Human tracking system based on adaptive multi-feature mean-shift for robot under the double-layer locating mechanism

Human tracking has been a challenging task for robot in the past decades. In this paper, to realize the human following in a cluttered environment, a human tracking system based on adaptive multi-feature mean-shift (AMF-MS) under the double-layer locating mechanism (DLLM) is proposed to solve the problem of distinguishing target, occlusion, and quick turning. The DLLM, considering the course location processing and fine location processing, is designed to estimate the person’s position using the fusion of heterogeneous data. As an ID tag attached on target can be detected by RF antennas, the course locating method can track the target easily and quickly. The Bayes rule is introduced to calculate the probability where the tag exists due to the instability of RF signals. In the fine locating step, the AMF-MS is proposed because it can reduce computational load and represent target by multi-feature histogram function. Meanwhile, we combine extended Kalman filter and AMF-MS to overcome MS’s inability of occlusion. To control the robot following the target person precisely, an intelligent gear shift strategy based on fuzzy control is implemented by analyzing the robot structure. Experiments demonstrate that the proposed approach is robust to handle complex tracking conditions, and show the system has an optimum performance.     

基于多特征融合的运动物体识别方法研究

为了实现运动目标的实时检测,本文基于多特征融合,提出了一种运动物体分级识别方法.首先通过对运动目标的分割,分析得到各个物体的形状矩特征、面积大小及运动速度.对上述特征,采用支持向量机方法对其矩特征进行快速的一级分类,然后对一级分类结果及各物体的面积、速度等信源根据其对分类的重要程度,采用模糊积分技术进行多特征融合分类.实验表明,本方法具有较强的学习能力及较高的识别精度,可有效地应用于道路监控等系统.     

一种多地球物理特征匹配自主导航方法

针对地球物理场具有多个特征和匹配可操作性较强的特点,文中提出了一种多地球物理特征匹配的自主导航方法,研究了导航方法的实现方式和对应的匹配算法。导航方法通过同步测量航迹上的地磁场的多个特征和重力梯度,采用固定点数的滑动窗口构造测量序列后与基准图匹配,最后对匹配结果做融合,得到实时位置信息。匹配算法设计了基于"初始位置+初速度+加速度"实值编码的遗传算法作为搜索策略,采用平均平方差准则(MSD)作为每个特征的匹配相似性度量,并使用加权最大值原则融合所有特征的相似性度量。最后由仿真算例验证了方法的可行性,表明了导航方法具有良好的匹配精度,可用于低空、低速运动载体的导航。     

高分辨率遥感影像的边缘损失增强地物分割

目的 针对高分辨率遥感影像语义分割中普遍存在的分割精度不高、目标边界模糊等问题,提出一种综合利用边界信息和网络多尺度特征的边缘损失增强语义分割方法。方法 对单幅高分辨率遥感影像,首先通过对VGG-16（visual geometry group 16-layer net）网络引入侧边输出结构,提取到图像丰富的特征细节;然后使用深度监督的短连接结构将从深层到浅层的侧边输出组合起来,实现多层次和多尺度特征融合;最后添加边缘损失增强结构,用以获得较为清晰的目标边界,提高分割结果的准确性和完整性。结果 为了验证所提方法的有效性,选取中国北方种植大棚遥感影像和Google Earth上的光伏板组件遥感影像进行人工标注,并制作实验数据集。在这两个数据集上,将所提方法与几种常用的语义分割方法进行对比实验。实验结果表明,所提方法的精度在召回率为00.9之间时均在0.8以上,在2个数据集上的平均绝对误差分别为0.079 1和0.036 2。同时,通过消融实验分析了各个功能模块对最终结果的贡献。结论 与当前先进方法相比,本文提出的边缘损失增强地物分割方法能够更加精确地从遥感影像的复杂背景中提取目标区域,使分割时提取到的目标拥有更加清晰的边缘。     

边缘保持滤波的遥感影像多特征联合分类

针对高分辨率影像在分类时存在的“海量数据灾难”“椒盐”现象、地物边缘不可分性强的问题,提出边缘保持滤波的高分辨率遥感影像多特征联合分类方法。该方法主要分为3部分。首先,提取影像的多种特征进行联合处理,减少数据处理运算量;然后,利用极限学习机对样本子类训练多个弱分类器,通过分类器获得初始类别概率影像;最后,利用多特征联合影像构建边缘保持滤波器,对初始类别概率影像进行滤波处理,通过投票表决的方法确定每个像素的类别。通过实验验证了该方法的有效性。     

基于多层次空间注意力的图文评论情感分析方法

随着社交网络的不断普及,相对于传统的文字描述,人们更倾向于发布图文结合的评论来表达自己的情感与意见。针对图文情感分析方法中仅考虑图文间的高级语义联系,而较少注意图片的低层次情感特征以及中层美学特征与文本情感之间关联性的问题,提出了一种基于多层次空间注意力（MLSA）的图文评论情感分析方法。所提方法以文本内容为驱动,使用MLSA设计图像与文本之间的特征融合方法,该特征融合方法不仅关注与文本相关的图像实体特征,而且充分利用图像的中层美学特征和低层视觉特征,从而从多个不同角度挖掘图文之间的情感共现。在两个公开的图文情感数据集MVSA_Single和MVSA_Multi上,该方法的分类效果相对于对比方法中最优的方法的分类效果在准确率上分别提高了0.96和1.06个百分点,在F1值上分别提高了0.96和0.62个百分点。实验结果表明,综合分析文本特征和图像特征之间的层次化联系能有效地增强神经网络捕捉图文情感语义的能力,从而更准确地预测图文整体的情感。     

基于多特征融合与ResNet的海面溢油区识别研究

近年来,合成孔径雷达（SAR）在改善溢油检测方面得到了广泛应用。然而,由于其特殊的成像机理,乘性相干斑噪声和其他物理现象引起的暗斑一直影响着溢油检测的精度。单独使用一种特征很难对图像上的油膜和类油膜现象进行区分,针对这一问题提出了利用多特征融合结合深度残差网络（ResNet）的方式来区分全极化图像上的油膜和类油膜现象。实验中将C波段的三种极化特征：极化散射熵（Entropy）、平均散射角（Alpha）和单次散射特征值相对差异度（SERD）组合在一起,形成一个优化特征子集,在确定的三种极化特征对应的特征图上选取多个感兴趣区域作为ResNet网络的训练集和测试集。该实验所用训练集由3 600个原油样本、3 600个生物油样本和3 600个乳化油样本（共计10 800个）组合而成。测试集由600个原油样本、600个生物油样本和600个乳化油样本（共计1 800个）组合而成,最终得到97.56%的分类精度。用同样的实验数据采用同是深度学习的VGG和AlexNet分类算法进行油膜和类油膜的分类,并与ResNet算法分类结果进行对比分析。为了减弱过拟合现象以及获得更可靠的实验结果,分别进行了[K]-交叉验证和ROC曲线实验。结果表明所提出的算法是有效的。     

融合多特征的新闻故事探测

探测出新闻故事的边界,将对新闻视频的结构化分析以及新闻视频的语义理解产生积极的作用.通过对新闻视频的结构进行分析,提出了一种融合镜头、播音员、标题字幕、静音等多种特征的新闻故事探测方法.该方法避免了依赖单特征探测新闻故事边界的不足,实验证明,该方法可以获得平均96%的故事边界探准率,能够较好地完成新闻故事边界探测的任务.     

改进的多特征粒子滤波目标跟踪算法研究

针对在复杂环境下多特征融合的粒子滤波算法跟踪精确度低的问题,提出一种改进的多特征融合算法;该算法采用二阶中心差分卡尔曼滤波方法来实现建议分布函数的优化,在重要性采样中融入最新的测量信息,提高了粒子的使用效率,并引入动态模板更新机制对目标模板实时更新;在多特征融合策略上利用基于粒子滤波框架下的EM算法适用于不同数量样本集的特点求解状态估计,不仅避免因计算特征权重产生误差,而且提高了算法的实时性;滤波器仿真实验结果表明,在一维非线性模型下对比其它改进粒子滤波算法,本文提出的方法性能最优;在基于视频序列的目标跟踪实验中,通过比较本文算法在不同特征、不同采样粒子数量条件下的性能对比验证本文算法的有效性;最后通过一系列不同环境下的跟踪实验证明,本文算法对复杂条件下的目标跟踪具有较高的精度和鲁棒性。     

混响噪声下声源定位与跟踪的多特征自适应IMM粒子滤波算法EI北大核心CSCD

针对混响噪声下声源定位精度低和鲁棒性弱等问题,提出了多特征自适应IMM粒子滤波算法.该算法以麦克风接收信号的多特征作为观测信息,采用空时相关和迭代滤波建立了时延选择机制和波束输出能量优化机制,并在两者的基础上构建了似然函数以获得合理的声源位置信息.考虑到说话人运动的随机性,给出了自适应IMM算法,通过在线粒子集生成并将不同过程方差的模型进行交互来拟合说话人的不同运动模式,改善了说话人跟踪系统的稳健性.仿真和实测结果表明,所提算法利用了多特征定位信息的互补性,降低了观测误差不确定性对声源位置估计的影响,增强了随机运动声源跟踪系统的鲁棒性,提高了系统的定位精度.