• <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
    欧美在线黄色| 午夜成年电影在线免费观看| 国产精华一区二区三区| 国产午夜精品久久久久久| 日韩欧美一区二区三区在线观看| 亚洲精品一区av在线观看| 白带黄色成豆腐渣| 天堂av国产一区二区熟女人妻 | 国产69精品久久久久777片 | 成人手机av| 亚洲欧美一区二区三区黑人| 男女床上黄色一级片免费看| 精品乱码久久久久久99久播| 男女下面进入的视频免费午夜| 久热爱精品视频在线9| 亚洲国产精品合色在线| 精品久久久久久久久久免费视频| 精品日产1卡2卡| 成人18禁高潮啪啪吃奶动态图| 搞女人的毛片| 亚洲熟女毛片儿| 999久久久国产精品视频| 精品久久久久久,| 美女高潮喷水抽搐中文字幕| 久久人妻福利社区极品人妻图片| 午夜福利在线观看吧| 欧美日韩福利视频一区二区| 欧美中文综合在线视频| 99久久99久久久精品蜜桃| 黄色成人免费大全| 欧美日本亚洲视频在线播放| 宅男免费午夜| 日本a在线网址| 欧美色视频一区免费| 国产亚洲欧美98| 日韩大尺度精品在线看网址| 欧美乱色亚洲激情| 亚洲色图av天堂| 亚洲电影在线观看av| 悠悠久久av| 一本大道久久a久久精品| 淫妇啪啪啪对白视频| 中文字幕最新亚洲高清| 桃红色精品国产亚洲av| 午夜亚洲福利在线播放| 中文资源天堂在线| 啪啪无遮挡十八禁网站| 成人特级黄色片久久久久久久| 久久伊人香网站| 国产真实乱freesex| av有码第一页| 五月伊人婷婷丁香| 久久久久久免费高清国产稀缺| 黑人巨大精品欧美一区二区mp4| 亚洲专区中文字幕在线| 精华霜和精华液先用哪个| 精华霜和精华液先用哪个| 欧美激情久久久久久爽电影| 一区二区三区国产精品乱码| 黄色成人免费大全| 一a级毛片在线观看| 露出奶头的视频| 91国产中文字幕| 亚洲第一欧美日韩一区二区三区| 免费一级毛片在线播放高清视频| 国产精品99久久99久久久不卡| 国产男靠女视频免费网站| 99精品欧美一区二区三区四区| 亚洲国产欧美一区二区综合| 国产视频内射| 一级毛片高清免费大全| 小说图片视频综合网站| 亚洲av成人不卡在线观看播放网| 人人妻人人澡欧美一区二区| 99热只有精品国产| 色精品久久人妻99蜜桃| 99久久精品国产亚洲精品| 免费在线观看日本一区| 日本黄色视频三级网站网址| 国产精品久久久人人做人人爽| av在线天堂中文字幕| 色播亚洲综合网| 欧美精品亚洲一区二区| 黄色 视频免费看| 亚洲成人中文字幕在线播放| 久久中文字幕人妻熟女| www.精华液| 国产精品98久久久久久宅男小说| 长腿黑丝高跟| 又爽又黄无遮挡网站| 超碰成人久久| 亚洲,欧美精品.| 久久午夜亚洲精品久久| 人妻丰满熟妇av一区二区三区| 99久久久亚洲精品蜜臀av| 变态另类丝袜制服| 夜夜夜夜夜久久久久| 国产伦在线观看视频一区| 97人妻精品一区二区三区麻豆| 狠狠狠狠99中文字幕| 亚洲男人的天堂狠狠| 国产黄片美女视频| 在线永久观看黄色视频| 一级作爱视频免费观看| 欧美 亚洲 国产 日韩一| 中文字幕人成人乱码亚洲影| 给我免费播放毛片高清在线观看| 国产激情欧美一区二区| 一级a爱片免费观看的视频| 男女视频在线观看网站免费 | 亚洲乱码一区二区免费版| 午夜亚洲福利在线播放| 观看免费一级毛片| 神马国产精品三级电影在线观看 | 一边摸一边做爽爽视频免费| 九九热线精品视视频播放| 国产区一区二久久| 久久国产精品影院| 国产亚洲欧美在线一区二区| 蜜桃久久精品国产亚洲av| 亚洲熟女毛片儿| 亚洲熟妇熟女久久| 欧美成人免费av一区二区三区| 国产精品99久久99久久久不卡| 美女黄网站色视频| 国产视频内射| 欧美成人午夜精品| 黄色视频,在线免费观看| 久久久久国产一级毛片高清牌| av免费在线观看网站| 久久久久久久久久黄片| 最新在线观看一区二区三区| 一边摸一边做爽爽视频免费| 黄色视频,在线免费观看| 亚洲av电影不卡..在线观看| 麻豆成人av在线观看| 亚洲国产欧洲综合997久久,| 欧美丝袜亚洲另类 | 亚洲国产精品999在线| 大型av网站在线播放| 国产又黄又爽又无遮挡在线| av中文乱码字幕在线| 亚洲av熟女| 九色国产91popny在线| 伊人久久大香线蕉亚洲五| 国产黄色小视频在线观看| 一卡2卡三卡四卡精品乱码亚洲| 国产精品亚洲一级av第二区| 嫩草影院精品99| 99热这里只有精品一区 | 午夜福利在线在线| 国产精品久久久久久人妻精品电影| 级片在线观看| 亚洲全国av大片| 午夜亚洲福利在线播放| 欧美一级a爱片免费观看看 | 亚洲在线自拍视频| 五月伊人婷婷丁香| 亚洲成人久久爱视频| 无限看片的www在线观看| 美女午夜性视频免费| 在线观看免费日韩欧美大片| 国产成+人综合+亚洲专区| 黄色女人牲交| aaaaa片日本免费| 成年版毛片免费区| 午夜福利免费观看在线| 天堂影院成人在线观看| 久久久国产欧美日韩av| 1024视频免费在线观看| 真人做人爱边吃奶动态| 香蕉av资源在线| 国产成人一区二区三区免费视频网站| 国产视频一区二区在线看| 亚洲av成人av| 欧洲精品卡2卡3卡4卡5卡区| 日韩精品青青久久久久久| 亚洲七黄色美女视频| 欧美大码av| 久久久久亚洲av毛片大全| 色播亚洲综合网| 怎么达到女性高潮| 一区福利在线观看| 亚洲欧美激情综合另类| 色哟哟哟哟哟哟| 久久人妻福利社区极品人妻图片| 看免费av毛片| 国产精品久久久久久精品电影| 在线观看日韩欧美| 国产精品亚洲一级av第二区| 亚洲精品中文字幕一二三四区| 久久国产精品人妻蜜桃| 久久欧美精品欧美久久欧美| 国产精华一区二区三区| 日韩精品中文字幕看吧| 亚洲狠狠婷婷综合久久图片| 国内精品久久久久精免费| 午夜福利18| 国产精华一区二区三区| 白带黄色成豆腐渣| 国内毛片毛片毛片毛片毛片| 日日夜夜操网爽| 99re在线观看精品视频| 日本一区二区免费在线视频| 欧美日韩瑟瑟在线播放| 亚洲精品美女久久av网站| 精品欧美一区二区三区在线| 日韩欧美国产一区二区入口| 国产av又大| 欧美性长视频在线观看| 色综合站精品国产| 精品久久久久久久久久免费视频| 国产不卡一卡二| 亚洲欧美日韩高清专用| 小说图片视频综合网站| 精品免费久久久久久久清纯| 看黄色毛片网站| 黄色女人牲交| 欧美成人免费av一区二区三区| 老司机靠b影院| 亚洲av第一区精品v没综合| 黄色a级毛片大全视频| 18禁黄网站禁片免费观看直播| 青草久久国产| 国产黄片美女视频| 性色av乱码一区二区三区2| 欧美一级a爱片免费观看看 | 日日夜夜操网爽| 999久久久精品免费观看国产| 国产精品九九99| 校园春色视频在线观看| 亚洲乱码一区二区免费版| 男插女下体视频免费在线播放| 久久精品亚洲精品国产色婷小说| 色综合站精品国产| 啦啦啦观看免费观看视频高清| 午夜福利欧美成人| 国产精品亚洲av一区麻豆| 999精品在线视频| 亚洲一码二码三码区别大吗| 天堂av国产一区二区熟女人妻 | 久久精品国产99精品国产亚洲性色| 999久久久精品免费观看国产| 久久精品国产亚洲av高清一级| 国内精品久久久久精免费| 国产精品香港三级国产av潘金莲| 久久久久久亚洲精品国产蜜桃av| 日本免费一区二区三区高清不卡| 成人手机av| 激情在线观看视频在线高清| 久久中文字幕一级| 色综合婷婷激情| 91麻豆精品激情在线观看国产| 性欧美人与动物交配| 老汉色∧v一级毛片| 亚洲aⅴ乱码一区二区在线播放 | 男插女下体视频免费在线播放| 超碰成人久久| 90打野战视频偷拍视频| 淫妇啪啪啪对白视频| avwww免费| 99热6这里只有精品| 亚洲中文字幕日韩| 免费看十八禁软件| 国语自产精品视频在线第100页| 国产一区二区三区在线臀色熟女| 一级毛片女人18水好多| 美女黄网站色视频| 久久久久精品国产欧美久久久| 久久人人精品亚洲av| 麻豆国产av国片精品| 国语自产精品视频在线第100页| 国产精品精品国产色婷婷| 黑人欧美特级aaaaaa片| 免费av毛片视频| www国产在线视频色| 亚洲全国av大片| 男人的好看免费观看在线视频 | 午夜精品在线福利| 黑人巨大精品欧美一区二区mp4| 51午夜福利影视在线观看| 成人欧美大片| 亚洲熟妇熟女久久| 国产探花在线观看一区二区| 中文字幕人妻丝袜一区二区| 国产人伦9x9x在线观看| 久久99热这里只有精品18| 夜夜夜夜夜久久久久| 欧美一区二区精品小视频在线| 18禁裸乳无遮挡免费网站照片| 国产精品乱码一区二三区的特点| 久久中文字幕人妻熟女| 欧美日本视频| 久久久久久大精品| 亚洲av中文字字幕乱码综合| 九色成人免费人妻av| 久久久久精品国产欧美久久久| av国产免费在线观看| 午夜激情福利司机影院| 亚洲全国av大片| 午夜精品在线福利| 日本黄大片高清| 精品久久久久久久末码| 国产精品免费视频内射| 男女视频在线观看网站免费 | 日本一二三区视频观看| 在线观看66精品国产| 在线观看美女被高潮喷水网站 | 亚洲18禁久久av| 正在播放国产对白刺激| 久久精品国产亚洲av香蕉五月| 99久久综合精品五月天人人| 久久国产乱子伦精品免费另类| 可以在线观看的亚洲视频| 精品国产超薄肉色丝袜足j| 中亚洲国语对白在线视频| 欧美性长视频在线观看| 日日干狠狠操夜夜爽| 搡老熟女国产l中国老女人| 国产一区二区激情短视频| 国产成人av激情在线播放| 一进一出好大好爽视频| 亚洲第一电影网av| 国产蜜桃级精品一区二区三区| 久久草成人影院| 亚洲精品一区av在线观看| 狂野欧美白嫩少妇大欣赏| 身体一侧抽搐| 亚洲一卡2卡3卡4卡5卡精品中文| 老汉色∧v一级毛片| 男插女下体视频免费在线播放| 亚洲精品一卡2卡三卡4卡5卡| av视频在线观看入口| 国产成+人综合+亚洲专区| 嫩草影院精品99| 精品高清国产在线一区| 国产一区二区三区在线臀色熟女| 欧美日本视频| 免费观看人在逋| 欧美日韩国产亚洲二区| 免费观看人在逋| 韩国av一区二区三区四区| 午夜福利免费观看在线| 黑人操中国人逼视频| 国产一区二区在线av高清观看| 中文字幕久久专区| 中文字幕人妻丝袜一区二区| 国产99久久九九免费精品| 亚洲精品色激情综合| 日韩欧美国产在线观看| 国产精品,欧美在线| 亚洲天堂国产精品一区在线| 18禁国产床啪视频网站| 最新美女视频免费是黄的| 香蕉av资源在线| 久久久久精品国产欧美久久久| 国产主播在线观看一区二区| 日韩欧美在线二视频| avwww免费| 精品久久久久久成人av| 丰满的人妻完整版| 久久国产精品人妻蜜桃| 国产欧美日韩精品亚洲av| 亚洲第一欧美日韩一区二区三区| 午夜福利高清视频| 在线观看免费午夜福利视频| 两个人的视频大全免费| 色播亚洲综合网| 亚洲av成人一区二区三| 制服丝袜大香蕉在线| 韩国av一区二区三区四区| 国产精品精品国产色婷婷| 中文资源天堂在线| 久久精品国产亚洲av高清一级| 日本熟妇午夜| 日本a在线网址| 欧美精品啪啪一区二区三区| 国产精品 国内视频| av免费在线观看网站| 1024视频免费在线观看| 精品福利观看| 亚洲av日韩精品久久久久久密| 欧美日韩福利视频一区二区| 18禁美女被吸乳视频| 久久精品国产99精品国产亚洲性色| 日本熟妇午夜| 天堂√8在线中文| 精品午夜福利视频在线观看一区| 国产午夜福利久久久久久| 一夜夜www| 啦啦啦观看免费观看视频高清| 99re在线观看精品视频| 久99久视频精品免费| 亚洲色图av天堂| 国产一区二区激情短视频| 亚洲avbb在线观看| 两个人的视频大全免费| 一个人观看的视频www高清免费观看 | 久久精品91蜜桃| 搡老妇女老女人老熟妇| 中文字幕av在线有码专区| 丰满人妻一区二区三区视频av | 亚洲aⅴ乱码一区二区在线播放 | 99热6这里只有精品| 午夜免费成人在线视频| 婷婷丁香在线五月| 婷婷六月久久综合丁香| 男女那种视频在线观看| 亚洲熟妇熟女久久| 国产熟女xx| 亚洲七黄色美女视频| 亚洲色图av天堂| 久久精品成人免费网站| 免费在线观看影片大全网站| 老司机午夜十八禁免费视频| 国产一区在线观看成人免费| 欧美国产日韩亚洲一区| 中文字幕人妻丝袜一区二区| 色综合婷婷激情| 淫秽高清视频在线观看| 又黄又粗又硬又大视频| av超薄肉色丝袜交足视频| 精品少妇一区二区三区视频日本电影| 国产欧美日韩一区二区精品| 男人舔奶头视频| 两人在一起打扑克的视频| 巨乳人妻的诱惑在线观看| 精品久久久久久成人av| 美女高潮喷水抽搐中文字幕| 中文字幕高清在线视频| 日日干狠狠操夜夜爽| 久热爱精品视频在线9| 毛片女人毛片| 波多野结衣高清无吗| 久久久久久亚洲精品国产蜜桃av| 久久亚洲精品不卡| 午夜精品一区二区三区免费看| av有码第一页| 不卡av一区二区三区| 中亚洲国语对白在线视频| 欧美三级亚洲精品| 亚洲人成伊人成综合网2020| 色噜噜av男人的天堂激情| 亚洲第一电影网av| 床上黄色一级片| 亚洲国产日韩欧美精品在线观看 | 嫩草影院精品99| 亚洲va日本ⅴa欧美va伊人久久| 日韩av在线大香蕉| 国产日本99.免费观看| 村上凉子中文字幕在线| www.熟女人妻精品国产| 免费高清视频大片| 91九色精品人成在线观看| 最近最新中文字幕大全免费视频| 国产亚洲精品久久久久久毛片| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲成人精品中文字幕电影| 伦理电影免费视频| 女生性感内裤真人,穿戴方法视频| 9191精品国产免费久久| 久久久久久久精品吃奶| 国产一区二区三区视频了| 久久这里只有精品19| 国产在线观看jvid| 久久国产精品人妻蜜桃| 国产一区二区三区在线臀色熟女| 成年版毛片免费区| 久久久国产成人免费| 国产野战对白在线观看| 精品久久久久久久久久久久久| 哪里可以看免费的av片| 老司机深夜福利视频在线观看| 18美女黄网站色大片免费观看| 黄色 视频免费看| 夜夜夜夜夜久久久久| 欧美黑人精品巨大| 成人欧美大片| 亚洲七黄色美女视频| 夜夜看夜夜爽夜夜摸| 三级毛片av免费| 亚洲国产看品久久| 中文字幕久久专区| 一夜夜www| 日韩中文字幕欧美一区二区| 在线看三级毛片| 亚洲片人在线观看| 亚洲 欧美一区二区三区| 一个人免费在线观看电影 | 1024香蕉在线观看| 日韩欧美在线乱码| 久久久久久久精品吃奶| 亚洲成人久久性| 欧美日韩一级在线毛片| av国产免费在线观看| xxx96com| 日韩欧美免费精品| 日韩中文字幕欧美一区二区| 桃色一区二区三区在线观看| 久久婷婷人人爽人人干人人爱| 中文字幕久久专区| 久久精品国产亚洲av高清一级| 精品国产亚洲在线| 国产精品亚洲av一区麻豆| 久久精品国产清高在天天线| 精品高清国产在线一区| 亚洲国产欧美一区二区综合| 18禁观看日本| 欧美中文综合在线视频| 琪琪午夜伦伦电影理论片6080| 日本熟妇午夜| 麻豆国产av国片精品| 丁香欧美五月| 亚洲av成人精品一区久久| 国产一区二区三区在线臀色熟女| 变态另类成人亚洲欧美熟女| 中文字幕精品亚洲无线码一区| 日本 av在线| 国产av麻豆久久久久久久| 亚洲av熟女| 悠悠久久av| 精品日产1卡2卡| 长腿黑丝高跟| 又黄又爽又免费观看的视频| 一级作爱视频免费观看| 日韩 欧美 亚洲 中文字幕| 一级毛片女人18水好多| 国产成人精品久久二区二区91| 我的老师免费观看完整版| 久久精品国产99精品国产亚洲性色| 久久久久久久久久黄片| 欧美绝顶高潮抽搐喷水| 亚洲欧美日韩高清专用| 美女午夜性视频免费| 欧美最黄视频在线播放免费| cao死你这个sao货| 亚洲 国产 在线| 久久伊人香网站| 91成年电影在线观看| av免费在线观看网站| 无人区码免费观看不卡| 他把我摸到了高潮在线观看| 99精品在免费线老司机午夜| 69av精品久久久久久| 免费在线观看影片大全网站| 欧美另类亚洲清纯唯美| 欧美一区二区国产精品久久精品 | 少妇裸体淫交视频免费看高清 | 1024视频免费在线观看| 国产男靠女视频免费网站| 最近最新中文字幕大全电影3| 免费看美女性在线毛片视频| 日本黄色视频三级网站网址| 狂野欧美激情性xxxx| 亚洲精品美女久久久久99蜜臀| 欧美日韩瑟瑟在线播放| 国产成人aa在线观看| 婷婷六月久久综合丁香| 国产亚洲精品av在线| 亚洲五月婷婷丁香| 亚洲国产精品sss在线观看| 夜夜躁狠狠躁天天躁| 18禁美女被吸乳视频| 99久久久亚洲精品蜜臀av| 精品久久久久久成人av| 国产精品爽爽va在线观看网站| 麻豆成人av在线观看| 国产亚洲欧美98| 国产精品一区二区三区四区久久| 亚洲va日本ⅴa欧美va伊人久久| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲片人在线观看| 久久精品国产综合久久久| 国产成人影院久久av| 午夜福利18| 中文字幕久久专区| av超薄肉色丝袜交足视频| 人人妻,人人澡人人爽秒播| 制服人妻中文乱码| 亚洲av第一区精品v没综合| 午夜福利高清视频| 国产人伦9x9x在线观看| 国产伦人伦偷精品视频| 久久久久久九九精品二区国产 | 久久久久久久久久黄片| 麻豆一二三区av精品| 男女之事视频高清在线观看| 一级黄色大片毛片| 国产av又大| 亚洲成人久久性| 日本撒尿小便嘘嘘汇集6| 色噜噜av男人的天堂激情| 亚洲天堂国产精品一区在线| 久久精品影院6| 欧美日本视频| 两个人视频免费观看高清| 三级男女做爰猛烈吃奶摸视频| 麻豆国产av国片精品| 亚洲真实伦在线观看| 精品午夜福利视频在线观看一区| 久久精品国产清高在天天线| 国产1区2区3区精品| 女生性感内裤真人,穿戴方法视频| 特级一级黄色大片| 夜夜爽天天搞| 在线观看www视频免费| 中文字幕精品亚洲无线码一区| 午夜福利欧美成人| 黑人欧美特级aaaaaa片| 露出奶头的视频| 免费无遮挡裸体视频| 麻豆国产av国片精品| 色在线成人网| 亚洲天堂国产精品一区在线| 亚洲av日韩精品久久久久久密|