适用于遮挡问题的目标跟踪算法

提出一种基于网格模型的目标跟踪算法．该算法首先进行遮挡区域检测,然后进行网格结点的运动估计和网格更新过程完成目标的多帧跟踪．改进的遮挡区域检测算法有效地提高了检测准确度,从而确保遮挡区域的准确跟踪;网格结点的运动估计是通过特征窗口运动补偿匹配完成,可以有效地克服块效应．实验证明,该算法解决了二维运动估计时网格模型在遮挡区域存在的问题,并可以有效地进行目标准确跟踪．     

部分可观测环境中的目标驱动服务导航机制*

迁移工作流的体系结构具有无中心性、动态性、松耦合等特征,如何在部分可观测的环境下保证迁移工作流运行时不偏离全局目标是其中的技术难题之一。基于目标关联度的决策思想,从对用户的服务导航的角度对此问题进行了探讨,提出一种部分可观测环境下的目标驱动服务导航机制。该机制建立一种目标关联策略描述规范,采用基于业务熟人推介的导航索实现方法,并给出一个目标驱动的服务导航算法。初步实践表明,上述机制为开发迁移工作流平台提供了有效支持。     

视频中遮挡情况下目标的跟踪*

提出了一种基于概率外观模型和Condensation的跟踪方法.该方法通过分析目标前景MBB重叠关系检测遮挡的产生和解除,在目标未遮挡时建立并更新目标的概率外观模型.当遮挡发生后,利用目标共面条件确定目标前后关系,通过合并目标模型计算系统观测似然度概率.算法统一在Condensation框架下进行有遮挡和无遮挡的跟踪.实验证明了该方法的有效性.     

对地观测卫星协同观测区域目标方法研究

对地观测区域目标分割与优选问题是多星协同观测区域目标规划过程中的一个重要环节。采用卫星或遥感器侧摆能力的区域目标动态分割算法,并结合贪婪优化算法对分割结果进行优化规划,在规划过程中依据建立的全球网格参考系统可以方便、高效地计算目标覆盖率,进行实时效能评估以对分割方式进行反馈调整,保证区域目标分割结果最优。依据提出的算法设计了包含三颗对地卫星和一个区域观测目标的应用场景进行实例仿真,并得出了较为理想的仿真结果。     

在部分观测环境下的不确定动作模型学习

近年来,动作模型学习引起了研究人员的极大兴趣.可是,尽管不确定规划已经研究了十几年,动作模型学习的研究仍然集中于经典的确定性动作模型上.提出了在部分观测环境下学习不确定动作模型的算法,该算法可应用于假定人们对转移系统一无所知的情形下进行,输入只有动作-观测序列.在现实世界中,这样的场景很常见.致力于动作是由简单逻辑结构组成的、且观测以一定频率出现的一类问题的研究.学习过程分为3个步骤：首先,计算命题在状态中成立的概率;然后,将命题抽取成效果模式,再抽取前提;最后,对效果模式进行聚类以去除冗余.在基准领域上进行的实验结果表明,动作模型学习技术可推广到不确定的部分观测环境中.     

基于色斑联合推举的被遮挡运动目标跟踪

针对非刚体运动目标被遮挡的跟踪问题,提出一种以目标色斑子块相关匹配联合推举的跟踪方法。利用目标色调特征的不变性对目标色斑进行自适应分块,通过子块的运动状态联合估计目标整体的运动状态,在遮挡发生时判断被遮挡子块,并将其排除到联合推举之外。实验结果表明,该方法可实现对非刚体目标遮挡下的有效跟踪。     

运动目标跟踪系统的遮挡问题处理

遮挡是运动目标跟踪研究中的一个重要问题,介绍了基于Markov Chain Monte Carlo(MCMC)的运动物体遮挡问题解决方法.该方法通过建立贝叶斯模型,确定先验概率和条件概率,将车辆分割问题看成求后验概率最大时的车辆状态;然后运用MCMC方法对后验概率进行估计,设计MCMC标准对后验概率进行采样,用长方形模型来近似车辆外形.实验证明MCMC方法在不需对车辆单独初始化的前提下能有效的将相互遮挡的车辆分割出来,检测出车辆之间的相互遮挡.     

基于遮挡区域建模和目标运动估计的动态遮挡规避方法

对于运动视觉目标,如何对遮挡区域进行规避是视觉领域一个具有挑战性的问题.本文提出了一种新颖的基于运动视觉目标深度图像利用遮挡信息实现动态遮挡规避的方法.该方法主要利用遮挡区域最佳观测方位模型和视觉目标运动估计方程,通过合理规划摄像机的观测方位逐渐完成对遮挡区域的观测.主要贡献在于：1）提出了深度图像遮挡边界中关键点的概念,利用其构建关键线段对遮挡区域进行快速建模;2）基于关键线段和遮挡区域建模结果,提出了一种构建遮挡区域最佳观测方位模型的方法;3）提出一种混合曲率特征,通过计算深度图像对应的混合曲率矩阵,增加了图像匹配过程中提取特征点的数量,有利于准确估计视觉目标的运动.实验结果验证了所提方法的可行性和有效性.     

遮挡目标的分片跟踪处理

遮挡是目标跟踪领域一个棘手的问题,如何处理好遮挡是衡量跟踪算法鲁棒性的关键。本文就此问题,提出了一种基于分片跟踪下的遮挡处理算法。本算法在目标发生部分遮挡或者形变后,通过剩余有效片的强度信息,继续对目标实现可靠跟踪,并结合卡尔曼滤波有效的处理跟踪过程中的遮挡。算法采用分片的思想,利用Bhattacharyya系数作为候选目标片与相应模板片的相似性度量,有效的跟踪目标,采用H分量的反向投影的方法辨别遮挡和形变,根据遮挡的不同类型,做相应的处理,实现对目标的鲁棒性跟踪,本实验就遮挡提出了关联性遮挡和非关联性遮挡的概念,增加算法跟踪的可靠性。     

遮挡场景下无人机集群多对地目标跟踪算法

为了确保目标在被遮挡场景下依旧可以稳定、准确得知目标的位置和状态,提出了遮挡场景下无人机集群多对地目标跟踪算法。通过负反馈控制器令无人机传感器的视线对准目标,消除方位角与俯仰角位置误差。结合前一帧中心加权数值,确定局部搜索区域并设置内插特征,得到目标连续域多信道特征。利用核相关滤波器求解最大响应位置和伸缩系数,更新分类器系数,完成无人机集群多对地目标跟踪。通过实验,证明所提算法能够实现在遮挡场景下无人机集群多对地目标跟踪,可及时更新目标的位置和状态信息,提高跟踪的准确性和效率。     

基于混合高斯模型定位的火灾烟雾纹理特征提取

视觉(图像型)火灾探测需要提取较高质量的目标纹理特征用于火灾识别。本文利用混合高斯模型对烟雾目标进行前景提取,并且屏蔽掉非运动的背景图像,然后根据结果图像的灰度分布,计算灰度共现距阵,提取纹理特征。     

体育视频全景图合成技术

研究了面向体育视频的全景图合成技术,提出了通过计算前景区域模板和α混合进行前景合成的方法．首先采用MPEG-4校验模型中的Konrad算法和基于Fisher线性判别准则的外点过滤算法进行全局运动参数估计,并用中值法合成背景全景图;然后将前景帧进行仿射投影后与背景求差值,并用中值滤波和形态学方法处理差值图像,得到前景区域模板;最后采用α混合生成前景序列的全景图,并叠加到背景上．由此得到的全景图能同时展现运动的场景和运动员的动作过程．     

一种有监督的快速纹理检测方法*

提出了一种基于贝叶斯公式的有监督的快速纹理检测方法。该方法从用户选择的前景模板获得前景直方图;从整个图像获得背景直方图。直方图都经过高斯滤波器平滑,然后利用贝叶斯公式计算每个像素的前景和背景的概率,之后采用区域增长方法合并前景,并采用前景同化运算作预处理和优化处理。实验对Berkeley数据库的图像进行了测试,证明该方法较文献[1]方法更快速,且检测质量并未大幅下降。     

工业场景中背景特征的建模要素分析

随着现代制造业对产品质量、生产效率和操作安全性要求的提高,视频监控在现代制造业中的应用越来越广泛,对视频处理的精度与速度要求也越来越高.运动目标检测是视频理解和分析的基础,因此面向工业场景的运动目标检测算法一直是一个研究热点.作为算法的重要组成部分,运动目标检测所用到的背景特征在以往并没有受到足够的重视.为此本文,从像素数据和已有算法中获取背景特征,给出相关特征和数据的可视形态表示,支持更直观的方式辅助获取这些背景特征之间的关系,进一步给出背景特征模型,同时本文得到的背景特征关系可以指导算法设计.     

Solvability of Centralized Supervisory Control Under Partial Observation

The problem of synthesizing a nontrivial controllable and observable sublanguage of a given non-prefix-closed language is addressed. This problem arises in supervisory control of discrete-event systems, when the objective is to synthesize safe nonblocking supervisors for partially observed systems. The decentralized version of this problem is known to be unsolvable. We show that the centralized version of this problem is solvable by presenting a new algorithm that synthesizes a nontrivial controllable and observable sublanguage of the given non-prefix-closed language, if one exists. We also show that the union of all nonblocking solutions to the associated supervisory control problem can be expressed as the union of all regular nonblocking solutions. This work was done when the first author was at the University of Michigan as a Ph.D. student.     

一种基于Kalman滤波器的自适应背景建模改进算法

基于传统Kalman滤波器理论的背景建模方法,不能很好地解决目标缓慢运动导致背景模型出现拖影的问题。针对该问题,提出了一种结合Kalman滤波器理论与动态区域重构的自适应背景建模改进算法,介绍了Kalman滤波器理论主要思想和改进算法的方法流程与效果。与传统的Kalman背景建模相比,该方法在增加少量计算复杂度的前提下,较好地解决了目标缓慢运动导致背景模型出现拖影的问题,同时也能较好地消除背景噪声。通过对图像序列的仿真实验证明:该方法具有很好的实用性与鲁棒性。     

一种基于区域特征的景象匹配算法研究

景象匹配技术是飞行器匹配定位辅助导航系统的核心,如何提高其正确匹配率一直是研究的热点与难点。提出一种基于区域特征的景象匹配算法。首先,提取基准景象和实时景象的稳定极值区域,并计算出区域的灰度、形状、纹理以及起伏程度特性作为相似性度量的主要因素构造相似性度量函数;然后,计算区域对的Hausdorff距离,决定是否是对应区域。大量的模拟实验表明,该算法的匹配时间能达到0.138 s,正确匹配率达到92.67%,不仅能满足景象匹配的要求,且大大提高了匹配的时间与正确率,对导航系统的定位具有实用价值。     

景象匹配算法及其适应性分析

提出一种基于区域特征的景象匹配算法。其基本方法是先提取基准图和实时图的稳定极值区域,并计算出区域的平均灰度、方差、仿射不变矩以及纹理信息熵,构造相似性度量函数,然后计算匹配区域对的Hausdorff距离决定是否是对应区域。大量的模拟实验表明,该算法的匹配时间能达到0.138 s,正确匹配率达到92.67%,不仅能满足景象匹配的要求,且大大提高了匹配的时间与正确率。对其适应性进行了详细的分析,结果表明该算法对旋转、尺度、噪声、灰度变化的适应性较好。     

基于语义的三维CAD模型可重用区域自动提取

针对产品设计中的局部检索重用需求,提出一种基于语义分析的可重用区域自动提取方法。通过采用扩展特征树表征三维CAD模型,准确刻画设计模型中不同粒度、不同形式的特征及特征间的关联关系,有效捕捉模型中包含的设计语义;通过分析局部区域的设计重用性,提出局部区域可重用性度量函数,并以扩展特征树的表征结构为输入,依据局部区域的可重用性自动提取候选可重用区域;通过进一步评价候选可重用区域的重用率确定最终可重用区域,以确保可重用区域的有效性及合理性。实验结果表明,依据本方法提取获得的可重用区域符合设计重用语义,能有效支持产品设计阶段的局部检索重用。     

On optimal control of a class of partially observed discrete event systems

We are interested in a new class of optimal control problems for discrete event systems. We adopt the formalism of supervisory control theory (Proc. IEEE 77(1) (1989) 81) and model the system as a finite state machine (FSM). Our control problem is characterized by the presence of uncontrollable as well as unobservable events, the notion of occurrence and control costs for events and a worst-case objective function. We first derive an observer for the partially unobservable FSM, which allows us to construct an approximation of the unobservable trajectory costs. We then define the performance measure on this observer rather than on the original FSM itself. We then use the algorithm presented in Sengupta and Lafortune (SIAM J. Control Optim. 36(2) (1998)) to synthesize an optimal submachine of the C-observer. This submachine leads to the desired supervisor for the system.