一种基于随机场多运动目标跟踪算法

多运动目标跟踪是智能视频监控系统的重要内容。由于目标数量众多且目标之间相互遮挡,会造成跟踪轨迹不连续,这是多目标跟踪问题的难点,也是当前流行算法无法解决的研究的问题。利用目标对相互之间的位置信息受到外界干扰较少的特点,提出基于条件随机场多目标跟踪。与以前针对所有目标的外形特征不同,算法对跟踪子对进行标示。采用分层结构,由低阶状态作为输入序列到高阶,通过代价函数最小化,从而得到最终连续跟踪轨迹。能有效解决复杂环境下多目标不连续的问题。算法对于外形类似的被跟踪目标以及相互遮挡严重的情况有比较明显的优势,与当前优秀的算法相比,实验表明本文算法在定量分析和定性分析上均有较好的结果。     

含分布式发电的配电网多目标无功优化策略研究

为以最省的无功设备投资、最大限度地保证系统经济运行,增加解决问题的灵活性,研究了含分布式发电(DG)的配电网多目标无功优化策略,即构建含DG的配电网多目标无功优化模型。运用自适应多目标粒子群(AMOPSO)算法求解此问题,一改传统将多目标问题转化为单目标求解的做法。为验证所提策略,以含DG的IEEE 33节点系统为例,将AMOPSO应用于以最小化系统有功网损和最小化无功补偿设备容量（投资）为目标函数的多目标无功优化问题。仿真表明,采用该策略为决策者提供了可供选择的多样性解;优化结果验证了所建多目标模型的优越性和所提算法应用的可行性和有效性。     

微电网小区间的能量协作调度策略研究

针对配备能量收集设备的多个微电网小区构成的能量管理系统。为充分利用多个微电网小区分布式能源,研究微电网小区之间的能量调度与能量协作问题,以最小化系统从传统电网购买的能量。本研究首先建立能量协作调度优化模型,允许微电网小区之间共享各自收集的能量,处理用户的弹性用电请求。在满足用户服务质量要求的前提下,最大化系统能效。基于此模型和目标,采用Lyapunov优化,提出了微电网小区实时能量协作调度算法。仿真结果表明,在该协作模型下所提算法能够以较低复杂度取得接近最优的性能和时延。     

一种新型并网逆变器LCL滤波器参数优化策略

针对LCL滤波器参数选择较难且参数选择得如何会直接影响其滤波性能的问题,提出改进蝴蝶算法(SBOA)的并网逆变器LCL滤波器的参数优化策略。在MATLAB上搭建仿真模型,选择在电容端口串联阻尼电阻,并将纹波电流最小化、谐波衰减最大化、功率损耗低化作为优化目标,再运用线性加权法将其转化为单目标模型,并用熵值权重法来确定各目标的权重系数,最终运用SBOA对单目标函数进行求解。通过仿真,对比改进蝴蝶算法与蝴蝶算法(BOA)、遗传算法(GA)的函数收敛曲线,验证改进蝴蝶算法强大的寻优能力;实验表明,文中设计出的优化策略在确保一定滤波条件下其并网端口的THD和功率损耗P;相比于传统图解法与遗传算法的分别低了1.14%、0.74%以及4.33 W、0.87 W。     

改进粒子群优化算法在电力系统多目标无功优化中应用

采用自适应聚焦粒子群优化(AFPSO)算法对电力系统进行无功优化.以最优控制原理为基础,引入静态电压稳定性指标,建立了综合考虑系统有功网损最小、电压水平最好以及静态电压稳定裕度最大的多目标无功优化模型,并采用模糊集理论将此多目标优化问题转化为单目标优化问题.通过最小化各目标的隶属度最大值(指标差的隶属度值大),从而只提升差的指标,使系统整体性能提高.同时,采用罚函数的形式处理负荷节点电压和无功发电功率2个状态变量不等式约束.在IEEE 57节点系统上进行测试,通过仿真测试及不同算法优化结果的对比,表明AFPSO算法在实现系统经济运行的同时也增强了电网的电压稳定,同时证明了AFPSO算法的有效性和优越性.     

无线充电设备能量受限的WRSNs周期性充电规划

研究无线充电设备(wireless charging equipment,WCE)的充电能量和行驶能量均有限的情况下使用WCE为传感器节点周期性充电问题。对于每一个充电周期,旨在最大化充电周期时间的同时最小化WCE充电和行驶能量的总消耗值,以最小的WCE能量消耗功率保证无线可充电传感器网络(wireless recharging sensors networks,WRSNs)永久性工作下去。通过分析传感器节点能量约束和WCE行驶及充电约束,建立以最小化WCE能量消耗功率为优化目标的优化模型。充电问题为NP-Complete问题,使用混沌粒子群算法(chaos particle swarm optimization,CPSO)求解优化问题得到WCE充电路径和节点充电时间,并设计了由2种数据路由和3种节点分布类型组合成的6种WRSNs仿真场景,与基本遗传算法(genetic algorithm,GA)对比,其收敛速度至少提升了1倍。     

基于可中断负荷和分布式发电机的配电公司多时段能量获取模型

基于分布式发电机和可中断负荷,建立了配电公司(Disco)在竞争的日前市场下的多时段能量获取模型.假设各发电公司和其他Disco的费用信息能够得到,Disco之间的竞争用一个两层优化问题描述.外层子问题代表Disco的优化决策,目标为自身利润最大化;里层子问题为独立系统运行人考虑安全约束的能量出清模型,目标为最小化购电成本及中断补偿费用.非线性互补方法及改进的Levenberg-Marquardt算法用来求解两层模型.8节点算例验证了模型和算法的有效性,算例同时分析了分布式发电机和可中断负荷在输电阻塞中的作用.     

基于NSGA-Ⅱ算法的分布式电源优化配置

以合理配置分布式电源(DG)发挥其综合效益为目的,建立了以最小化分布式电源投资运行成本、最小化配电网网损和最大化静态电压稳定性为目标的配电网DG多目标优化配置模型。引入了多目标遗传算法—带精英策略的快速排序遗传算法(NSGA-Ⅱ),该算法能够协调各目标函数之间的关系,找出能使各目标函数尽量达到比较大的Pareto最优解集。在考虑不同类型DG的接入特性的基础上,采用NSGA-Ⅱ优化求解DG配置问题。算例分析表明,DG接入配电网后有利于节省配电网投资、减少配电网网损、提高静态电压稳定性。多目标优化计算结果表明,DG配置方案能够达到经济、技术、安全3个方面最优。     

采用交互式决策方法的含风电系统安全经济调度

针对风电并网容量的增加会影响系统可靠性的问题,引入风电穿透功率的隶属度函数来反映系统的安全水平,建立了考虑火电和风电环境成本的含风电电力系统安全经济调度模型。针对该模型采用基于遗传算法的交互式模糊满意度决策方法,决策者设定每个目标函数的参考隶属度值,再利用参考隶属度值与目标计算隶属度值的差的绝对值最大最小化,将多目标问题转化为单目标问题。通过交互式方法不断对每个目标函数重新设定参考隶属度值,从而得到最满意的方案,使调度结果能够充分体现决策者的主观意愿。以IEEE30节点系统作为算例进行仿真,通过交互式决策过程确定了考虑决策者偏好的调度结果,验证了交互式模糊满意度决策方法的可行性。     

基于多通道迭代粒子群优化算法的微网经济调度

针对微网并网和计划孤岛运行方式下的经济调度问题,考虑分时电价差异及与主网能量交易,以最小化发电成本为目标,在由风电机组、光伏电池、燃气轮机和蓄电池组成的可再生能源的微网系统基础上建立了2种经济运行模型,同时通过对粒子群算法做出改进,提出了一种适用于多时段动态优化的多通道迭代粒子群优化算法并将其用于该文调度问题的求解,最后通过算例仿真证明改进算法的可行有效。     

基于多特征匹配的轻量化行人跟踪算法研究

行人跟踪是深度学习研究中的热点内容。目前的跟踪算法存在无法满足实时性和因跟踪目标相似度太高、目标间的遮挡、运动不规律造成ID频繁转换的问题。为了提高运行速度,在目标检测阶段使用CNN和transformer相结合的轻量化网络,采用联合检测的方式,共享特征权重,并行计算检测、重识别、人体姿态估计分支,同时调整各个分支卷积通道数。跟踪部分则利用卡尔曼滤波预测的目标运动信息,目标重识别信息,和目标姿态的各个关键点位置信息共同完成目标身份匹配,减少了同一ID的频繁转换。实验部分采用MOT16数据集训练和测试。本算法的多目标跟踪准确度(MOTA)为48.5%,多目标跟踪精确度(MOTP)为78.17%,FPS为20,模型大小为18.4M。实验表明,提出的跟踪算法提高了整体的跟踪性能,实时性和准确性达到了预期要求。     

一种图像确认目标的多目标跟踪方法

为了解决回波的复杂性和不确定性导致雷达多目标跟踪精度降低的问题,给出一种图像确认的多目标跟踪方法。该方法通过序列图像获取目标部分相关参数,从而剔除与参数不相符的虚假回波和杂波;然后根据保留的目标回波更新所跟踪目标的测量新计算,从而减少了多目标跟踪中由无关回波和杂波干扰所造成的测量更新误差,提高了目标跟踪的精度。仿真实验结果表明,本算法在去除部分或全部杂波后,能够减小多目标跟踪的误差,使跟踪精度得到较大改善。     

采用局部线性嵌入的稀疏目标跟踪方法

目标跟踪是从复杂的背景中辨认出运动目标,并且对目标进行准确且连续的追踪。如何在遮挡、形变、背景复杂的条件下鲁棒性跟踪目标仍是亟待解决的问题。针对遮挡和形变问题,提出一种局部线性嵌入(LLE)和稀疏表示的算法来有效的学习外观模板。其中LLE是流形学习的一种典型算法。在该算法中每个点的近邻权值在平移、旋转、伸缩变化下是保持不变的,因此可以用来提取目标的本质特征,发现数据的内在规律。算法首先采用局部线性嵌入提取低维特征,提取后的特征作为基向量与琐碎模板组成稀疏原型,稀疏原型用于模板的更新。算法保持了原有稀疏跟踪方法对遮挡处理的优势,同时对目标形变有较好的稳健性。实验结果表明,跟踪算法比其他7个常用的算法在9个视频序列中有较好的鲁棒性能。     

多目标跟踪在红外制导系统中的应用

为实现远距离对可疑目标的跟踪功能,提高红外制导的引导精度,提出了一种多抽头流水线架构的多目标跟踪方式.该方法将图像预处理、图像分割和目标检测等算法均在FPGA内部通过卷积运算实现,通过提高卷积运算速度达到实时处理的效果.试验结果表明,该方法与其他跟踪算法相比,可以自适应调整窗口大小、改变跟踪策略和自动分配窗口,提高了跟踪的多样性和可选性.该方法可以引导红外制导系统对多个目标同时进行跟踪,最终给出判据对威胁等级高的目标进行打击,具有实际应用前景.     

一种基于算法融合的运动目标跟踪算法

视频目标跟踪的重点和难点在于如何快速、准确的匹配目标.针对复杂背景下,单一模式的跟踪算法不能准确跟踪目标的问题,提出了一种基于算法融合的运动目标跟踪方法.该算法综合运用去均值相关跟踪算法（normalized cross correlation,NCC）和均值漂移算法（MeanShift）2种基本模式对输入输入视频进行处理,结果送入Kalman滤波器进行滤波与预测,最后根据最小总均方误差准则进行自适应融合.试验证明,该算法能够较好地实现复杂场景条件下的目标跟踪,提高了跟踪的鲁棒性.     

一种交叉多目标跟踪算法

为了解决多目标跟踪过程中由目标轨迹交叉引起的跟踪算法复杂度增加以及跟踪精度降低的问题,提出了一种改进的基于随机有限集的交叉多目标跟踪算法。该算法以高斯混合参数代替概率密度假设来降低算法复杂度和减小跟踪误差。最后在线性高斯条件下进行了MATLAB仿真实验,模拟多目标的运动过程,应用本文提出的改进算法和传统的基于数据关联的算法对多目标进行跟踪,对比试验结果表明所提出的改进算法对交叉多目标具有更加良好的跟踪性能。     

基于动态自适应相关滤波的复杂场景目标跟踪算法

为解决目标变化、场景非均匀照明等复杂场景下的目标跟踪问题,提出了一种复杂场景下基于动态自适应相关滤波的目标跟踪算法。该算法首先构造一组几何失真的目标参考图像的版本,然后基于组合滤波器的思想,将构造的适用于每个图的最优模板组合起来;同时为避免下一帧中预先指定目标预期位置的需要,算法采用基于时间序列的预测机制,通过考虑目标的运动学来提高跟踪精度;最后该算法设计了重新初始化机制,在系统发生故障时算法进行重启。仿真结果表明,所提的算法的跟踪精度和跟踪效率上优于现有的算法,从而验证了所提算法的有效性和可行性。     

基于改进 KCF 算法和多特征融合的车辆跟踪研究

针对目前车辆跟踪研究算法中,核相关滤波算法(KCF)在复杂背景下存在特征提取单一以及尺度无法自适应的不足,本文提出一种多特征融合的尺度自适应算法。该算法以颜色直方图信息作为颜色特征,将具有更多语义信息的高层卷积特征和拥有较高分辨率的底层卷积特征作为深度特征,并与颜色特征进行自适应特征融合。然后,采用上下文图像对目标背景信息进行约束优化,并通过平均峰值相关能量检测衡量响应置信度,最后利用高置信度的跟踪结果来避免模型易受干扰的问题。通过在OTB100数据集上的实验表明,本文算法的精度分别比其他的主流跟踪算法Staple、SAMF、KCF、TLD、DSST和CSK高出4.9%, 5.7%, 10.2%, 10.3%, 23.4%, 29.7%。     

基于特征点检测与光流法的运动目标跟踪算法

为了解决当前运动目标跟踪算法在背景模型复杂和目标特征不明显的情况下,导致算法跟踪能力不足的问题,本文分别从特征点检测与光流法分析的角度出发,提出了基于特征点检测与光流法的运动目标跟踪算法。首先,根据图像梯度矩阵最小特征值,通过仿射变换,精确化特征点帧间匹配,排除伪特征点,达到精准检测运动目标特征点的目的。然后,基于图像像素守恒原理,进行2幅图像间变形评估,建立图像约束方程,进一步精确跟踪运动目标。最后,基于软件开发环境QTCreator实现算法,并系统集成。实验测试结果显示:与当前运动目标跟踪技术相比,本文算法拥有更高的准确性与稳定性。