多目标视觉追踪的认知机制

多目标追踪（multiple-object-tracking,简称MOT）是视觉认知领域的重要问题之一,它涉及注意、工作记忆等认知过程。本文概述了视觉索引理论、知觉组织模型、客体档案理论、多焦点注意模型、多身份捆绑模型等MOT理论及研究范式;并讨论了视觉追踪研究的理论和实践意义。     

基于速度交流的多种群多目标粒子群算法研究

为提高多目标优化算法的收敛精度和搜索性能,提出一种基于速度交流的多种群多目标粒子群算法。算法引入速度交流机制,将种群划分为多个子种群以实现速度信息共享,改善粒子单一搜索模式,提高算法的全局搜索能力。采用混沌映射优化惯性权重,提高粒子搜索遍历性和全局性,为降低算法在运行后期陷入局部最优Pareto前沿的可能性,对各个子种群执行不同的变异操作。将算法与NSGA-Ⅱ、SPEA2、Ab YSS、MOPSO、SMPSO和GWASF-GA先进多目标优化算法进行对比,实验结果表明:该算法得到的解集具有更好的收敛性和分布性。     

基于多尺度融合方法的无人机对地车辆目标检测算法研究

由于飞行高度等原因,无人机图像在实际使用中目标尺寸普遍较小、特征信息不明显,使用现有的算法对其进行目标检测存在困难。因此,提出了基于多尺度融合的图像多目标检测方法,使用Faster R-CNN为基础框架,将不同层次的特征信息进行融合,再结合上下文信息,实现了对无人机图像小目标检测。使用VisDrone2019数据集对地面车辆进行目标检查,实验证明:无人机对地面车辆目标的检测达到了较好的结果,所使用算法的精度达到88%,与其它算法相比提升了3.8%以上。     

浅谈多目标优化算法

优化问题一直都是工程实践和科学研究中的重要问题,本文详细介绍了常用几种优化算法,比较了各种算法的优缺点,也列举了组合算法在多个领域的应用实例,展望了组合算法的发展方向和可能面临的问题。     

基于多目标蝗虫算法的航材分配模型

目的 为了进一步优化航材库存结构,解决多目标航材分配问题,提高航材保障工作决策的效率.方法 建立基于费用和分配满意度的多目标航材分配模型,运用先进的群体智能算法——蝗虫算法求解.结果 算例分析表明,在3种求解算法中,蝗虫算法所求出来的解,既使得航材分配过程中所需成本最低,又保证了航材股满意度处于较高水平.同时,将算法运行10次,蝗虫算法的求解时间平均值和方差分别为4.01 ms和11.5 ms,明显优于传统的群智能算法粒子群和NSGA-Ⅱ算法的求解效率.结论 蝗虫算法能够有效地解决多目标航材分配问题,对于优化航材库存,平衡航材数量具有重要的现实意义.     

基于多智能体理论实现无线传感器网络的目标监视与追踪的策略

论述了运用多智能体系统的协同控制理论、方法解决无线传感器网络的目标监视与追踪问题的研究策略,阐述了多智能体系统的四类分布式协同策略及三种推理决策策略,介绍了合同网及拍卖方法、动态联盟方法、组织结构设计法、分布式约束满足方法在无线传感器网络中的应用及各种方法的优缺点.理论分析和实践表明,基于多智能体系统的方法是解决无线传感器网络应用问题的有效方法.     

基于进化算法的多目标闭环物流网络设计

为了帮助生产企业建立科学合理的闭环物流网络系统,提高废旧产品材料的再循环利用率,提出了一个多周期、多产品、多阶段的闭环物流网络选址与运输模型。该模型中,不仅考虑建造混合分销回收中心,还提出了2个优化目标:经济成本最小和时间成本最小。针对该多目标优化问题,本文采用了一种基于优先值编码方法的进化算法对模型求解,最终得到该问题的帕累托(Pareto)前沿。通过与约束法的计算结果相比较,求得误差均值小于5%,说明该进化算法对Pareto前沿的拟合程度较好,计算结果是正确有效的。     

动态多障碍物环境下目标追踪的路径规划方法

采用人工势场(AP)引导进化算法(EA)的搜索方法解决了动态多障碍物环境下的目标追踪问题.把人工势场与FA搜索相结合进行动态路径规划,使搜索沿着势场方向进行,得到一条相对于搜索区域最优的轨迹.以单车、单运动目标,有多个运动障碍物存在的情况为例,通过仿真试验对AP引导EA和单纯EA两种搜索方法的性能进行了比较,说明了AP引导EA搜索方法在处理动态多运动障碍物问题时相对传统EA方法具有实时、高效、收敛的特点,同时在很大程度上解决了单纯AP方法在解决多障碍物问题时的局部极小问题.     

基于多目标进化算法的异步电动机现场效率测算

介绍了一种基于多目标进化算法（MOEAs）的异步电动机现场实时效率测定方法。通过对多目标算法进行优化、比较,提出使用非支配排序遗传算法Ⅱ（NSGA-II）和强度帕累托进化算法2（SPEA2）的低侵入式方法用于异步电动机效率估算,仅需电动机运行时通过传感器检测其实时转子速度和定子电阻,而无需拆下电动机或单独做一些实验项目来获取所需参数。通过5.5kW电动机的实践表明,该方法在估算异步电动机效率方面是有效的,尤其在常规的负载范围内,用该方法的估算值与实际试验值的误差小于3%;相互比较后发现,NSGA-Ⅱ方法的估计结果略优于SPEA2方法的结果。     

交互式多模型集自适应协同滤波目标跟踪算法研究

为了解决传统交互式多模型算法静态模型集带来的精度低等局限问题,提出了一种多模型集自适应协同滤波算法.通过比较目标与当前模型集中不同模型之间的模型匹配概率,自动确定当前模型匹配中的最好模型与最坏模型,利用激活、保留和剔除策略改变固定模型集的结构以达到模型集自适应的过程.通过与其他已经提出的交互式多模型算法进行比较,实验结...     

基于YOLOv3检测和特征点匹配的多目标跟踪算法

针对传统多目标跟踪算法中行人检测速度慢、易受光照变化、行人快速移动及部分遮挡因素的影响造成行人目标跟踪性能差等问题,提出一种根据经典的Tracking-by-Detection模式,采用深度学习YOLOv3算法检测行人目标,然后利用FAST角点检测算法与BRISK特征点描述算法对相邻帧间的行人目标进行特征点匹配,实现多...     

基于空间直方图的多目标粒子滤波跟踪

针对复杂场景中多目标跟踪问题,本文给出了目标的出现与消失、遮挡等模型描述,将其统一到粒子滤波的框架下,提出了一种可以处理目标数可变的多目标跟踪算法.对场景中的目标数建立马尔科夫模型,采用转移概率矩阵描述跟踪过程中目标出现,消失的情况;在状态表示中增加辅助变量,明确目标之间可能的遮挡;采用目标空间直方图建立基于唯一性原则的观测似然函数,通过后验概率分布估计目标数及目标状态.实验结果表明,本文算法能有效地处理跟踪过程中的目标数变化、目标遮挡等问题,实现多目标的正确跟踪.     

汽车防撞雷达多目标识别测量算法研究

针对目前汽车防撞系统中常用的调频连续波测距雷达对多目标识别的不足,基于频移键控雷达的联合作用,提出一种新型的测量方法,该算法采用一种类梯形调频波形,利用调制频率的周期性变化特征分别对单目标和多目标实现有效检测,使雷达不仅可测量单目标在不同运动状态下的距离和速度,同时也可识别多目标,并对其完成测距与测速。利用Matlab对所提出的算法进行了仿真与验证,表明该算法不仅能准确捕捉所探测目标,并且在测量中有着较高的精度,适用于毫米波汽车防撞雷达在行驶中的目标测量。     

基于混合相关滤波信息融合再检测的目标跟踪算法

为了减小在目标跟踪过程中目标形变和复杂背景变化对跟踪效果的影响,提出一种基于混合相关滤波信息融合再检测的目标跟踪算法。首先,利用相关滤波算法提取到目标的方向梯度直方图HoG特征,利用颜色模板得到目标的颜色特征,计算两个模板的采样得分;其次,再将两者的特征信息用线性组合的形式进行特征信息融合确定目标位置,跟踪过程中,根据设定的阈值条件选择两个模板采样较大的得分再检测目标的位置;最后,输出所有帧目标位置的结果。与其他的算法进行比较,该算法在应对目标形变和背景杂波方面有较好的跟踪效果。     

一种在线学习的目标跟踪与检测方法

针对现有在线学习跟踪方法缺乏监督机制的缺点,提出一种新的跟踪框架。以随机森林在线学习理论构造分类器作为目标检测器,用SURF特征点匹配方法作为目标跟踪器,跟踪过程中用可靠跟踪的结果形成对检测结果的监督机制,不对低置信度样本或错误样本进行学习,避免了分类器分类精度的逐渐下降,同时在跟踪失败时用目标检测器对目标进行重新捕获,形成跟踪、学习、检测三者有机结合的跟踪框架。对不同视频序列的测试结果表明,本文算法能有效避免目标出现较大外观变化或被大面积遮挡等复杂情况下的跟踪失败问题。     

基于环形光电探测器的多目标探测与跟踪研究

提出并研究了基于环形光电探测器的多目标探测与跟踪技术.首先提出了一种基于6片线阵CCD的环形探测器设计.该探测器中的每一线阵CCD光学系统的光轴均通过探测器中心点,且任意两光轴之间的夹角为60°,形成具有360°视场的环形探测结构;提出了基于目标信号脉宽判据、基于目标信号水平尺度比率的复合判据,研究了适用于环形探测器的多目标快速识别与跟踪算法;建立了硬件实验系统,并进行了功能验证实验,实验结果表明:所提出的环形光电探测器及算法设计可实现多个运动目标的探测与跟踪,在目标机器视觉、虚拟现实等领域具有潜在的应用前景.     

基于随机集理论的多目标跟踪研究进展

基于随机有限集理论的多目标跟踪方法,能够避免数据关联步骤的困扰,能够较好地解决复杂环境中目标数目未知且随时间变化的多目标跟踪问题.本文分析基于数据关联和基于随机集理论的多目标跟踪方法,阐明基于随机集理论的多目标跟踪方法的特点和优点,对目标状态提取、航迹关联、更准确的滤波算法,以及复杂条件下的PHDF算法等关键问题进行总结和评述,并指出该领域今后的研究热点.     

Kalman滤波融合优化Mean Shift的目标跟踪算法

目标跟踪中,目标的背景变化、形状改变、遮挡,往往会导致跟踪失败,而跟踪的实时性和准确性是必须考虑的问题。本文首先对Mean Shift算法进行了介绍,接着对Mean Shift算法进行了优化:修正Mean Shift算法迭代权值,修正后主要信息贡献更加突出,次要信息受到抑制,避免了开方的繁琐运算,降低了运算量。提出了目标模板更新算法,解决了背景变化和目标形状改变时跟踪失败的问题。然后在水平位置和竖直位置建立Kalman滤波器,同时将优化Mean Shift算法与Kalman滤波融合,解决了目标完全遮挡后无法继续跟踪的问题。仿真实验表明,本文提出的目标跟踪算法在目标遮挡,目标形状改变,目标跟踪失败的情况下具有更高的跟踪精度,更高的实时性和鲁棒性。     

基于单目视觉的四旋翼飞行器目标跟踪算法研究

以AR.drone四旋翼飞行器为研究平台,提出一种基于AR.drone前置单目摄像头,并结合卡尔曼滤波跟踪视频中移动目标的方法。将采集得到的RGB图像经过颜色空间转换成对光照变化影响不大的HSV图像;通过OpenCV对视频中跟踪目标的图像去噪,对轮廓进行检测寻找图像中最大的轮廓目标,并通过卡尔曼滤波对目标位置进行修正;计算四旋翼飞行器的飞行朝向并实现四旋翼飞行器对视频区域里移动目标的跟踪。实验表明,该方法有效地实现了对移动目标跟踪的准确性、稳定性和快速性。     

多边缘法实现对高速扩展目标解体的自动跟踪

根据一般扩展目标的性质,结合某些高速扩展目标分离(如高速再入大气层的目标)的实际情况,分析了此类目标发生分离、特征产生剧烈变化的特点,指出了一般图像跟踪算法中基于对比度跟踪算法在此情况下难以适用的原因,并综合这些算法的特点,提出基于光学图像序列的加权多边缘跟踪算法,结合FDEKF滤波,实现了对此类(超)高速扩展分离目标的自动稳定跟踪.通过对多个此类目标序列图像进行仿真验证,并与其它四种基于对比度的跟踪算法所得结果进行比较,结果表明,该算法稳定性好、精度更高,且易于实现.