都铎州巴布 基于深度学习的多运动车辆检测与跟踪，使用基于非线性四阶反应扩散的多尺度视频对象分析。 （英语） Zbl 07701126号 离散连续。动态。系统。，序列号。S公司 16，编号1，16-32（2023年）. 摘要：本文提出了一种新颖的自动车辆检测与跟踪框架。首先，结合一些深度学习和基于高斯混合模型的目标检测技术，在视频序列的帧中检测出运动车辆。然后，通过对连续帧中检测到的视频对象进行多尺度分析，确定这些对象之间的对应关系。通过应用数值逼近算法来创建一个尺度空间表示，该算法求解一个基于非线性四阶反应扩散模型，并对其数学有效性进行了严格研究。然后使用基于SURF和HOG的特征在每个尺度上执行彩色图像特征提取，然后将在多个尺度上确定的特征向量连接到最终描述符中。然后提出了一种基于实例匹配的车辆跟踪新技术，该技术利用这些特征向量之间的距离。最后讨论了检测和跟踪仿真的结果。 MSC公司： 68倍 计算机科学 35轴 偏微分方程中的一般主题 68泰克 人工智能 35A01型 偏微分方程的存在性问题：全局存在、局部存在、不存在 35A02型 偏微分方程的唯一性问题：全局唯一性、局部唯一性、非唯一性 49公里40 灵敏、稳定、良好 62H30型 分类和区分；聚类分析（统计方面） 68T07型 人工神经网络与深度学习 68单位10 图像处理的计算方法 94A08型 信息与通信理论中的图像处理（压缩、重建等） 62M40型 随机字段；图像分析 65D18天 计算机图形、图像分析和计算几何的数值方面 关键词：多车辆检测与跟踪;深度学习;高斯混合模型;卷积神经网络;非线性四阶反应扩散;适定PDE模型;多尺度分析;SURF描述符;HOG功能;视频实例匹配 软件：冲浪;更快的R-CNN PDF格式BibTeX公司 XML格式引用 \textit{T.Barbu}，离散Contin。动态。系统。，序列号。S 16，编号1，16-32（2023；Zbl 07701126） 全文： 内政部 参考文献： [1] M.H.Atefian Mahdavi-Nasab，使用GMM背景减法的稳健均值漂移跟踪，基础与应用科学研究杂志，3596-607（2013） [2] A.S.Banharnsakun Tanathong，通过使用最佳so-far ABC基于模板匹配的对象检测，计算智能和神经科学，2014，919406（2014）·doi:10.1155/2014/919406 [3] T.Barbu，《比较各种语音识别技术》，《2009年第五届语音技术与人机对话会议论文集》，1-6（2009）·doi:10.1109/SPED.2009.5156172 [4] T.Barbu，一种自动无监督模式识别方法，罗马尼亚学院学报《A辑：数学、物理、技术科学、信息科学》，第7期（2006年），第73-78页。 [5] T.Barbu，使用改进的时间差分方法和纹理分析在声纳电影中进行多目标检测和跟踪，Politehn。布加勒斯特大学。牛市。序列号。应用程序。数学。物理。，74, 27-40 (2012) ·Zbl 1289.94031号 [6] T.Barbu，RGB图像的自动人脸检测系统，国际计算机、通信与控制杂志，6，21-32（2011）·doi:10.15837/ijccc.2011.1.2197 [7] T.Barbu，使用时间差分和HOG特征的行人检测和跟踪，计算机与电气工程，401072-1079（2014）·doi:10.1016/j.compleceng.2013.12.004 [8] T.Barbu，静态摄像机视频序列中运动人体检测和跟踪的新方法，Proc。罗马学院。序列号。数学。物理学。技术科学。信息科学。，13, 269-277 (2012) [9] T.Barbu，一种新的基于扩散的图像恢复和插值模型《丛书：信号与通信技术》，施普林格国际出版社，2019年·Zbl 1411.94001号 [10] T.Barbu，使用变分水平集算法的鲁棒轮廓跟踪模型，Numer。功能。分析。最佳。，35263-274（2014年）·Zbl 1285.94011号 ·doi:10.1080/01630563.2013.850436 [11] T.Barbu，使用定向梯度直方图的基于SVM的人类细胞检测技术，信息科学的数学方法&经济学：第三届应用数学和信息学国际会议论文集，AMATHI’12瑞士蒙特勒，2012年12月29日至31日，第156-160页。 [12] T.A.C.Barbu Miranville Morošanu，非均质Cauchy-Neumann边界条件下非线性二阶各向异性扩散问题的定性分析和数值模拟，应用。数学。计算。，350, 170-180 (2019) ·Zbl 1428.35162号 ·doi:10.1016/j.amc.2019.01.004 [13] T.Barbu和C.Morošanu，基于非线性二阶抛物线PDE方案的图像恢复，奥维迪乌斯·康斯坦塔大学Anale Stinitifice ale Universitatii Ovidius Constanta《马特马提亚岛》，第25期（2017年），第33-48页·Zbl 1389.35021号 [14] T.C.Barbu Morošanu，基于复合PDE的加性去噪解决方案，将改进的各向异性扩散模型与二维高斯滤波核相结合，东亚J.Appl。数学。，9, 1-12 (2019) ·Zbl 1462.35179号 ·doi:10.4208/上午270318.260518 [15] H.Bay，T.Tuytelaars和L.V.Gool，《冲浪：加速强大功能》，年欧洲计算机视觉会议（2006），柏林斯普林格，海德堡，404-417。 [16] M.E.L.S.Betke Haritaoglu Davis，移动车辆的实时多车辆检测和跟踪，机器视觉与应用，12，69-83（2000）·doi:10.1007/s001380050126 [17] E.Bochinski，V.Eiselein和T.Sikora，不使用图像信息通过检测进行高速跟踪，In2017年IEEE第14届先进视频和信号监控（AVSS）国际会议, (2017), 1-6. [18] T.Burghardt和J.Calic，动物实时人脸检测和跟踪，In2006年第八届神经网络在电气工程中的应用研讨会, (2006), 27-32. [19] T.F.L.A.Chan Vese，无边活动轮廓，IEEE图像处理汇刊，10266-277（2001）·Zbl 1039.68779号 ·数字对象标识代码：10.1109/83.902291 [20] W.J.-H.D.-W.Y.-S.Chantara Mun Shin Ho，使用自适应模板匹配进行对象跟踪，IEIE智能处理和计算交易，4，1-9（2015）·doi:10.5573/IEIESPC.2015.4.1.001 [21] R.S.R.Chavan Gengaje，使用GMM技术的多目标检测和使用卡尔曼滤波器的跟踪，国际计算机杂志。申请。，172, 20-25 (2017) ·doi:10.5120/ijca2017915102 [22] X.C.J.Chen Xi Cao，基于改进混合高斯模型的运动目标检测研究，Optik，1262256-2259（2015）·doi:10.1016/j.ijleo.2015.05.122 [23] G.F.L.S.L.R.F.Ciaparrone Sánchez Tabik Troiano Tagliaferri Herrera，视频多对象跟踪中的深度学习：调查，神经计算，381，61-88（2020）·doi:10.1016/j.neucom.2019.11.023 [24] N.B.Dalal Triggs，人类检测定向梯度直方图，2005 IEEE计算机视觉和模式识别学会会议（CVPR'05），1886-893（2005）·doi:10.1109/CVPR.2005.177 [25] J.Du，基于CNN家族和YOLO的目标检测理解，《物理杂志：会议系列》，1004，012029（2018）·doi:10.1088/1742-6596/1004/1/012029 [26] J.Farooq，使用SURF和BoW模型进行目标检测和识别，2016年国际计算、电子和电气工程会议（ICE Cube），318-323（2016）·doi:10.1109/ICECUBE.2016.7495245 [27] P.F.R.B.D.D.Felzenszwalb Girshick McAllester Ramanan，使用区分训练的基于部分的模型进行对象检测，IEEE模式分析和机器智能事务，321627-1645（2010）·doi:10.1109/TPAMI.2009.167 [28] F.J.Y.A.Ghorban Marín Su Colombo Kummert，实时行人检测聚合通道网络，第十届机器视觉国际会议（ICMV 2017），10696106960I（2018）·数字对象标识代码：10.1117/12.2309864 [29] M.A.W.Y.Han Sethi Hua Gong，一种基于检测的多目标跟踪方法，2004年国际图像处理会议，ICIP’04，5，3065-3068（2004） [30] C.C.G.T.Hsu Dai，使用粒子群优化的多目标跟踪，国际电子与通信工程杂志，6744-747（2012） [31] P.约翰逊，偏微分方程的有限差分2008年第一学期，曼彻斯特大学数学学院。 [32] K.Kale、S.Pawar和P.Dhulekar，使用光流和运动矢量估计的运动目标跟踪，In2015年第四届可靠性、信息通信技术和优化国际会议（ICRITO）（趋势和未来方向），（2015），1-6。 [33] C.A.Küblbeck Ernst，使用修改的consus变换进行视频序列中的人脸检测和跟踪，图像和视觉计算，24564-572（2006） [34] D.-H.Lee，基于CNN的视频单目标检测和跟踪及其在无人机检测中的应用，多媒体工具和应用，80，34237-34248（2021）·doi:10.1007/s11042-020-09924-0 [35] X.X.Li Guo，基于HOG特征和SVM的单摄像机前方车辆检测方法，2013年第五届智能人机系统和控制论国际会议，1，263-266（2013）·doi:10.10109/IHMSC.2013.69 [36] J.L.狮子，非线性极限问题求解的Quelques方法杜诺德。1969年，巴黎，Gauthier-Villars·Zbl 0189.40603号 [37] L.W.X.P.J.X.M.Liu Ouyang Wang Fieguth Chen Liu Pietikäinen，通用对象检测的深度学习：一项调查，国际计算机视觉杂志，128，261-318（2020）·兹比尔1477.68393 ·doi:10.1007/s11263-019-01247-4 [38] K.Mantribragada，F.C.Trigo，F.P.Martins和A.de Toledo Fleury，使用特征匹配和卡尔曼滤波的车辆跟踪，In程序。国际机械工程大会, (2013), 361-370. [39] A.Nadeem、A.Jalal和K.Kim，基于人工神经网络检测身体部位的人体动作跟踪和识别，In2020年第三届国际计算科学进展会议（ICACS）, (2020), 1-6. [40] T.Nguyen、E.-A.Park、J.Han、D.-C.Park和S.-Y.Min，使用尺度不变特征变换进行目标检测，In遗传与进化计算，施普林格，商会，238（2014），65-72。 [41] H.A.D.G.Patel Thakore，使用卡尔曼滤波器进行运动目标跟踪，国际计算机科学与移动计算杂志，2，326-332（2013） [42] F.Porikli和A.Yilmaz，目标检测和跟踪，商业智能视频分析施普林格，（2012），3-41。 [43] S.K.R.J.Ren He Girshick Sun，《更快的R-CNN：利用区域提议网络实现实时目标检测》，《模式分析和机器智能EEE交易》，39，1137-1149（2017）·doi:10.1109/TPAMI.2016.2577031 [44] K.B.G.Saran Sreelekha，交通视频监控：车辆检测和分类，2015年印度控制通信与计算国际会议（ICCC），516-521（2015）·doi:10.1109/ICC.2015.7432948 [45] S.S.Sengar Mukhopadhyay，基于块帧差分的运动目标检测新方法，2016年第三届信息技术最新进展国际会议，IEEE，467-472（2016）·doi:10.1109/RAIT.2016.7507946 [46] V.Srikrishnan、T.Nagaraj和S.Chaudhuri，基于碎片的尺度和方向适应跟踪，In2008年第六届印度计算机视觉、图形和图像处理会议, (2008), 328-335. 电气与电子工程师协会。 [47] P.Viola和M.Jones，使用简单特征的增强级联快速目标检测，In2001年IEEE计算机学会计算机视觉和模式识别会议记录。2001年CVPR，2001（2001），I-I。 [48] L.Y.H.Y.H.X.Wang Lu Wang Zheng Ye Xue，用于快速车辆检测的进化箱，2017 IEEE多媒体与博览会（ICME）国际会议，1135-1140（2017）·doi:10.1109/IMCE.2017.8019461 [49] 文磊、杜德才、蔡志才、雷志磊、张明昌、齐海。。。S.Lyu，UA-DETRAC：用于多目标检测和跟踪的新基准和协议，计算机视觉与图像理解, 193 (2020), 102907. [50] A.S.C.W.Wu Zhao Deng Liu，通过SVD字典增强的广义和区分性少数目标检测，神经信息处理系统的进展，34（2021） [51] X.D.S.C.Wu Sahoo Hoi，物体检测深度学习的最新进展，神经计算，39639-64（2020） [52] R.L.H.J.Xiao Zhu Zhang，促进目标检测的链学习，第九届IEEE国际计算机视觉会议论文集，709-715（2003） [53] C.Yang、R.Duraiswami和L.Davis，通过新的相似性度量实现有效的均值漂移跟踪，In2005年IEEE计算机学会计算机视觉和模式识别会议（CVPR'05）, 1 (2005), 176-183. [54] Y.H.Y.W.袁阳芳林，基于结构复杂度系数的视觉目标跟踪，IEEE多媒体汇刊，17，1125-1136（2015）·doi:10.1109/TMM.2015.2440996 [55] M.Zhang和V.Ciesielski，使用反向传播算法和遗传算法训练和优化用于目标检测的神经网络，数据库和专家系统应用国际会议，施普林格，柏林，海德堡，1677（1999），626-635。 [56] J.Zhou和J.Hoang，实时鲁棒人体检测和跟踪系统。，在2005年IEEE计算机学会计算机视觉和模式识别会议（CVPR'05）-研讨会, (2005), 149-149. 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。