一种交叉多目标跟踪算法

为了解决多目标跟踪过程中由目标轨迹交叉引起的跟踪算法复杂度增加以及跟踪精度降低的问题,提出了一种改进的基于随机有限集的交叉多目标跟踪算法。该算法以高斯混合参数代替概率密度假设来降低算法复杂度和减小跟踪误差。最后在线性高斯条件下进行了MATLAB仿真实验,模拟多目标的运动过程,应用本文提出的改进算法和传统的基于数据关联的算法对多目标进行跟踪,对比试验结果表明所提出的改进算法对交叉多目标具有更加良好的跟踪性能。     

基于EM的多目标跟踪算法

为了提高多目标跟踪的鲁棒性,增强目标之间的区别性,使用了一种基于能量最小化(energy minimization,EM)的多目标跟踪算法,不同于现有算法,本算法专注于将多目标跟踪中的复杂问题表示为能量函数的模型,模型中包括了更优的目标区分策略(相似度模型)。通过将每个能量函数成本值对应一个多目标的跟踪轨迹方案,算法将多目标跟踪问题转化为能量最小化的问题。在能量函数模型的优化方法上,算法采用共轭梯度算法和一系列的跳转运动来找到能量最小的值。公开数据集的实验结果证明了本算法的有效性,而且定量分析结果证明了本算法提高了目标与背景、目标之间的相互区别性从而与其他算法相比能获得更好的鲁棒性能。     

一种基于嵌入空间的防遮挡的多目标跟踪算法

在视频监控中准确识别发生遮挡的目标是视频监控系统中面临一个难点,现在流行的运动目标跟踪算法由于基于检测之上,无法准确判断相互重叠之间的关系。提出一种基于基于嵌入空间识别遮挡关系的方法,在此基础上实现多目标的跟踪。具体的方法是构建遮挡关系函数明确表示发生遮挡目标之间的关系,并将之合并到跟踪算法框架内。同时,对联合状态预测函数进行分步处理,使得多目标的跟踪问题变成在嵌入空间中的分类问题。实验结果表明算法能在有遮挡情景下有效实施目标跟踪,并且,定量分析表明与其他算法相比提高一个数量级。     

大矩阵压缩特征目标的低秩跟踪算法

针对压缩感知的矩阵低秩稀疏分解目标跟踪算法实时性差的问题,提出一种大矩阵压缩特征目标的低秩跟踪算法。该算法通过将大矩阵分成多个小矩阵的方法构建观测矩阵,进行矩阵低秩稀疏分解,获得各候选目标的误差向量并构建误差矩阵,求解误差矩阵列向量最小1-范数问题得到跟踪结果。为了适应跟踪过程中目标外观信息的变化,基于向量相似度判别有选择地更新字典。在跟踪结果不可信时,利用轨迹修正更新当前帧跟踪结果。通过6个典型视频序列上的对比实验,新算法的实时性是原算法的3倍。实验结果表明,在目标发生部分遮挡、光照变化、快速运动时,所提出的算法能实现目标的鲁棒跟踪。     

结合YOLOv5和质心匹配的轨迹追踪方法

针对施工场所中目标遮挡引起的安全帽佩戴者的轨迹追踪困难的问题,本文提出了一种结合YOLOv5和质心匹配算法的安全帽佩戴检测及轨迹追踪方法。该方法首先采用YOLOv5网络准确检测未佩戴安全帽的人员,计算其质心坐标;进一步的采用扩展卡尔曼滤波器预测目标位置信息;最后采用基于马氏距离及直方图相关性的质心匹配关联算法,结合预测信息实现了目标遮挡环境中的目标轨迹异常修正,可获得准确的目标轨迹。实验结果表明,本方法有效解决了目标跟踪中由目标遮挡引起的目标互换和丢失等问题,在自建数据集中获得了高于传统算法10%以上的目标跟踪准确度,为智慧工地的发展提供了有力的技术支持。     

融合SimAM注意力机制的实时多目标跟踪算法

多目标跟踪中的JDE算法首次将目标检测与重识别进行联合学习，极大提升了跟踪速度，但由于复杂背景干扰和遮挡导致跟踪准确度下降。为了解决跟踪速度与准确度的平衡问题，本文提出了SAM JDE，该模型融合了SimAM注意力机制、多尺度融合等思想，通过增强特征提取能力提高目标跟踪的准确性。使用CIoU_Loss作为回归损失函数，通过准确地构建目标框和预测框之间的位置关系来提升定位精度。关联匹配部分使用卡尔曼滤波预测运动信息，匈牙利匹配算法完成时序维度上的目标关联。在MOT16 test数据集上进行测试，MOTA达到664%，跟踪速度为206 FPS，在保证实时性的基础上跟踪准确度较JDE算法提升23%，较好地优化了准确度与速度的平衡问题。     

一种图像确认目标的多目标跟踪方法

为了解决回波的复杂性和不确定性导致雷达多目标跟踪精度降低的问题,给出一种图像确认的多目标跟踪方法。该方法通过序列图像获取目标部分相关参数,从而剔除与参数不相符的虚假回波和杂波;然后根据保留的目标回波更新所跟踪目标的测量新计算,从而减少了多目标跟踪中由无关回波和杂波干扰所造成的测量更新误差,提高了目标跟踪的精度。仿真实验结果表明,本算法在去除部分或全部杂波后,能够减小多目标跟踪的误差,使跟踪精度得到较大改善。     

基于目标跟踪的交互多模型kalman滤波算法研究

针对运动目标跟踪的过程中,运动轨迹发生改变或运动过程出现目标遮挡时,传统的跟踪算法容易出现跟踪丢失或跟踪效果较差等情况,文章提出了一种基于交互多模型Kalman滤波算法和Meanshift滤波算法的融合方法,对运动目标进行位置预测估计,解决目标遮挡问题,提高目标跟踪精度。实验结果证明,该改进算法能够有效地进行目标定位跟踪,并且具有快速性。     

遮挡情况下基于卡尔曼滤波的运动目标跟踪

传统的Camshift算法在跟踪的目标发生遮挡时容易导致跟踪失败,针对这种情况提出将Kalman滤波与Camshift相融合的算法.在运动的跟踪目标出现遮挡的情况下,根据Camshift算法得到的运动目标在上一帧的运动参数,利用卡尔曼滤波对当前帧运动目标的参数进行预测,从而保证了实时跟踪.实验对动态遮挡和静态遮挡两种情...     

基于多特征匹配的轻量化行人跟踪算法研究

行人跟踪是深度学习研究中的热点内容。目前的跟踪算法存在无法满足实时性和因跟踪目标相似度太高、目标间的遮挡、运动不规律造成ID频繁转换的问题。为了提高运行速度,在目标检测阶段使用CNN和transformer相结合的轻量化网络,采用联合检测的方式,共享特征权重,并行计算检测、重识别、人体姿态估计分支,同时调整各个分支卷积通道数。跟踪部分则利用卡尔曼滤波预测的目标运动信息,目标重识别信息,和目标姿态的各个关键点位置信息共同完成目标身份匹配,减少了同一ID的频繁转换。实验部分采用MOT16数据集训练和测试。本算法的多目标跟踪准确度(MOTA)为48.5%,多目标跟踪精确度(MOTP)为78.17%,FPS为20,模型大小为18.4M。实验表明,提出的跟踪算法提高了整体的跟踪性能,实时性和准确性达到了预期要求。     

面向无人驾驶的三轴应急救援车辆并行控制方法

为实现应急救援车辆轨迹跟踪和横向稳定的优化协调,提出了一种基于哈密顿函数的车辆非线性并行控制方法。 分别 建立了车辆动力学模型和轨迹跟踪模型,通过模型变换将车辆动力学模型和轨迹跟踪模型表示为具有相同控制输入的状态方 程,从而将轨迹跟踪和横向稳定协调控制问题转化为一类非线性并行控制问题,分别设计了轨迹跟踪控制和横向稳定性控制的 哈密顿函数,讨论并证明了基于车辆特性的控制器设计存在条件,提出了一种兼顾应急救援车辆轨迹跟踪和横向稳定控制性能 的非线性并行控制方法,并证明了控制系统稳定性。 结果表明,并行控制下的轨迹跟踪精度和稳定性控制精度分别提升了 10. 13%和 13. 79%,从而验证所设计方法能够更好地实现应急救援车辆轨迹跟踪和横向稳定的协调控制。     

基于自适应模糊滑模控制的机器人轨迹跟踪算法

针对控制参数的不确定性以及存在未知外部扰动情况下移动机器人的轨迹跟踪问题,提出一种基于光滑非线性饱和函数的自适应模糊滑模轨迹跟踪控制算法。通过建立不确定非线性移动机器人运动控制模型,利用自适应模糊逻辑系统构建自适应模糊滑模控制器。为了增强轨迹跟踪控制算法对随机不确定外部扰动适应能力的同时削弱滑模控制算法中的输入抖振现象,利用有界输入有界输出(BIBO)稳定的方法,通过带有自适应调节算法的模糊系统对滑模控制律中非线性函数项进行自适应逼近,并设计了模糊系统中可调参数的自适应控制律,保证了控制系统的稳定与收敛。实验结果表明,所设计的控制器对系统参数不确定性和外界扰动均具有较强的轨迹跟踪性能和鲁棒性。与传统的滑模控制算法相比,该算法不仅能有效减小输入抖振而且轨迹跟踪控制精度提高了18.89%。     

Content-based event retrieval using semantic scene interpretationfor automated traffic surveillance

This paper proposes an object segmentation and tracking algorithm for visual surveillance applications. In order to detect moving objects from a dynamic background scene which may have temporal clutters such as swaying plants, we devised an adaptive background update method and a motion classification rule. A two-dimensional token-based tracking system using a Kalman filter is designed to track individual objects under occlusion conditions. We propose a new occlusion reasoning approach where we consider two different types of occlusion: explicit occlusion and implicit occlusion. By tracking individual objects with segmented data, we can generate motion trajectories and set a motion model using polynomial curve fitting. The trajectory model is used as an indexing key for accessing the individual object in the semantic level. We also propose an efficient way of indexing and searching based on object-specific features at different semantic levels. The proposed searching scheme supports various queries including query by example, query by sketch, and query on weighting parameters for event-based retrieval. When retrieving an interested video clip, the system returns the best matching event in the similarity order. In addition, we implement a temporal event graph for direct accessing and browsing of a specific event in the video sequence     

变负荷条件下追踪电力系统安全最优运行轨迹的参数化方法

提出一种追踪线性约束下凸可分规划问题最优解轨迹的参数化方法。该参数优化算法可在对偶松弛凸可分规划算法的主循环之外,通过少量参数化扩展得到。参数分析表明最优解轨迹的性态是一条分段线性曲线,解轨迹上的破点和不可行现象存在密切关系。将这种方法应用到电力系统有功最优潮流问题中,得到一种统一经济调度和安全约束调度的参数化安全约束调度(security constrained economic dispatch,SCED)新算法,它可快速追踪变负荷条件下系统安全最优运行轨迹。算法在IEEE14-300节点测试系统及2个省级实际系统上通过测试,数值试验和几何分析表明了该方法的计算特性和物理内涵,同时清楚地显示了目前调度模式中存在的问题和改进方向。     

扭矩输入有界的机器人模糊PD轨迹跟踪

针对轨迹跟踪控制中机器人关节驱动器输出扭矩受限的问题,提出一种基于模糊自适应PD的输入有界轨迹跟踪控制算法。不同于以往的控制策略,该算法在控制律中引入具有饱和特性的改进反正切函数,以确保扭矩控制输入的有界性,并结合模糊自适应原理实现PD增益的在线自整定,以改善系统的动态特性。通过对位置跟踪误差进行线性滤波得到速度跟踪误差替代信号,使得整个系统的闭环控制仅需位置输出反馈。利用奇异摄动理论对系统进行了稳定性分析,证明在一定约束下的PD增益自整定过程中,仍能保证系统稳定。仿真和比较结果表明,该算法能够在严格保证控制输入有界的前提下,减小超调量,缩短系统调整时间,具有更优的轨迹跟踪性能。     

一种改善电力系统暂态性能的轨迹跟踪控制策略

提出了一种新型轨迹跟踪控制策略,可有效改善受扰后系统的功角暂态性能并保证控制系统最终渐近稳定。该控制策略的核心思想是根据系统当前运行点与网络拓扑的信息,设计合适的参考轨迹并驱动系统沿着该轨迹运动,从而使得受扰动后的系统以较小摆幅快速收敛于一个合理的稳定运行点。建立了具备三角形结构形式的标准动力学模型,通过引入新的附加阻尼项和轨迹初始化条件,逆推设计实现了轨迹跟踪偏差量的消除和各相关因素间的解耦,并获得了控制规律。文中控制规律推导不依赖于具体的控制对象及建模详细程度,可在统一设计过程中实现控制器性能协调与参数的优化,在复杂的互联大系统下具有优势。在MATLAB环境下对4机2区域互联系统进行了大量仿真,相关仿真结果验证了该策略的有效性。     

Adaptive tracking control for dynamic nonholonomic mobile robots with uncalibrated visual parameters

The trajectory tracking control problem of uncertain dynamic nonholonomic mobile robots is addressed in this paper. A novel uncertain camera‐object visual servoing kinematic tracking error model is proposed firstly. And then, on the basis of this model, a new adaptive torque tracking controller is presented in the presence of parametric uncertainties associated with the camera system and mechanical dynamic system. The controller synthesis is based on Lyapunov's direct method and backstepping technique. Simulation results are provided to illustrate the performance of the control law. Copyright © 2012 John Wiley & Sons, Ltd.     

A method to detect broken bars in induction machine using pattern recognition techniques

In this paper, a pattern recognition (PR) method is used to provide the tracking and the diagnosis of a system. First of all, from measurements carried out on the system, features are extracted from current and voltage measurements without any other sensors. These features are used to build up a pattern vector, which is considered as the system signature. Then, a feature selection method is applied in order to select the most relevant features, which define the representation space. The decision phase is based on the "k-nearest neighbors" (knn) rule, associated with an evolution tracking of system using trajectory allowing a diagnosis not only of states defined in the training set, but also of the intermediate states. The appearance of a new operating mode is taken into account in order to enrich the initial knowledge base and thus to improve the diagnosis. This approach is illustrated on asynchronous motor of 5.5 kW with squirrel cage, in order to detect broken bars under any load level. The experimental results prove the efficiency of PR methods in condition monitoring of electrical machines.