结合特征在线选择与协方差矩阵的压缩跟踪算法

本文从3个方面对原始压缩跟踪算法进行改进,以提高其在复杂场景下的鲁棒性和准确性。首先,提出一种结合特征在线选择的压缩跟踪算法,通过计算相邻两帧同维特征所服从的高斯分布曲线的Hellinger距离来度量特征的置信水平,从特征池中选择置信水平较高的特征,并融合特征的置信水平构造贝叶斯分类器。然后,在压缩跟踪框架下引入协方差矩阵以增强算法对目标的表达能力,把Haar-like特征和协方差矩阵相结合构建目标模型,取最大响应值所对应的候选样本作为跟踪结果。最后,优化分类器参数的更新方式,根据目标模板与跟踪结果的相似度来自适应更新分类器参数。改进算法的平均跟踪成功率比原算法提高了25%,平均跟踪精度比原算法提高了22%。相比于原始压缩跟踪算法,本文算法具有更高的跟踪鲁棒性和准确性。     

基于压缩感知的多特征实时跟踪

针对基于压缩感知的目标跟踪算法中存在的特征单一,在目标纹理变化、光照变化较大时跟踪不稳定、易丢失目标的问题,提出了多特征联合的实时跟踪算法。该算法以多个矩阵作为压缩感知中的投影矩阵,将压缩后的数据作为特征来提取出跟踪所需的多种特征。在更新过程中,针对不同特征在跟踪过程中的稳定性不同,采取不同速度的更新方法,使得在目标环境变化时跟踪的鲁棒性仍然很高。对不同视频的测试结果表明,提出的方法在目标运动、旋转、纹理变化和光照变化的情况下跟踪准确,在目标大小为70 pixel×100 pixel时平均帧速为23 frame/s,满足实时跟踪的要求。与单一特征的压缩感知算法相比,本算法在目标纹理和光照变化很大的情况下仍能完成稳定的实时跟踪。     

在线加权多示例学习实时目标跟踪

由于原始多示例学习（MIL）跟踪的分类效果和实时性较差,提出了一种加权在线多示例学习跟踪算法。首先,根据所选定目标位置分别采集目标和背景样本集,通过对所采集样本集特征的在线学习生成弱分类器集;然后,用计算样本集对数似然函数的最大值的方法从弱分类器集中选择K个最优的弱分类器,给每个弱分类器赋不同的权值,生成一个强分类器;最后,在新的一帧中抽取目标和背景样本,用生成的强分类器对待分类的目标和背景进行分类;分类结果映射成概率值,概率最大样本的位置就是所要跟踪目标的位置。对不同视频序列的测试结果表明,该跟踪算法的跟踪正确率达93%,目标大小为43 pixel×36 pixel时处理帧率约为25 frame/s。与原始多示例学习跟踪算法相比,本算法的实时性提高了67%。     

遮挡环境下采用在线Boosting的目标跟踪

针对被跟踪目标在发生严重遮挡时采用基于自学习方法的在线Boosting算法易导致错误累积而产生“漂移”甚至目标丢失的问题,提出了一种基于子区域分类器的在线Boosting算法.首先,将特征池划分为多个子区域分类器对应的子区域特征池;然后,在跟踪过程中自适应地选取子区域分类器来组成强分类器以剔除被遮挡子区域对目标定位的影响;最后,采用对子区域特征池进行部分更新的方法有效解决了特征在线更新时的错误累积问题.对不同视频序列测试的结果表明,当目标大面积被遮挡时本算法能准确定位目标,目标大小为36 pixel×40 pixel时的处理帧率为15 frame/s.与传统在线Boosting算法相比,本算法对发生严重遮挡的目标仍能进行准确跟踪.     

采用核相关滤波器的长期目标跟踪

针对核相关滤波器(KCF)跟踪算法在目标跟踪中存在尺度变化、严重遮挡、相似目标干扰和出视野情况下跟踪失败等问题,提出了一种基于KCF的长期目标跟踪算法。该算法在分类器学习中加入空间正则化,利用基于样本区域空间位置信息的空间权重函数调节分类器系数,使分类器学习到更多负样本和未破坏的正样本,从而增强学习模型的判别力。然后,在检测区域利用Newton方法完成迭代处理,求取分类器最大响应位置及其目标尺度信息。最后,对最大响应位置的目标进行置信度比较,训练在线支持向量机(SVM)分类器,以便在跟踪失败的情况下,重新检测到目标而实现长期跟踪。采用OTB-2013评估基准50组视频序列验证了本文算法的有效性,并与30种其他跟踪方法进行了对比。结果表明:本文提出的算法跟踪精度为0.813,成功率为0.629,排名第一,相比传统KCF算法分别提高了9.86%和22.3%。在目标发生显著尺度变化、严重遮挡、相似目标干扰和出视野等复杂情况下,本文方法均具有较强的鲁棒性。     

基于粒子滤波的彩色图像跟踪

视频跟踪中的目标检测和目标跟踪通常不能通过一个算法同时完成,而是需要两个计算法则,过程复杂,耗时较多.为了实现序列彩色图像的实时检测与跟踪,本文提出了一种基于粒子滤波的实时目标跟踪算法.以目标有无信息和目标位置信息为变量建立了联合状态向量,利用粒子滤波方法实现目标检测及跟踪.为了减少计算量,在充分考虑跟踪区域各像素权重的条件下,建立基于颜色信息的特征直方图作为观测向量,并用于后验估计.实验表明,本文提出的方法在选择150个粒子的情况下,对于768 pixel×576 pixel大小的彩色图像,能够在14.37 ms内检测并跟踪目标,而且能在目标发生旋转变化和尺度变化时,保持稳定跟踪,证明了该方法具有一定的鲁棒性.     

最小化预测残差的图像序列压缩感知

提出了一种最小化预测残差的图像序列压缩感知算法以实现高速相机输出图像的实时压缩.首先,在编码端仅使用映射矩阵对原始输出图像进行压缩,将压缩得到的观测向量通过信道传输到解码端.接着,在解码端对相邻帧进行运动估计和运动补偿,得到一幅待重建图像的预测图像,利用压缩感知算法对原始图像和预测图像之间存在的预测残差图像进行重建.最后,用迭代的方法优化预测残差图像的重建结果,直到连续两次的重建结果之差小于设定阈值,从而获得重建的原始图像.采用DALSA公司的CR-GEN0 H6400相机进行的实验表明,该算法可以实现1 000 frame/s图像的实时压缩,并且图像重建质量比独立地重建每张图像至少提高了2～6 dB,有效地实现了对高速相机输出图像的实时压缩与高质量重建.     

基于无监督判别投影的滚动轴承故障诊断

针对滚动轴承故障样本不平衡和故障特征存在冗余性问题,提出了基于无监督判别投影（UDP）的滚动轴承故障诊断方法。该方法首先从时域和时频域提取多个特征参数,从而构造一个原始的高维特征集,随后运用UDP算法从该特征集中提取最敏感的低维流形特征,最后利用K-近邻分类器识别出滚动轴承的运行状态。将该方法分别应用于轴承故障类型和内圈故障严重性的识别,并与传统方法进行了比较,验证了该方法的可行性和优越性。     

基于半监督谱核聚类的转子系统故障诊断

针对机械系统故障诊断中对先验知识利用不足和在高维特征空间中诊断难的问题,提出了一种基于成对约束和通过约束准则构造核函数的半监督谱核聚类方法。首先,在训练集中利用先验知识建立约束点对,即属于同一聚类的must-link点对和不属于同一聚类的cannot-link点对;其次,通过样本连接图的结构信息和约束点对信息设计核函数,计算出投影矩阵;最后,在投影空间中使用k-means算法聚类。测试集的每个样本点找到在对应训练集中k个近邻样本的投影值,计算局部投影矩阵,从而可以在线计算出每个新来样本的投影值。实验表明,该算法较相关比对算法聚类准确率更高,可以满足转子系统故障诊断的实际需要。     

基于场景辅助特征的T-S目标跟踪

针对遮挡同时目标附近出现相似目标干扰所导致的错跟问题,本文提出利用场景中辅助特征提升目标跟踪抗遮挡以及抗相似目标干扰性能。首先检测场景强特征及目标附近相似干扰,定义二者为场景辅助特征;其次,建立能够较好描述场景强特征及目标运动规律的动态模型以及相似干扰约束;最后,将场景辅助特征及目标的动态模型以粒子滤波的形式表达,提出T-S跟踪算法。采用SPEVI及OTB100数据库中若干典型测试视频,与近年来6种先进跟踪算法进行对比实验,并采用两种评价体系考量。实验结果表明,本文T-S算法对SPEVI多人脸、红外车辆的跟踪误差分别为24 pixel和8 pixel;对OTB100数据库中8种视频跟踪测试时,在重叠率阈值为0.5时的跟踪成功率为0.51,优于其它对比算法。本文T-S跟踪算法能够较好应对遮挡及相似目标干扰。     

循环压载下缺口旁疲劳裂纹扩展

对承受循环压载的缺口试件的疲劳问题进行了试验和理论研究。结果表明，疲劳裂纹是在残余拉应力和循环压应力作用下萌生和扩展的，压塑性变形是裂纹萌生和扩展和扩展的必要条件。循环压载下仍存在着裂纹张开和裂纹闭合，其机理与拉伸循环下不同。以试验中采用的ＬＹ１２ＣＡ材料边缺口试件为例，提出了考虑裂纹闭合效应的扩展率计算模型，结果与试验吻合得较好。     

一种高效的过渡特征识别与抑制算法

过渡特征的识别与抑制是有效实现CAD／CAE、CAD／CAM集成的关键技术之一。提出了一种简单、高效的过渡特征识别与抑制算法。该算法首先识别出零件中的全部过渡面，并将它们划分为边过渡特征、点过渡特征以及混合过渡区域，将混合过渡区域分解为独立的边、点过渡特征，将每一边、点过渡特征所包含的全部过渡面作为一个整体，采用欧拉操作进行抑制。该算法简化了抑制过程，显著提高了抑制效率。此外，该算法不受过渡面生成方法的制约，能处理任意类型的过渡面。最后，给出了实验结果。     

CAPP系统中三维制造特征提取关键技术的研究

特征提取技术对继承已有的设计资源以及实现设计与制造的集成具有重要的意义。为了将CAD系统中的设计特征转化为CAPP系统中制造特征,提出了伪制造特征的概念,并对其进行了定义。在此基础上介绍了如何从CAD系统中提取伪制造特征以及如何将伪制造特征映射为工艺设计中的制造特征,为后续工艺自动规划做准备。     

基于多特征融合的汉英口语翻译自动评分方法研究

汉英口语翻译自动评分不仅仅可以提高评分的效率,同时也可以确保评分的公正客观性。本文提取了汉英口语翻译自动评分的相似度特征、句法特征和语音特征,得到了用于自动评分的11个特征。以某大学英语专业口语翻译课程考试所采集的语音信号为例,最终获得了包含8个特征的汉英口语翻译自动评分模型。结果表明,在去除特征之后,汉英口语翻译自动评分系统的性能得到了一定程度的改善。本论文的研究对汉英口语翻译自动评分研究具有一定的参考机制。     

基于属性邻接图的制造特征识别方法

制造特征的识别是实现CAD／CAPP／CAM集成的关键技术,既要将特征交互的区域合理分解,又要避免在识别过程中把单个特征不恰当地分解为两个或多个特征,本文使用辅助面、延伸面相结合的方法,对零件的属性邻接图表示进行扩展,同时引入了联合加工特征的概念及识别方法,使扩展后得到的图被分解后能够真实地表示零件的制造特征,从而使加工的推理胡切、更快捷。     

适应性特征及其模型维护

提出采用适应性特征和传统特征共同表示设计模型的方法，该方法改进现有特征造型技术，实现装配模型与零件模型在数据层面的统一；从适应性特征的定义、分类、性质等基本属性出发，论述了适应性特征的模型表示方法、模型维护策略以及算法，并在实践中进行了验证。     

车加工特征的自动识别与选择方法

提出一种车加工特征的自动识别和优化选择方法。首先，对于需要铣／车的零件，使用基于实体布尔运算的渐进式方法生成最大车加工体；然后，在毛坯和最大车加工体几何模型的基础上。生成需要切除材料的几何模型，并将该模型剖分为单元网格，形成属性化图的表示，根据属性化子图匹配算法统一地识别常规特征和用户自定义特征，形成零件车加工的原始特征集合；根据特征个数和方向数最小原则对原始特征集合进行优选和去冗余；最后，在相交特征之间选择特征前后顺序约束，使得按此顺序修剪后的特征重叠部分达到最少，以实现加工时间优化的目的。最后输出的是修剪后的非冗余特征集合及在其上的前后约束有向图。     

基于特征相关性和冗余性分析的机械故障特征选择研究

从特征相关性和冗余性的定义出发，利用特征与类别间的互信息对特征相关性和冗余性进行了度量，提出了一种基于特征相关性和冗余性分析的特征选择方法。数值仿真和柴油机故障特征选择实验结果表明，新方法可以快速、有效地求得优化特征集，是求解特征选择问题的一个较好方案。     

并行压缩成像系统的压缩域小目标检测

提出一种适用于并行压缩成像系统的压缩域小目标检测算法,以便省去获得小目标位置信息时进行的图像重建环节,有效降低算法的复杂度。该方法通过并行压缩成像数学模型捕获背景以及待测图像压缩测量值,通过高斯混合模型进行压缩域背景建模,从而获得压缩域前景观测值。然后计算压缩域前景观测值与各压缩域目标位置模板的余弦相似度,根据局部阈值以及压缩域候选目标面积实现目标检测与定位。最后进行了仿真实验,分析了降采样率、测量次数、投影误差以及噪声等对目标检测效果的影响。结果表明:增大降采样率及噪声均会降低检测效果;测量次数对检测效果的贡献是有限的;测量次数为2次或3次时,可以在保证检测效果的同时有效控制运行时间。此外,噪声对检测效果影响较大,因而需要严格控制系统噪声。该方法可以在不进行任何图像重建的情况下实现目标的实时检测。