改进核相关滤波器的海上船只目标跟踪

提高海上智能监测水平,为了实现对海上船只目标的跟踪,文中针对典型海况环境下的海上船只目标跟踪问题,提出了一种改进核相关滤波器(Kernelized Correlation Filters,KCF)的船只目标跟踪算法。首先,针对KCF算法的特征,提出船只目标跟踪临界概率的概念,用来判断目标跟踪是否异常;接着,加入卡尔曼滤波模块,用来预测跟踪目标下一时刻的位置;然后,对跟踪异常的目标设计目标跟踪异常处理模块进行处理;最后,针对4组典型的海上目标跟踪场景,通过实验验证了算法的性能。实验结果表明:文中算法在海上船只大幅度晃动、跟踪目标被遮挡、目标出界、目标尺寸变换等复杂情况下,跟踪准确率和速率比原KCF算法分别提高17.23%和7.86%。满足海上目标跟踪精度、实时性、适用性等方面的要求。     

人体关节运动检测与跟踪综述

讨论了计算机视觉检测和追踪算法在人体关节运动跟踪中的应用,以及此类算法在其他方面的应用,回顾了近几十年来关于人体关节运动检测和跟踪算法的研究现状,综述了检测和跟踪算法的大致分类。检测类算法主要包括PAF、Associative Embedding、Part Segmentation和Mid-Range offsets,跟踪类算法主要包括卡尔曼滤波、粒子滤波、meanshift、KCF。简述了各算法的主要思路及其优缺点,给出了用于评价各个算法的指标。最后,还展望了跟踪算法的发展趋势和未来的研究重点,强调了具有实际应用价值的长期跟踪算法,同时提出了改进追踪效果的三个重要方向。     

基于色度饱和度-角度梯度直方图特征的尺度自适应核相关滤波跟踪

针对核相关跟踪算法(KCF)对特征敏感及无法跟踪尺度的问题,本文从特征提取和尺度自适应两个方面对核相关滤波跟踪算法进行了研究。提出了一种基于色度饱和度-角度梯度直方图特征的自适应核相关跟踪算法来改善KCF算法的跟踪性能。首先,研究了HSI颜色空间的特点,基于颜色和梯度是互补的图像特征,提出了一种融合了梯度和颜色的HHS-OG特征来有效提高原始KCF算法对目标和背景的判别力。其次,针对KCF无法处理目标尺度变化的问题,在跟踪的检测阶段采用一组固定的尺度因子进行图像块采样,根据得到的滤波响应图估计目标的最优位置和尺度。将所提算法在大量视频序列上进行了跟踪实验,结果显示其平均跟踪速度为37.5frame/s,跟踪精度和成功率分别提升了5.4%和10.1%。实验表明HHS-OG特征具有良好的目标-背景判别能力,能够实现鲁棒跟踪,而尺度自适应策略能较大程度地提高跟踪精度。     

基于ORB的KCF算法对前方车辆跟踪研究

针对KCF算法在前方车辆被遮挡时存在跟踪丢失的问题,提出一种将ORB与KCF结合的跟踪算法.引入扩大网格尺寸后的YOLO v3算法快速识别图像中车辆位置,并改进ORB中角点检测算法提高图像匹配精度.经过实验验证,改进后的ORB算法具有较强的抗噪干扰能力,不仅保留了原ORB算法运算快的优越性,且基本消除误匹配点.基于OR...     

采用核相关滤波器的长期目标跟踪

针对核相关滤波器(KCF)跟踪算法在目标跟踪中存在尺度变化、严重遮挡、相似目标干扰和出视野情况下跟踪失败等问题,提出了一种基于KCF的长期目标跟踪算法。该算法在分类器学习中加入空间正则化,利用基于样本区域空间位置信息的空间权重函数调节分类器系数,使分类器学习到更多负样本和未破坏的正样本,从而增强学习模型的判别力。然后,在检测区域利用Newton方法完成迭代处理,求取分类器最大响应位置及其目标尺度信息。最后,对最大响应位置的目标进行置信度比较,训练在线支持向量机(SVM)分类器,以便在跟踪失败的情况下,重新检测到目标而实现长期跟踪。采用OTB-2013评估基准50组视频序列验证了本文算法的有效性,并与30种其他跟踪方法进行了对比。结果表明:本文提出的算法跟踪精度为0.813,成功率为0.629,排名第一,相比传统KCF算法分别提高了9.86%和22.3%。在目标发生显著尺度变化、严重遮挡、相似目标干扰和出视野等复杂情况下,本文方法均具有较强的鲁棒性。     

基于目标检测与跟踪组合模式的智能枪瞄技术研究

针对智能化枪瞄系统中存在的检测图像序列角度变化较大、遮挡较为严重的问题,结合深度学习目标检测模型Single Shot MultiBox Detector(SSD)和核相关滤波器(KCF),提出一种新的自动检测-跟踪-检测(DTD)模式,利用SSD快速精确地对目标进行检测,将检测到的坐标信息输入到KCF跟踪模型中进行稳定跟踪,利用一组固定维数动态峰值的均值和标准差对每帧的响应峰值进行检测,如果发现异常峰值,则判定目标丢失或即将丢失,使用SSD重新检测,同时设定目标重检测时间阈值,在跟踪器运行时间大于此阈值时,同样进行重新检测。试验表明,该方法较之前单一的目标检测或跟踪方法具有更高的检测精度和较快的速率。     

抖动干扰下运动目标精准检测与跟踪算法设计

针对在抖动干扰下运动目标检测精度较差的问题,提出了一种基于光流法与三帧差分法的运动目标检测算法,首先用基于卢卡斯-卡那得(LK)光流法的稳像算法对视频去抖,然后用三帧差分法提取目标。仿真结果表明,稳像后的峰值信噪比(PSNR)值提高了3.6 dB左右,所设计算法在抖动干扰下能够准确提取出目标,在测试平台上的平均处理速度为28fps;同时,针对传统核相关滤波(KCF)算法对尺度变化和部分遮挡目标跟踪性能较差的问题,设计了一种改进的KCF算法,通过对目标构造图像金字塔,计算滤波器在图像金字塔不同层上的响应,找到响应最大层并更新下一帧目标位置,同时加入了遮挡检测机制,减小目标遮挡对跟踪的影响。仿真结果表明,改进后的算法对尺度变化和部分遮挡的目标跟踪鲁棒性更优,可实现对目标的稳定跟踪,处理速度为33 fps。通过与KCF算法进行比较说明该算法的准确率提高了4.2%,成功率提高了11.8%。     

基于改进匹配追踪算法的语音信号处理研究

提出一种改进的基于知觉匹配追踪算法的建模来进行大规模的语音信号处理。匹配追踪算法是一种较为复杂的词典匹配,基于知觉扭曲理论来选择每次迭代过程的最优原子。此外,追踪算法采用心理声学的判断准则。基于正弦模型所建的模型由瞬变和噪音(STN模型)组成,实验结果表明所改进后的MP结合匹配追踪算法节省了大量的搜索时间,提高了算法的运行效率,更好地改善了语音重构信号的接收质量。     

无线视频监控系统人脸跟踪功能的实现

为实现视频监控的人脸跟踪功能,结合计算机视觉与舵机云台控制技术,设计了一种基于嵌入式处理器的无线视频监控系统.利用 MicroPython 计算机视觉库对采集图像进行滤波处理,以增强图像效果.采用改进卷积神经网络模型进行机器学习和人脸识别,将处理后的监控图像上传至服务器,用户可通过查看浏览器进行实时监控.测试结果表明,当有人脸出现在视频监控范围内时,系统可驱动舵机云台进行有效的人脸识别与追踪.     

低功率双馈风力发电系统MPPT控制及仿真

针对风力发电系统在额定风速以下运行时的最大风能跟踪问题,分别采用经典爬山搜索法和改进极值搜索法进行风电系统的最大风能跟踪控制。经典爬山搜索法通过判断输出功率和风力机转速的梯度值来搜索最佳运行点,而改进极值搜索法通过叶尖速比和风能利用系数经傅里叶变换获取的运行点相位信息来进行搜索,并通过改进积分器实现变步长快速追踪稳定运行的控制目标。通过Matlab/Simulink软件建立了低功率双馈风力发电系统最大风能跟踪控制仿真模型,并对两种控制方法进行了对比分析。仿真结果表明:改进极值搜索控制能够使系统快速地跟踪风速变化,保持最佳叶尖速比,提高了风能利用系数和风能的利用效率。     

永磁同步风力发电系统最大功率追踪新方法

风力发电系统的输出功率随着风速变化而变化,引起输出功率的波动。因此提出一种采用永磁同步电机作为发电机实现最大功率输出的永磁同步风力发电控制系统。建立了风力机模型、最大功率追踪算法模型,采用二分法和停止机制算法,使风机按最大功率点跟踪方式运行,通过二分法实现变步长,并加入停止机制降低转速振荡,防止在最大功率点的波动。介绍了传统爬山法和改进的爬山法,通过对比仿真研究,表明新方法可以有效提高最大功率追踪效率,并减少系统在最大功率点的波动。     

快速跟踪分割辅助的动态 SLAM

目前,同时定位与地图构建(SLAM)技术在真实环境中的应用仍受多种因素制约,室内环境中的动态对象干扰就是其中一个亟待解决的问题。提出一种基于ORB-SLAM3并以实例分割网络为辅助的视觉SLAM系统,该系统将分割任务置于后端,在前端结合RGB-D相机输入和核相关滤波(KCF)算法对后端检测到的语义信息进行跟踪传递,并且使用语义信息在贝叶斯概率框架中追踪关键点的运动状态。与目前基于检测或分割的方法相比,该系统使用更为轻量化的方案来分割和跟踪场景中的运动对象,并在贝叶斯滤波模型的进一步辅助下,既实现了准确的动态干扰滤除,又优化了卷积神经网络(CNN)预处理导致的系统运行实时性问题。在TUM RGB-D数据集上的实验表明,该系统能以约16 fps的速度取得较高的定位精度,相较于ORB-SLAM3平均领先78.56%,相较于DynaSLAM平均领先11.85%。     

基于Simulink的履带机器人路径追踪仿真

针对履带式移动机器人在其复杂工作环境下,履带发生纵向滑移导致行走路径难以跟踪控制的问题,采用纯追踪算法,在Matlab/Simulink软件中建立了履带机器人的运动学模型和跟踪控制系统模型并进行仿真。仿真结果表明,履带机器人位姿误差满足需求精度,轨迹跟踪效果良好,系统具有稳定性。     

基于MeanShift算法和改进PID算法的图像追踪研究

针对MeanShift算法可以实现图像聚类的这一特性,并结合改进的PID算法,对某二维追踪实验台实现了有效的跟踪控制.由MeanShift算法得到的坐标偏差经过自适应积分分离的PID控制器校正后,作为实验台电机的输入速度信号从而实现有效追踪.实验证明该系统可以实现左右和俯仰两个方向及其复合方向的追踪,具有较高的跟踪实时性.     

多雷达单目标追踪问题研究

针对机动目标的跟踪问题建立了多雷达追踪单目标模型,通过对多雷达采集的航迹数据进行坐标变化,以及航迹进行Kalman滤波,实现多雷达单目标航迹数据的统一。所建立的数学模型对机动目标追踪和逃逸方案有一定的指导意义。     

工业互联网标识解析在资产追踪场景下的应用研究

资产追踪行业包含了贵重物品的实时跟踪,物流货物的运输跟踪,包含冷链物流或特殊药品的实时跟踪等行业。最大范围的资产追踪,也就是资产或者物品的全生命周期追踪管理。依托工业互联网标识解析体系构建资产追踪技术在工业、制造业等领域的研究,梳理关键技术,总结典型应用模式,实现工业互联网标识解析系统在资产追踪管理中的技术融合方案。     

面向MES的柔性装配过程物料追踪方法研究

针对机械产品柔性装配过程中物料追踪困难的问题,文中首先进行了物料追踪要素分析,建立了工艺配置导向的产品追踪BOM扩展模型;在此基础上,重点研究了一种面向MES的物料追踪方法,即在MES相关子模块提供数据支持的前提下,建立一个工序级物料追踪的通用流程,以工序为基本单元对装配全过程进行物料跟踪;最后通过实例验证上述方法的实用性和可行性。     

基于自适应模糊逻辑的多模型跟踪算法

针对基于“当前”统计模型的交互式多模型算法，难以恰当地确定当前模型的概率以及系统参数 和 在跟踪过程中不能自适应调整的缺点， 采用自适应模糊推理的方法进行改进以提高跟踪的快速性。同时应用蚁群算法对设计参数进行优化，以提高跟踪的精度。最后将所设计的基于“当前”统计模型的多模型改进算法用于机动目标的跟踪仿真，仿真结果表明所设计的改进算法是有效的。     

自适应模糊逻辑的多模型跟踪

为了克服基于"当前"统计模型的交互式多模型算法难以恰当地确定当前模型的概率,以及系统参数amax和a-max在跟踪过程中不能自适应调整的缺点,提出了一种基于自适应模糊逻辑的多模犁跟踪算法.介绍了基于"当前"统计模型的交互式多模型算法,给出了算法的基本步骤.在"当前"统计模型算法基础上,提出了一种基于自适应模糊逻辑的多模型跟踪改进算法,采用模糊推理给出了模型的选择概率,以提高跟踪的速度;同时,采用蚁群算法对设计参数进行优化,以提高跟踪的精度.最后,将所设计的基于"当前"统计模型的多模型改进算法用于机动目标的跟踪仿真.实验结果表明:改进的算法使得跟踪精度提高了20%左右,机动目标跟踪一次仿真时间为0.047 s,基本满足高速、高精度跟踪目标的要求.     

基于双模型的相关滤波跟踪

为解决因边界效应导致相关滤波跟踪算法不够稳健及其不能适应尺度变化的问题,提出了一种基于双模型的相关滤波跟踪算法。将目标跟踪分为位置预测和尺度预测两部分,在位置滤波器模型进行位置预测阶段,先通过对待测样本进行样本增强处理,使得到的样本更符合实际场景。再通过交替方向乘子法进行位置滤波器的迭代求解,最后得到估计的目标位置。在尺度滤波器模型进行尺度预测阶段,通过在估计的目标位置处构建多尺度金字塔来训练尺度滤波器,再求解得到目标的尺度,将双模型得到的结果作为最终的跟踪结果。最后通过引入一个遮挡判据来判断是否更新模型以提高算法的鲁棒性。实验表明,改进算法和经典的相关滤波跟踪算法相比,在跟踪成功率上提高了18%,在跟踪精度上提高了11%。在目标被遮挡、自身尺度变化时,改进算法仍能稳定跟踪。