采用核相关滤波的快速TLD视觉目标跟踪

目的 如何对目标进行快速鲁棒的跟踪一直是计算机视觉的重要研究方向之一,TLD（tracking-learning-detection）算法为这一问题提供了一种有效的解决方法,为了进一步提高TLD算法的跟踪性能,从两个方面对其进行了改进。方法 首先在跟踪模块采用尺度自适应的核相关滤波器（KCF）作为跟踪器,考虑到跟踪模块与检测模块相互独立,本文算法使用检测模块对跟踪模块结果的准确性进行判断,并根据判断结果对KCF滤波器模板进行有选择地更新;然后在检测模块,运用光流法对目标位置进行初步预测,依据预测结果动态调整目标检测区域后,再使用分类器对目标进行精确定位。结果 为了验证本文算法的优越性,对其进行了两组实验,实验1在OTB2013和Temple Color128这两个平台上对本文算法进行了跟踪性能的测试,其结果表明本文算法在OTB2013上的跟踪精度和成功率分别为0.761和0.559,在Temple Color128上的跟踪精度和成功率分别为0.678和0.481,且在所有测试视频上的平均跟踪速度达到了27.92帧/s;实验2将本文算法与其他3种改进算法在随机选取的8组视频上进行了跟踪测试与对比分析,实验结果表明,本文算法具有最小的中心位置误差14.01、最大的重叠率72.2%以及最快的跟踪速度26.23帧/s,展现出良好的跟踪性能。结论 本文算法使用KCF跟踪器,提高了算法对遮挡、光照变化和运动模糊等场景的适应能力,使用光流法缩小检测区域,提高了算法的跟踪速度。实验结果表明,本文算法在多数情况下均取得优于参考算法的跟踪性能,在对目标进行长时间跟踪时表现出良好的跟踪鲁棒性。     

基于分布式水文模型GBHM的河流闸坝调控研究

以秦岭北麓半干旱区城市河流为例,构建分布式水文模型与河段水量平衡模型,分析区域气候变化、河流上游水利工程蓄水运行及下游城市段橡胶坝蓄水调度对河流水量水质的影响,并依据不同水平年的水文模拟计算结果,制定变化环境下河流下游闸坝水量水质调控方案。研究结果表明:通过构建分布式水文模型,研究流域水文与气象要素、水库建设运行与灌溉取水等人类活动对河流水文过程的综合影响,是降低河流水资源管理风险及不确定性的有效途径之一;以下游河段水量、水质监测等数据为基础,开展变化环境下橡胶坝水量水质随机模拟与调控,制定的水量水质优化调控方案可以有效缓解河流水污染状况。     

快速深度学习的鲁棒视觉跟踪

目的 基于深度学习的视觉跟踪算法具有跟踪精度高、适应性强的特点,但是,由于其模型参数多、调参复杂,使得算法的时间复杂度过高。为了提升算法的效率,通过构建新的网络结构、降低模型冗余,提出一种快速深度学习的算法。方法 鲁棒特征的提取是视觉跟踪成功的关键。基于深度学习理论,利用海量数据离线训练深度神经网络,分层提取描述图像的特征;针对网络训练时间复杂度高的问题,通过缩小网络规模得以大幅缓解,实现了在GPU驱动下的快速深度学习;在粒子滤波框架下,结合基于支持向量机的打分器的设计,完成对目标的在线跟踪。结果 该方法精简了特征提取网络的结构,降低了模型复杂度,与其他基于深度学习的算法相比,具有较高的时效性。系统的跟踪帧率总体保持在22帧/s左右。结论 实验结果表明,在目标发生平移、旋转和尺度变化,或存在光照、遮挡和复杂背景干扰时,本文算法能够实现比较稳定和相对快速的目标跟踪。但是,对目标的快速移动和运动模糊的鲁棒性不够高,容易受到相似物体的干扰。     

泊松阻尼因子在预测高孔隙度砂岩中的应用

预测相对高孔砂岩是甜点预测的重要任务之一,利用叠后地震属性预测孔隙度的方法在远井的位置结果不理想,通过叠前反演得到的泊松阻尼因子属性(PDF)在检测高孔砂岩方面有其独特优势。测井岩石物理分析发现:PDF不仅能识别砂岩,还与孔隙度相关性较高,非常适合应用预测高孔砂岩。在实际工区应用中发现PDF很好得刻划出了高孔砂岩(河道主方向)的分布特征,是一种定性孔隙度预测的新手段。     

基于双直方图自适应选择的目标跟踪算法*

针对传统的均值漂移算法,加入了梯度方向直方图及其与颜色直方图的自适应选择,提高了均值漂移算法在复杂场景中目标跟踪的鲁棒性。传统的均值漂移算法往往选择固定的一个颜色直方图对目标进行跟踪,当目标自身或者跟踪场景发生变化时,容易跟踪失败。通过分析被跟踪目标在当前场景中与目标模板在颜色以及梯度方向上的相似性并设定阈值,从而选择并使用当前有效的目标特征,实现复杂变化场景下的目标跟踪。一系列不同场景下的运动目标跟踪实验,证实了该算法的可靠性。     

利用不确定度的冲突证据组合

D-S(Dempster-Shafer)证据理论在信息融合中有着广泛的应用.针对证据理论中高冲突证据组合出现反直观结果问题,提出一种新的证据组合方法.依据证据体不确定度生成权重,并基于所获权重修正待组合证据体再利用Dempster规则完成证据组合.算例分析表明所提方法是合理有效的.     

YOLOv3和双线性特征融合的细粒度图像分类

目的 细粒度图像分类是计算机视觉领域具有挑战性的课题,目的是将一个大的类别分为更详细的子类别,在工业和学术方面都有着十分广泛的研究需求。为了改善细粒度图像分类过程中不相关背景干扰和类别差异特征难以提取的问题,提出了一种将目标检测方法YOLOv3（you only look once）和双线性融合网络相结合的细粒度分类优化算法,以此提高细粒度图像分类的性能。方法 利用重新训练过的目标检测算法YOLOv3粗略确定目标在图像中的位置;使用背景抑制方法消除目标以外的信息干扰;利用融合不同通道、不同层级卷积层特征的方法对经典的细粒度分类算法双线性卷积神经网络（bilinear convolutional neural network,B-CNN）进行改进,优化分类性能,通过融合双线性网络中不同卷积层的特征向量,得到更加丰富的互补信息,从而提高细粒度分类精度。结果 实验结果表明,在CUB-200-2011（Caltech-UCSD Birds-200-2011）、Cars196和Aircrafts100数据集中,本文算法的分类准确率分别为86.3%、92.8%和89.0%,比经典的B-CNN细粒度分类算法分别提高了2.2%、1.5%和4.9%,验证了本文算法的有效性。同时,与已有细粒度图像分类算法相比也表现出一定的优势。结论 改进算法使用YOLOv3有效滤除了大量无关背景,通过特征融合方法来改进双线性卷积神经分类网络,丰富特征信息,使分类的结果更加精准。     

镍复合板碱熔锅裂纹分析及返修

对镍复合板裂纹的特性进行了分析,其结果可为后续裂纹修复以及设备质量提供有力保证.     

甚低频拖曳天线的稳态动力学研究

甚低频(Very low frequency,VLF)拖曳天线力学特征和控制是飞机对潜通信系统进一步深入论证需要解决的关键问题之一,而对其稳态动力学研究是进行甚低频拖曳天线力学特征和控制研究的基础。通过对载机盘旋时甚低频天线运动状态及其受力进行分析,应用牛顿定律建立机载甚低频拖曳天线稳态动力学模型。运用打靶法对其稳态动力学模型进行求解,分析载机速度、倾斜角和天线末端锥袋质量对天线末端锥袋量纲一半径和天线垂直度的影响。仿真结果表明在阻力系数较小时,在一定的倾斜角和载机飞行速度范围内其垂直度和天线末端量纲一半径存在多值情况,会导致拖曳天线系统的不稳定;在一定的阻力系数下,减小飞机速度,增加载机的倾斜角,能够提高甚低频拖曳天线的垂直度;单一增加天线末端锥袋质量来提高垂直度是不可行的。     

天然气泄漏扩散规律的CFD仿真

天然气管道泄漏后气体的扩散受到管道运行情况和周围环境的影响,气体在泄漏孔处的喷流规律较为复杂,以CFD方法为基础,使用ANSYS软件对泄漏点及其周围环境进行建模,对不同工况进行模拟,分析运行压力、风速和泄漏孔径对气体扩散的影响,从而得到天然气管道泄漏后气体的扩散规律,证明泄漏范围与输送压力和泄漏孔径成正相关,风向和风速分别影响泄漏云的扩散方向和扩散速度。