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。     

两阶段领域自适应学习

针对领域自适应问题中源域和目标域的联合分布差异最小化问题,提出两阶段领域自适应学习方法.在第一阶段考虑样本标签和数据结构的判别信息,通过学习一个共享投影变换,使投影后的共享空间中边缘分布的差异最小.第二阶段利用源域标记数据和目标域非标记数据学习一个带结构风险的自适应分类器,不仅能最小化源域和目标域条件分布差异,还能进一步保持源域和目标域边缘分布的流形一致性.在3个基准数据集上的实验表明,文中方法在平均分类准确率和Kappa系数两项评价指标上均表现较优.     

基于关键路径延时检测的自适应电压缩减技术

为了减小传统的最差情况设计方法引入的电压裕量,提出了一种变化可知的自适应电压缩减(AVS)技术,通过调整电源电压来降低电路功耗.自适应电压缩减技术基于检测关键路径的延时变化,基于此设计了一款预错误原位延时检测电路,可以检测关键路径延时并输出预错误信号,进而控制单元可根据反馈回的预错误信号的个数调整系统电压.本芯片采用SMIC180 nm工艺设计验证,仿真分析表明,采用自适应电压缩减技术后,4个目标验证电路分别节省功耗12.4％,11.3％,10.4％和11.6％.     

直角折线堰在生态河道中的应用研究

通过模型试验，研究直角折线堰不同前堰、侧堰长度的变化情况下的过流能力和过堰水流形态。直角折线堰作为亲水设施，当前堰、侧堰长度以及展长变化不大时，其过流能力相差仅为１０％左右，对河道的行洪安全没有根本性的影响；不同的前堰、侧堰长度变化情况下，过堰水流在堰顶、堰后的水舌形态以及下游水流跌落后所形成的水冠均有着较为明显的差异，将其进行不同的组合布置，客观上使得过堰水流相互交错、水股相击，能够营造出和谐美丽的生态氛围。     

基于流固耦合的氦气囊非稳定形态机理分析

为了揭示飞艇内置氦气囊在非稳定状态下的形态变化机理,建立了单个氦气囊模型,基于ANSYS的瞬态动力分析和CFX的多场耦合分析,考虑空气与氦气密度差导致的浮力效应,进行空气和氦气流体及柔性囊体的多场耦合分析.首先基于囊体无应力态进行充气模拟得到初始充气平衡形态,校验数值模拟方法的正确性.然后通过控制氦气排气量模拟氦气囊在0°、10°、20°、30°仰角以及充盈度分别为100%、90%、80%、70%、60%时的形态,并进行变形、应力特征分析.数值结果表明:在仰角为0°时,随充盈度减小,囊体底部约1/3区域发生形态失稳,呈环向均匀小凹陷模态,且向顶部扩展,环向贯通为大凹陷;当有仰角时,凹陷先发生于下腹部,环向非对称,且随仰角增大,下腹部凹陷向顶部扩大.     

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。     

基于SSD-CF的无人艇目标检测跟踪方法

针对目前目标检测和目标跟踪算法对无人艇运算配置要求高、速度慢等问题,该文一种提出基于SSD-CF的无人艇目标检测跟踪方法。利用MobileNets结构结合SSD目标检测算法构建轻量级卷积神经网络,实现无人艇的水面目标检测。目标检测结果作为相关滤波CF目标跟踪算法的初始输入,并在目标跟踪过程的保障其有效性。通过MODD水面船只视频数据实验表明,SSD-CF方法融合目标检测与目标跟踪算法,可有效地降低对运算力的要求,提升目标检测跟踪速度和目标位置的稳定连续性。