基于视频跟踪的水下裂缝缺陷智能标注系统

发布时间：2021-04-21 21:38

　　当前水下裂缝缺陷检测中存在误检率高、漏检率高、实时性不强等问题,需要大量准确地标注数据集对识别模型进行训练。针对大量标注数据集的需求问题,提出一种目标智能标注系统,利用基于通道和空间可靠性理论改进的核相关滤波跟踪算法（CSR-KCF）,对水下裂缝进行目标跟踪,结合标注系统功能需求,展开对该系统的设计与实现。实验结果表示,提出的目标智能标注系统符合设计需求,能够实现对水下裂缝缺陷准确、快速、可靠的智能标注。 

【文章来源】：现代电子技术. 2020,43(12)北大核心

【文章页数】：6 页

【文章目录】：
0 引言
1 目标跟踪算法设计
    1.1 基于核相关滤波的KCF跟踪算法
    1.2 基于CSR的改进KCF算法
2 智能标注系统
    2.1 总体设计
    2.2 模块设计
3 实验与仿真
    3.1 实验环境与评价指标
    3.2 算法测试实验
        3.2.1 系统性能测试
        3.2.2 水下构筑物裂缝缺陷标注实验
    3.3 系统稳定性测试
4 结语


【参考文献】：
期刊论文
[1]水下机器人在水利水电工程检测中的应用现状及发展趋势[J]. 李永龙,王皓冉,张华.  中国水利水电科学研究院学报. 2018(06)
[2]基于TLD目标跟踪算法的优化[J]. 吴忠文,费树岷.  工业控制计算机. 2018(04)
[3]通道稳定性加权补充学习的实时视觉跟踪算法[J]. 樊佳庆,宋慧慧,张开华.  计算机应用. 2018(06)
[4]目标跟踪算法综述[J]. 卢湖川,李佩霞,王栋.  模式识别与人工智能. 2018(01)
[5]相关滤波目标跟踪进展综述[J]. 张微,康宝生.  中国图象图形学报. 2017(08)
[6]结合PN约束在线半监督boosting目标跟踪算法[J]. 李义翠,亓琳,谭舒昆.  计算机工程与应用. 2017(23)
[7]图像自动标注技术研究进展[J]. 刘梦迪,陈燕俐,陈蕾.  计算机应用. 2016(08)
[8]基于卷积神经网络的多标签图像自动标注[J]. 黎健成,袁春,宋友.  计算机科学. 2016(07)



本文编号：3152535