融合重检测机制的卷积回归网络目标跟踪算法

针对基于人工特征的背景感知相关滤波（CACF）算法在形变、运动模糊、低分辨率情形跟踪效果较差以及跟踪器遇到严重遮挡等情形容易陷入局部最优而导致跟踪失败的问题，提出一种融合重检测机制的卷积回归网络（CRN）目标跟踪算法。在训练阶段，将相关滤波作为CRN层融入进深度神经网络，使网络成为一个整体进行端到端训练；在跟踪阶段，通过残差连接融合不同网络层及其响应值，同时引入重检测机制使算法从潜在的跟踪失败中恢复，当响应值低于给定阈值时激活检测器。在数据集OTB-2013上的实验表明，所提算法在50个视频序列上精确度达到88.1%，相比原始CACF算法提高9.7个百分点，在具有形变、运动模糊等属性的视频序列上相比原始算法表现更优秀。     

复杂环境下的自适应红外目标分割算法

针对现有图像分割算法存在分割效果不佳及耗时长等缺点,提出了一种二维Otsu法红外目标阈值分割算法。根据局部邻域熵引入图像背景因子来对图像进行预分类,并采用最佳阈值与类内与类间方差的归一化处理对图像进行图像分类;最终通过约束阈值的搜索范围,来提高算法的准确性与稳定性。实验结果表明,该方法能够对不同类型的图像进行有效的图像分割同时保持较高的编码效率,与其他算法比较,该算法的图像分割效果及消耗时间具有一定的优势。     

一种灰度化混合法在集装箱箱号识别中的运用

研究一种基于机器视觉的集装箱箱号识别方法。对于集装箱彩色图像预处理过程中的灰度化方法，传统的灰度化算法不能有效弥补图像中污损或其他信息缺失的部分，因此，本文提出使用主成分分析法（PCA）结合贝叶斯阈值估计灰度变化率的混合法对图像的灰度化进行优化，可以在判断图像中某一点灰度值与周围相邻像素点的灰度值的变化率后，弥补缺失信息，有效确定边缘特征，从而使后续的字符识别准确率大大提高。最后使用该算法模型设计实现一套用于港口集装箱的智能检测系统。经过Matlab实验验证，在对50幅港口集装箱箱号图像的识别中，通过使用本文提出的混合灰度化方法，与普通的均值法和加权平均法的灰度化方法相比，准确率更高，其中单一字符准确率可达96%，箱号准确率可达92%。     

一种基于ZYNQ的嵌入式高尔夫球体花纹识别系统设计与实现

屏幕高尔夫系统需要通过高速摄像机获取高尔夫球体的旋转速度和飞行角度，一种简便的做法是在普通的球体上绘制花纹来测量球体的飞行参数，由于高速成像系统曝光时间短，因此采集到的球体图片对比度低且边缘模糊，为了识别高尔夫球体表面的花纹，设计出了一套以 ZYNQ为核心的嵌入式高尔夫球体花纹识别系统，通过最小二乘法对图像拟合出阈 值曲面，同时利用自适应算法来确定阈值曲面的平移量，保证算法对不同的图片具有较好的鲁棒性。实验结果表明，算法可以准确的将球体上的花纹同球体分离开。     

面向电信承载网的监控系统设计与实现

面对电信承载网连接的日益增长的海量终端设备，运营商需要结合网络拓扑对终端设备产生的数据进行高效的汇聚统计、异常分析、故障定位处理等操作。针对已有系统存在的操作困难、分析效率低等问题，设计与实现了一个面向电信承载网的高效监控系统，提供实时与离线数据分析和多维可视化分析的能力。对网管、认证、终端等系统及设备采集的数据进行结构化存储，对采集的数据进行拓扑相关性和时间序列方法分析，根据分析结果实现基于动态阈值控制的异常实时告警、定位等操作，并提供多维度可视化分析对网络状态进行实时监控。实际应用结果表明，该系统性能优异，具有良好交互性，能较好地满足承载网运维人员业务分析需求。     

一种结合Camshift和Kalman滤波的TLD目标跟踪算法

TLD(Tracking-Learning-Detection)跟踪最大的优点是对初始选择的目标进行不断的学习,来获取目标当前的外观特征信息。但其计算量大,当有相似目标出现、目标物被遮挡时,跟踪精确度低、效果差。Camshift算法是基于Meanshift算法形成的可连续自适应的一种算法。Camshift结合Kalman滤波可实现对目标位置的快速查找和对窗口大小的控制功能。将TLD跟踪方法的原始输出数据与改进算法的预测结果结合,再修正当前时刻的状态输出结果。对输出结果加权处理,得到目标的最终准确位置。改进算法既具有TLD算法原有的长期有效跟踪特点,又提高了对目标实时跟踪的准确性,同时对短时遮挡具有预测功能。