基于卡尔曼滤波的交通参数采集系统

基于计算机视觉的交通监控系统，已成为交通管理的主要手段，车辆的实时检测和追踪是智能交通监控系统的核心。文中介绍了公安部智能交通项目的交通信号采集模块中使用的关于多物体追踪的一些方法，主要采用了子特征提取方法和kalman滤波统计模型，建立起物体的追踪模型。在其基础上实现目标的检测和追踪，及最终的交通参数的测量。     

基于多新息Kalman滤波的TLD改进算法

针对跟踪检测学习(tracking learning detection,TLD)跟 踪算法中目标被遮挡后跟踪失败以及跟踪精度不高的问题,本文提出基于多新息Klaman滤波的TLD改进算法,在原始TLD跟踪算法的基础上加入了多新息Klaman滤波算法。改进算法对跟踪目标建模,将TLD跟踪算法 的结果作为系统当前状态的观测值,结合多新息Kalman滤波算法的预测值,最优化检测结果 ,作为当前帧中目标的跟踪位置。通过实验对原始TLD和改进后的TLD算法进行比较,通过在标准测试序列的实验验证,加入多新息Kalman滤波的TLD改进算法与原始TLD算法相比,其跟踪误差更小,而且实现了对跟踪目标被遮挡后 的位置预测。     

基于时空马尔可夫随机场交通参数采集系统研究

可靠的车辆跟踪是实现交通事件自动检测的重要前提,车辆跟踪中的车辆相互遮挡则是影响车辆跟踪结果的关键因素.针对这一难题,提出了一种基于时空马尔可夫随机场(简称ST-MRF)模型的车辆跟踪算法,用以得到目标地图和运动矢量地图.在目标地图和运动矢量地图的基础上提取交通参数,然后通过摄像机标定技术,获得实时的车速以及车辆运动坐标,最后通过对交通流三参数的分析,得到实时的交通流运行特征.这可为以后的交通事件检测提供依据.     

基于通道权重融合特征的目标跟踪算法

目标跟踪是机器视觉领域的一个研究热点,如何提高复杂场景下的跟踪水平是一个挑战性的问题.以往的研究表明,如何有效使用特征是实现跟踪的关键.因此,提出一种基于通道融合特征的目标跟踪算法.该方法基于多通道相关滤波框架,引入特征通道权重,根据通道对响应值的贡献度调整权重,从而构建实时特征组合.该算法能够快速捕捉目标状态变化,有效跟踪目标.为了验证算法跟踪的有效性,我们在公开数据集OTB-2015上测试算法性能,并与多种跟踪算法进行比较.实验结果显示,该算法在跟踪精度、成功率上都取得较好的结果,整体性能优于对比算法.     

基于卡尔曼滤波的谐波检测分析

针对日益严重且复杂的电网谐波问题,提出了一种基于卡尔曼滤波的谐波检测方法.阐述了卡尔曼滤波器的跟踪估计原理,并建立了基于卡尔曼滤波器谐波分析的数值模型,结合Matlab仿真平台对算法检测稳态谐波和暂态谐波信号的性能进行了分析.通过对比研究表明该算法在准确度、快速性、暂态谐波分析等方面均优于快速傅里叶变换(FFT),仿真和试验结果表明该算法在分析复杂的电网电能质量事件中具有较高的实用性.     

基于均值漂移与卡尔曼滤波的目标跟踪算法

均值漂移算法在目标跟踪过程中没有利用目标的运动方向和速度信息,在目标受到干扰时容易跟踪失败,而Kalman滤波能够较为准确地预测目标的速度和位置。因此,提出了一种结合均值漂移与Kalman滤波的跟踪算法,使用Kalman滤波对目标运动速度和空间位置进行预测。根据干扰的不同情况,使用不同的比例因子将两算法的跟踪结果线性加权得到目标的最终位置。实验结果表明该算法是可行有效的。     

基于视频的交通事件和交通流检测系统

本文运用数字图像处理和计算机视觉技术,对基于视频的交通事件和交通流检测进行了原理设计;并通过相关的硬件知识和编程技术实现了该系统。对数字图像处理和机器视觉的综合运用流程和相关知识做了介绍,如背景更新、滤波降噪、图像分割、特征提取、摄像机标定和目标识别。为视频交通事件和交通流检测的实现提供了一个新的案例。     

基于特征融合的改进LCT跟踪算法

为解决LCT算法在目标形变与快速移动情况下跟踪效果差的问题,提出一种基于特征融合的跟踪算法。在梯度方向直方图特征相关滤波的基础上,提取目标与背景颜色直方图特征,得到颜色特征的目标预测位置。在此基础上,根据跟踪置信度确定特征融合权重,综合考虑梯度特征与颜色特征得到跟踪结果。实验结果证明,与LCT算法相比,该算法的距离精度和重叠精度分别提高了11.5%和21.2%,平均中心位置误差减少了15.3像素。     

智能网联汽车驾驶健康系统的实现方法研究

随着近年来对于人工智能研究的进一步开展和深入,其应用领域也扩大到了人们日常生活的各个领域.汽车已成为人们日常生活中重要的交通运输工具,但这同时导致了各类重大交通事故的不断增加,给人民造成伤害和损失.系统的开发使用Python语言,以PyCharm作为开发环境,采用YOLO框架实现目标检测,DeepSort多目标跟踪算法...     

基于计算机视觉的车架号采集系统

在车架号管理系统中,车架号的获取目前还主要通过人工拓印来完成。这种方法提取速度慢、人员操作不方便、消耗大量人力,在车辆众多的情况下,花费时间太长,严重影响办公效率。针对这种情况,介绍了一种新的车架号采集方法,该方法利用计算机图像识别技术和机器视觉检测技术从图片中定位并恢复出原始车架号信息,与拓印方法相比,不仅可节省时间,提高办公效率,而且易于实现车架号的数字化和网络化管理。经天津车管所的样机试验和使用,效果良好。     

一种基于小波卡尔曼滤波的MPLS流量预测算法

MPLS网络流量具有不确定性和突发性的特征,针对该特征分析了现有网络流量预测模型的不足,并提出了一种更具针对性的基于小波和卡尔曼滤波的流量预测模型.利用卡尔曼滤波目标的小波变换系数,通过与多尺度分析方法相结合,设计和实现了具备实时性和递归性,同时具有多尺度分析能力的小波-卡尔曼滤波混合流量预测模型.通过仿真模拟实验,结果表明MPLS流量预测算法相对于传统流量预测模型具有较好的实时性和预测精度,而且算法的复杂度也比较低.     

基于三维扩展卡尔曼滤波的算法

现在的定位算法通常是二维形式的,在基于扩展卡尔曼滤波的TDOA/AOA算法的基础上推导出了该算法的三维形式。在本文中将方位角、俯仰角、TDOA三个量构造成符合扩展卡尔曼滤波器的模型,可求得三个分量,从而最终得到移动基站的位置估计。我们仿真了该方法的跟踪轨迹,推算出参数克拉美罗下限     

基于流量矩阵和Kalman滤波的DDoS攻击检测方法

针对分布式拒绝服务(DDoS)攻击产生的流量往往对路由器造成难以承受的负担的问题,提出一种既能减轻路由器负荷又能快速准确检测DDoS攻击的方法。该方法首先在路由器中构造端口对之间的流量矩阵来准确描述DDoS攻击的流量汇聚特性,然后利用Kalman滤波对流量矩阵进行估计,接着使用GLR统计测试进行异常检测,进而判断路由器端口是否受到DDoS攻击。最后,基于实际数据进行了仿真实验,结果表明,所提方法相比主成分分析(PCA)方法具有更高的检测率、更低的误检率和更小的检测延迟。     

基于扩展卡尔曼滤波的气动参数在线修正方法

提出了在风洞试验获取的气动参数的基础上对由各种误差和扰动引起的气动偏差进行修正的方法。采用扩展卡尔曼滤波算法,利用雷达获取在线飞行弹丸的一段飞行数据(位置和速度),使用已知的气动参数对飞行数据进行过滤得到气动参数的修正系数,对已知气动参数中的阻力系数和升力系数进行修正,为后段弹道计算提供更加精确的气动参数。通过仿真计算,验证了上述方法的有效性,并利用弹道外推计算,通过对比落点误差证明了上述方法的精确性,为气动参数辨识和弹道修正提出了新的途径。     

基于粒子滤波的交通仿真系统

针对现有多数交通仿真系统在交通状态估计问题精确度不高的缺陷,引入粒子滤波方法对交通状态进行预测估计,设计并实现基于粒子滤波的交通仿真系统。首先介绍系统粒子滤波的初始化、粒子状态转移过程、权值计算及归一化和重采样操作的设计,然后将实测交通数据通过粒子滤波算法引入模型以提高状态估计的能力,最后基于微观交通仿真软件MovSim实现该系统。实验表明：基于粒子滤波的交通仿真系统具有较强的预测稳定性和准确性。     

基于卡尔曼滤波的陶瓷配料控制系统

介绍了陶瓷配料控制系统的控制原理以及基于AVR单片机的电子秤硬件设计。针对配料系统中干扰多,传统PID控制精度不高、稳定性较差的不足,提出基于卡尔曼滤波的PID控制器设计算法。该算法基于线性最小平方法进行有效递推计算,通过设置卡尔曼滤波器各项参数,可提高系统控制性能,并对加入滤波器前后2种情况下的仿真结果进行对比分析,仿真结果表明,在相同的外部条件下,采用卡尔曼滤波器的PID控制系统优于传统的PID控制系统,并将该算法应用于陶瓷配料系统中,算法投入前后的实时数据表明,提出算法提高了对象控制精度,稳定了陶瓷地砖的质量,具有较好的应用价值。     

基于扩展卡尔曼滤波的测量系统数据分析

为消除误差和随机干扰对测量数据的影响。利用扩展卡尔曼滤波算法对测量数据进行处理,并提出基于扩展卡尔曼滤波算法的不可信点判断方法对测量数据进行野值剔除。两种方法结合运用,可以在保留数据特征的基础上,提高数据的精度,更好地反映测量目标的性能。     

基于联邦滤波技术的吨位智能测量系统

该文介绍了联邦Ka lm an滤波器的原理和结构,对多传感器信息融合技术在船舶吨位智能测量系统中的应用进行了探讨。文中构建了船舶吨位智能测量系统,根据系统需要详细设计了一种基于联邦Ka lm an滤波结构的多声纳传感器信息融合算法,并且给出了计算船舶吨位的算法,在多声纳传感器融合过程中,提出“变参考系统”方法来提高系统精度和可靠性,最后用MATLAB对本系统进行了仿真。仿真结果表明,算法有较高的系统精度和容错性,系统可行。     

基于Kalman滤波的授时测量系统研究

高精度授时设备大都是由昂贵的硬件设备组成,并采用GPS时间基准,这在成本上和安全性上限制了授时设备的应用;为解决这一矛盾,以我国自主的北斗系统时间作为基准,采用软件实现了一种高精度校频算法,利用该算法对可驯恒温晶振进行连续校频,可得到高稳定高精确的时间信号;实验结果表明:在稳定状态下,系统输出时间的频率稳定度达到10-12量级,能够满足高精度的授时需求.