄色毛片网站| 能在线免费看毛片的网站| 国产 一区精品| 免费一级毛片在线播放高清视频| 在线观看午夜福利视频| 久久国产乱子免费精品| 日韩一区二区视频免费看| 18禁裸乳无遮挡免费网站照片| 国产三级在线视频| 欧美最黄视频在线播放免费| 久久午夜福利片| 国产真实伦视频高清在线观看| 美女被艹到高潮喷水动态| 成人无遮挡网站| 亚洲精品成人久久久久久| 18+在线观看网站| 国内精品宾馆在线| 亚洲美女视频黄频| 欧美日韩国产亚洲二区| 能在线免费观看的黄片| 99久久中文字幕三级久久日本| 亚洲欧美日韩东京热| 99热6这里只有精品|