基于语义分割算法的水库漂浮物智能识别

为了满足水库漂浮物强监管的需求，发挥水库水雨情视频监控的优势，将语义分割算法DeepLabV3+应用于水库漂浮物智能识别任务中。首先，通过多要素数据采集方法以及多种图像数据增强方式系统性整合得到水库漂浮物语义分割数据集。然后，提出改进的加权代价函数，以适应数据集中各类的总像素数量不平衡的问题。实验结果表明，通过规范采集与多种数据增强建立的数据集，以及改进的加权代价函数，提高了水库漂浮物语义分割模型的准确率。所提模型像素准确率平均值、平均交叉比分别可达到95.21%、91.03%，通过微信企业号实现的移动监管，可为水利相关部门对水库漂浮物进行及时的智能监控预警提供新的技术方案。     

应用膨胀算法提取目标的直接定位算法

为了解决被动雷达系统中的多发射源定位问题，提出了一种基于多重信号分类(MUSIC)算法和图像膨胀(IE)算法的直接定位方法。该方法结合了谱分析中的MUSIC思想，通过对接收量测协方差矩阵进行特征分析求解目标的位置。首先，在目标个数未知的前提下，利用Akaike信息准则(AIC)来确定模型阶数；然后，推导了基于MUSIC的定位代价函数；之后，利用图像膨胀算法处理得到的代价函数平面；最后，膨胀处理后的输出为目标个数及目标位置的估计值。提出的算法有效地解决了目标检测及提取的问题，能够确定多个目标的位置坐标，为后续的定位性能分析提供可能性，也保证了算法的完整性。进一步地分析了多个临近目标情况下影响目标提取性能的主要因素。     

基于时空的弱点状运动目标检测技术

如何在复杂背景下持续有效地检测目标位置,一直是研究者们需要面对的主要挑战。本文在研究红外点状移动目标特征的基础上,根据目标无纹理,无形状的特性,提出一种改进的形态学目标增强算法,并利用目标连续时空不变性检测目标。首先,建立多尺度的图像金字塔,在每层上采用改进的形态学算法快速、粗糙定位小目标。然后进一步的根据目标在时空上的位置相关性,提出基于目标运动特征分析的精确检测方法。得到精确稳定的检测结果。最后实验结果表明与经典的形态学检测算法及其他算法相比,该技术能更有效地检测弱小目标,具有更高的鲁棒性。     

多用户分集与能量受限非可信中继系统遍历安全性能分析

研究了一种能量受限的非可信中继与多用户分集技术相结合的两跳链路安全网络通信模型。为提升系统安全性能，本文采用混合时间-功率分配中继(time-power splitting-based relaying, TPSR)协议,并结合机会调度策略(opportunistic scheduling strategy, OSS)从多用户分集网络中选择一个最佳目的节点作为信息接收端。基于随机选择(random selection, RS)策略，该文中利用低复杂度的高斯Q函数分析系统的安全性能以及在协作中继上进行能量采集活动不中断的条件下推导了系统的遍历安全速率(ergodic secrecy rate, ESR)的近似闭合表达式。此外，将提出的OSS与RS通信方案下性能进行对比，证明本文所提出的OSS更适用于分布式多用户选择网络。      

基于PHP的乒乓球在线技战术分析系统的理论构建研究

目前从体校到地方基础乒乓球训练基地俱乐部,教练对学生平时训练和比赛都采用的是经验主义来进行相关技术指导。该文目的是利用现在高新视频捕捉科技运动目标分析(包括目标的检测、识别、跟踪和理解)对比赛中的运动员的各项技术使用进行捕捉转化成参数在后台数据库中通过算法分析,得出每项技术的使用、得分率和从发球到最终得分之间的相关性分析。为此,该文将对基于PHP技术的乒乓球比赛在线技战术分析系统进行理论分析与设计。该系统分为多个模块:前台首页设计,后台首页设计,模拟竞赛模块,现场竞赛分析模块等[1]。构建系统应当以win7操作系统为基础,目的是提高各模块之间的兼容性,使用了PHP和Smarty等技术,同时以面向对象的程序开发方式,结合MySQL数据库与Ja?vaScript来实现该系统的开发,希望该系统的理论构建可以帮助到后续开发人员,并推进未来乒乓球智能化分析时代,有利于省、市地方基础乒乓球训练基地和俱乐部的教练对学员的比赛指导以及今后训练。     

典型相关滤波跟踪算法的比较与分析

为综合评价现有的相关滤波类算法,对典型的相关滤波跟踪器进行全面的比较与分析,从而为进一步完善相关滤波器的设计提供指引。从相关滤波跟踪理论的一般框架切入,重点对当前四种具有代表性的相关滤波跟踪器即KCF,DSST,HCF和ECO展开研究,分别从理论分析以及在大规模公开数据集OTB100上的实验表现详细地比较各算法的优劣。比较与分析结果表明,使用卷积特征的算法在跟踪准确性和鲁棒性上相比单纯使用人工特征的算法具有显著优势,然而跟踪速度也会急剧下降,具有尺度估计模块的跟踪器能够得到更优的跟踪成功图表现。最后对深度学习结合相关滤波方法存在的实时性不足、长时跟踪等问题进行分析,并对未来的发展趋势进行了展望。