多解析度匹配算法在高速运动物体跟踪中的应用

本文提出了一种使用多解析度匹配算法来跟踪高速运动物体的方法，并且采用了Kalman滤波器和遗传算法构建了整个的分析框架。通过对高速车辆碰撞试验的结果分析，可以看出本算法框架在点跟踪处理中，在精确度和容错性方面都能够得到较为满意的结果。     

应用于高速测量仪器的自适应波形重构算法

当传统数字内插算法应用于高速数字信号波形重构时，在某些输入信号（如方波）下会产生严重的失真。本文首先推导了数字内插的原理与模型，分析了正弦内插算法造成波形失真的原因，然后提出一种适用于高速数字存储示波器的新的数字内插算法。计算机仿真结果与系统实验表明，这种算法能有效地修正传统插值方法在波形重构中造成的信号畸变。     

一种基于网络处理器的入侵检测系统

针对目前入侵检测系统的处理速率远远不能满足网络的高速发展，通过对现有IDS的体系结构和算法进行重新设计，提出了一种新的网络入侵检测体系结构。新的体系结构采用网络处理器在网络底层实现数据的采集与分析，提高了IDS的运行速度和效率，能较好地适应高速网络环境下的入侵检测。     

基于OpenGL图元的激光光斑三维可视化算法和参数分析软件

讨论了一种高速三维可视化数据场算法：采用OpenGL中三角形面片带GL_TRIANGLE_STRIP图元，在WINAPI下构建光强场的三维轮廓，介绍了软件的参数计算和点剖切轮廓功能。利用此算法研制的激光参数分析软件，运行可靠，绘图快速，对此领域的后续研究有一定的参考价值。     

AVR单片机的RC5和RC6算法比较与改进

RC5及RC6是两种新型的分组密码。AVR高速嵌入式单片机功能强大，在无线数据传输应用方面很有优势。本文基于Atmega128高速嵌入式单片机，实现RC5和RC6加密及解密算法，并对算法进行汇编语言的优化及改进。根据实验结果，对两种算法的优缺点进行比较和分析。     

网络内容安全分析及审计技术研究

对网络内容安全审计系统的研究内容、实现手段进行分析，提出了一种新的基于数据分流原理解决高速网络下数据包截取速度问题的方法；引入了基于会话重现的协议分析还原算法。     

SCI中资源调度算法的分析与仿真

IEEE的1596协议标准SCI是一个面向高速、低延迟应用的互联协议。主要应用在大规模的集群系统以及实时性要求较高的任务系统。为了保证在数据通信中的高速、低延迟，SCI在每个节点输出、输入接口处分别提供了两个重要的资源调度算法——带宽分配协议及队列分配协议。文中将对这两种调度算法进行深入的分析及仿真，并对结果进行分析，提出了下一步的研究方向。     

一种高效的随机混淆匿名算法*

现有的混淆算法都无法适应高速网络的匿名需求,为此提出了一种随机数混淆(RM)算法。RM算法在网络低流量下采用时延转发方式,在高流量时采用随机数转发方式。这样既保证了匿名系统的匿名性,同时又解决了SGM算法中的溢出问题。对RM算法的安全性和效率进行了分析,仿真结果与理论分析相一致,表明RM算法在开放式高速网络下有较好的自适应性和实用价值。     

一种基于δ算子的自校正零极点配置无静差跟踪控制器

本文首先分析了当采样频率较高时，基于ｑ算子的自校正零极点配置无静差跟踪器所面临的问题，在此基础上，给出一种基于δ算子的算法，给出了对比仿真结果，结果显示，在高速采样场合，基于δ算子的算法具有更好的跟踪性能。     

5种指针分析算法的精度和效率比较

指针分析的研究已经有20多年的历史，也发表了很多相关的算法。对于研究者和工程人员来说，对不同的指针分析算法进行研究并用统一的标准进行精度及效率等内容的对比，是一件有意义的工作。考察了5种具有代表性的指针分析算法，并在固定外界影响因素的条件下对它们的精度和效率进行了测量和比较，最后分析了指针分析的结果如何影响一些客户分析的精度和效率。     

Thermo-visual feature fusion for object tracking using multiple spatiogram trackers

In this paper, we propose a framework that can efficiently combine features for robust tracking based on fusing the outputs of multiple spatiogram trackers. This is achieved without the exponential increase in storage and processing that other multimodal tracking approaches suffer from. The framework allows the features to be split arbitrarily between the trackers, as well as providing the flexibility to add, remove or dynamically weight features. We derive a mean-shift type algorithm for the framework that allows efficient object tracking with very low computational overhead. We especially target the fusion of thermal infrared and visible spectrum features as the most useful features for automated surveillance applications. Results are shown on multimodal video sequences clearly illustrating the benefits of combining multiple features using our framework.     

基于视频序列的面部特征跟踪系统的实现

针对视频中人脸面部特征跟踪难以满足实时性与准确性要求的问题,提出了一种视频序列的面部特征跟踪系统。该系统利用视频流序列存在帧间相关信息的特点,进行面部区域粗定位;提出了一种Adaboost特征分类器训练方法,并使用该方法预先训练完成面部特征三元组(左眼,右眼,嘴部)的分类器进一步跟踪面部特征;最后提出了一个面部特征几何模型(facial feature geometrical model,FFGM),系统结合该模型仲裁检测的结果,最终实现了视频中面部特征的跟踪。实验数据的比较结果验证了该面部特征跟踪系统的可行性、实时性和准确性。     

一种多特征融合的粒子滤波跟踪新算法

仅利用单一的目标特征进行跟踪是大多数跟踪算法鲁棒性不高的重要原因。提出了一种有效的多特征融合跟踪方法,该方法同时结合了颜色和运动边缘特征,并通过粒子滤波方法合理地进行概率融合。实验结果表明,算法能够在一种特征受到背景干扰导致目标鉴别能力丧失时,其它特征仍能稳定可靠地跟踪目标,算法简单,鲁棒性高,能够有效适用于复杂背景下的目标跟踪。     

A large margin framework for single camera offline tracking with hybrid cues

We introduce MMTrack (max-margin tracker), a single-target tracker that linearly combines constant and adaptive appearance features. We frame offline single-camera tracking as a structured output prediction task where the goal is to find a sequence of locations of the target given a video. Following recent advances in machine learning, we discriminatively learn tracker parameters by first generating suitable bad trajectories and then employing a margin criterion to learn how to distinguish among ground truth trajectories and all other possibilities. Our framework for tracking is general, and can be used with a variety of features. We demonstrate a system combining a variety of appearance features and a motion model, with the parameters of these features learned jointly in a coherent learning framework. Further, taking advantage of a reliable human detector, we present a natural way of extending our tracker to a robust detection and tracking system. We apply our framework to pedestrian tracking and experimentally demonstrate the effectiveness of our method on two real-world data sets, achieving results comparable to state-of-the-art tracking systems.     

多模态目标的联合压缩跟踪

针对多模态目标跟踪中大多仅考虑单个图像的异种特征融合或不同模态图像的同种特征融合,为了使得这两者间能自然集成,提出基于联合压缩感知的多模态目标统一跟踪方法.通过将多模态跟踪问题转化为多重?2-范数不等式约束下的多?1-范数联合最小化问题,并设计了能求解该联合最小化问题的特定增广拉格朗日乘子算法,从而实现快速而精准的目标跟踪,可同时处理来自同一图像或不同模态图像中的多种不同特征间的融合,并能自由地添加或删除特征.此外,还提出了基于稀疏集中度指标的目标模板协同更新方案,来筛选出表现最优的目标模板.在DCU,OTCBVS,BEPMDS,OTB50和VOT-TIR等数据集上采用逐帧跟踪的方法进行实验,结果表明在跟踪精度、成功率以及速度3个评价指标上,文中方法的平均性能分别达到了0.96,0.91和3.48.     

基于粒子滤波后验概率分布的多特征融合跟踪

在光照和目标形变等外部条件变化的情况下,仅利用目标的单一特征难以鲁棒的跟踪目标。提出了一种基于粒子滤波后验概率分布的多特征融合跟踪算法,在粒子滤波跟踪框架下,用直方图模型表征目标的颜色和边缘特征,通过两种特征后验概率之间的"协作"与"学习"实现特征融合,各种场景的试验结果比较表明,新的融合跟踪算法比仅用单一特征跟踪、现有的多特征融合算法具有更好的稳定性和鲁棒性,特别是针对环境光照和目标背景变化较大的情况更具有优势。     

基于PYNQ框架的深度卷积特征异构跟踪系统

针对深度卷积特征目标跟踪算法中特征提取计算量大、速度慢、难以在嵌入式平台上应用的问题,提出了一种基于PYNQ框架的目标跟踪方案,并将其部署在Zynq异构平台。首先设计基于深度卷积特征的目标跟踪算法;根据算法的特点进行软硬件划分,完成片上系统的构建;然后针对深度卷积特征提取的计算过程进行并行优化,导出加速IP核;最后在PYNQ框架中通过Jupyter Notebooks,使用Python语言调用加速IP核作为硬件协处理器,实现底层到顶层的数据交互。实验结果表明,算法在通用数据集OTB-2015、UAV123上取得了良好的跟踪精度;跟踪速度与未集成加速IP核时相比,提升可达30倍。在兼顾跟踪稳健性的情况下,异构跟踪系统执行效率高,可移植性好,具有工程应用价值。     

多特征融合和尺度变化估计的船舶跟踪方法

传统的船舶视觉跟踪任务主要集中于单目标船舶跟踪,对多目标船舶跟踪研究相对较少。为解决该问题,提出一种多维特征融合机制和尺度变化估计的多目标船舶跟踪框架,该框架引入位置滤波器对输入的船舶训练样本进行学习,并将其应用于待跟踪的船舶图片序列,通过寻找最大响应的方法判定图像中的船舶位置。在此基础上,构建船舶尺度估计滤波器以确定待跟踪船舶的图像尺寸。通过和中值流跟踪算法和多示例学习跟踪算法对比分析,实验结果表明不同海事交通场景下的船舶跟踪误差均小于10像素,验证了算法的有效性和可靠性。     

基于在线学习的目标跟踪方法研究*

针对视频目标跟踪问题,提出了一种基于co-training框架下的在线学习跟踪方法。该方法首先根据两种不同的局部特征,利用在线 Boosting算法分别建立模型, 然后采用co-training框架来协同训练,有效避免了模型误差累积和跟踪丢帧等问题。实验证明了该方法的有效性。