基于DoS攻击的随机数据包标记源跟踪算法

针对互联网上日益猖獗的拒绝服务攻击(DoS),对传统的随机数据包标记源跟踪算法原理及其实现过程进行了深入研究。通过分析该算法性能缺陷,运用散列消息鉴别码机制和一次性口令机制,提出一种新的攻击源返回跟踪算法HPPM。通过测试其性能指标,说明该算法改进了传统随机数据包算法的性能,提高了返回跟踪DoS攻击的效率和准确性。     

基于Mean-Shift优化的TLD视频长时间跟踪算法

针对TLD(tracking learning detection)算法同时包含了跟踪、检测和学习三个部分,具有较高计算量的缺点,提出了采用Mean-Shift算法替换原TLD跟踪器部分的光流跟踪算法.该优化方法利用具有计算量小的Mean-Shift算法替换计算量较大的光流法进行跟踪,以通过目标模型和候选目标模型之间的巴氏系数与阈值的比较来判定跟踪失败的自检测,并通过计算Mean-Shift跟踪返回的目标框和上一帧TLD返回的目标框之间的相似度来进一步得到跟踪的有效性,在发生跟踪失败时由检测器重新初始化跟踪.实验结果表明,该优化方法在视频长时间跟踪算法中具有较高的鲁棒性和准确性,并且与原TLD算法相比,该优化方法在跟踪速度上得到了提升.     

层次分析法在IP返回跟踪DoS攻击方法中的应用研究

将运筹学中的层次分析法应用于IP返回跟踪DoS攻击的方法中,可以为网络安全决策提供支持。首先介绍了层次分析法和几种IP返回跟踪DoS攻击的方法,在此基础上建立了IP返回跟踪DoS攻击方法的层次分析模型,用层次分析法对六种IP返回跟踪DoS攻击方法做了实证地比较和分析。     

五种IP返回跟踪拒绝服务攻击方法的比较

描述了进入过滤、连接测试、登录分析、ICMP跟踪和数据包标记返回跟踪五种IP返回跟踪DoS(拒绝服务)攻击的方法及它们之间的比较。     

IP返回跟踪DoS攻击的三种数据包标记算法

阐述了一种以数据包标记为基础的IP返回跟踪机制，并根据该机制给出了对付DoS(拒绝服务)攻击的三种数据包标记算法。     

IP返回跟踪DoS攻击方案的模糊层次分析

为了更好地评定IP返回跟踪DoS攻击方案的优劣,提出了一种将层次分析法(AHP)和模糊综合评价法结合起来评估IP返回跟踪DoS攻击方案的方法。该方法使用AHP确定评价体系中各指标的权重,使用模糊综合评价法对各方案进行综合评定,得到各方案的最终评定值,从而对6种IP返回跟踪DoS攻击方案做比较分析,可以为网络安全决策提供支持。     

单舵轮AGV路径跟踪控制器设计北大核心CSCD

路径跟踪是AGV的关键技术之一,是AGV平稳高效运行的保证。单舵轮AGV是一种常见的结构形式,现有的路径跟踪算法大多复杂度较高,难以满足实际应用的需求。文中针对单舵轮AGV的运动特点及结构特征构造了运动学模型,分析了路径跟踪问题的实质。利用Lyapunov直接法,通过构造函数得到使系统渐近稳定的控制律,并且以导航传感器返回的与预定路径的误差作为输入变量,以舵角的偏转角度作为输出变量,设计出单舵轮AGV的路径跟踪控制器。考虑到车身长度与实际运动过程中AGV舵角摆动频率对控制效果的影响,在控制器中加入了模糊控制的思想。结果表明该算法简单有效,实现了AGV对路径跟踪的要求,提高了AGV的运动性能,取得了理想的应用成效。     

单舵轮AGV路径跟踪控制器设计

路径跟踪是AGV的关键技术之一,是AGV平稳高效运行的保证。单舵轮AGV是一种常见的结构形式,现有的路径跟踪算法大多复杂度较高,难以满足实际应用的需求。文中针对单舵轮AGV的运动特点及结构特征构造了运动学模型,分析了路径跟踪问题的实质。利用Lyapunov直接法,通过构造函数得到使系统渐近稳定的控制律,并且以导航传感器返回的与预定路径的误差作为输入变量,以舵角的偏转角度作为输出变量,设计出单舵轮AGV的路径跟踪控制器。考虑到车身长度与实际运动过程中AGV舵角摆动频率对控制效果的影响,在控制器中加入了模糊控制的思想。结果表明该算法简单有效,实现了AGV对路径跟踪的要求,提高了AGV的运动性能,取得了理想的应用成效。     

基于Kinect的手势跟踪概述

综述了当前基于Kinect手势跟踪的几种代表性方法:基于轮廓和特征匹配运动目标跟踪算法、均值漂移跟踪算法、连续自适应均值漂移跟踪算法、卡尔曼滤波跟踪算法以及粒子滤波跟踪算法,分析其特点及相互关系,详细探讨了各方法的优缺点.最后对手势跟踪发展趋势作出了展望.     

视频目标跟踪综述

研究近年来主流的目标跟踪算法。通过文献阅读和归纳对比,分析了使用生成式模型和判别式模型的目标跟踪算法。结果显示,对于存在复杂干扰因素的场景,采用第二类模型的目标跟踪算法的跟踪效果更好。文章为视频跟踪领域的研究者们提供了一个关于目标跟踪算法的客观分析。     

GPS接收机中关键技术研究及其FPGA实现

针对GPS信号跟踪问题,分析了伪码跟踪算法和载波跟踪算法,并给出了相应的FPGA实现方案,测试结果表明这种算法和实现方案有效实现了GPS信号中伪码和载波的精确跟踪.     

基于图像放大影响的多模板相关跟踪算法

目标实时跟踪算法是图像处理技术中的一个非常重要的应用,该算法将提供的原始目标怍为基准图像进行序列跟踪。实时跟踪算法有很多种,大多是基于图像匹配算法的跟踪方法,其中比较常用的为单模板相关跟踪。该文通过对图像放大对相关跟踪影响的分析,计算了单模板相关跟踪的最小图像放大率。针对单模板存在的问题提出了多模板跟踪算法,根据目标莉背景的位置分布提出了五模板相关跟踪,并给出了多模板跟踪算法中的相关结果置信度的计算方法,同时根据最终的相关位置给出了跟踪点的计算方法,仿真试验证明优于单模板跟踪算法。     

目标跟踪算法综述

目标跟踪一直以来都是计算机视觉领域的关键问题,最近随着人工智能技术的飞速发展,运动目标跟踪问题得到了越来越多的关注.本文对主流目标跟踪算法进行了综述,首先,介绍了目标跟踪中常见的问题,并由时间顺序对目标跟踪算法进行了分类:早期的经典跟踪算法、基于核相关滤波的跟踪算法以及基于深度学习的跟踪算法.接下来,对每一类中经典的跟踪算法的原始版本和各种改进版本做了介绍、分析以及比较.最后,使用OTB-2013数据集对目标跟踪算法进行测试,并对结果进行分析,得出了以下结论:1）相比于光流法、Kalman、Meanshift等传统算法,相关滤波类算法跟踪速度更快,深度学习类方法精度高.2）具有多特征融合以及深度特征的追踪器在跟踪精度方面的效果更好.3）使用强大的分类器是实现良好跟踪的基础.4）尺度的自适应以及模型的更新机制也影响着跟踪的精度.     

实时双模图像跟踪系统技术研究

利用一种可用于红外成像G可见光成像实时双模图像跟踪系统的硬件设计原理和软件设计特色,讨论了 基于分割的质心跟踪算法G基于提边的差分跟踪算法和特征匹配跟踪算法的特点,在此基础上,提出并分析了双模 置信度与融合跟踪算法"最后简述了伺服系统控制策略及实验结果.     

跟踪滤波算法仿真分析

从建立目标模型到几种跟踪滤波器的算法原理进行了分析,算法性能各异,在相同的目标跟踪情况下,它们的跟踪精度、实时性有很大区别。对同一种典型的目标运动,用不同算法进行了数据仿真,验证了这几种典型跟踪滤波算法的性能差异。     

基于.Net的视频跟踪仿真平台设计

为提高视频跟踪算法的研发效率,降低成本,设计了基于.net的视频跟踪仿真平台.首先介绍了重心跟踪、相关跟踪、运动检测等实际工程中常用的视频跟踪算法.在此基础上提出了基于计算机的视频跟踪仿真平台的设计思路.结合.Net,特别是 CImage类介绍了视频跟踪仿真平台的实现过程:用CFileDialog打开图像文件、用图像处理算法实现视频跟踪、用Bitblt等显示处理结果的图像和数据等.实验结果表明该设计能够很好地实现视频跟踪的功能,便于视频跟踪算法研发人员分析不同算法的跟踪性能和计算时间,以验证算法的可行性,为算法的工程移植提供有力的参考依据.     

改进QPSO算法的移动机器人轨迹跟踪控制方法

分析了智能群体的决策机制,发现在智能群体决策过程中,个体粒子参与决策的权利根据个体的优劣程度是不同的,提出了在量子粒子群优化（QPSO）算法中引入线性权重算子进一步提高QPSO算法的搜索效率及优化性能。分析了移动机器人轨迹跟踪控制的滑模变结构控制器设计方法,并采用指数趋近律和幂次趋近律相结合的方法,设计了新的滑模跟踪控制律,使用PSO算法、QPSO算法和改进算法优化了滑模跟踪控制器中的参数,通过两个实例验证了优化后的跟踪控制器的设计效果;设计效果的分析和比较表明了设计的跟踪控制器能够控制机器人实现对既定轨迹的跟踪,仿真结果显示改进QPSO算法能够在轨迹跟踪控制器的参数优化中取得更好的优化效果。     

基于粒子预测的自适应图像匹配目标跟踪算法

在基于自适应图像匹配跟踪算法上研究了让其结合粒子预测及对模板图像更新的综合算法,对非线性、非高斯问题进行了位置预测,针对Hausdorff算法计算量大的问题,采取了更新结合的方法,改变并对自适应图像匹配跟踪算法的匹配跟踪性能进行分析.实验结果表明,纳入粒子预测的自适应跟踪算法既继承了相关跟踪直观实用的特点,有效的克服障碍物的遮挡问题,又具有较高匹配跟踪稳定性.     

基于稀疏表示的视频目标跟踪研究综述

视频目标跟踪在计算机视觉领域有着广泛应用,由于目标自身和外界环境变化的复杂性和难以预知性,使得复杂场景下鲁棒实时目标跟踪成为一项亟待解决的关键问题.由于视觉信息可以用少量神经元进行稀疏表示,因此稀疏表示已经广泛应用于人脸识别、目标检测和目标跟踪等计算机视觉领域.本文旨在对基于稀疏表示的视频目标跟踪算法进行综述.首先,介绍了基于稀疏表示的视频目标跟踪算法中的字典组成;其次,介绍了稀疏模型的构建及求解算法和模型更新,并对算法复杂度进行了简要分析;然后,对现有公开代码的稀疏表示跟踪算法在测试数据上进行了实验分析,结合算法模型和实验结果对其进行了分析;最后,对基于稀疏表示的视频跟踪算法存在问题进行了讨论,并对未来的研究趋势进行了展望.     

目标检测与目标跟踪方法研究

目标检测与目标跟踪是数字图像处理领域重要的组成部分,研究从目标跟踪的作用谈起,具体介绍了目标检测与目标跟踪的相关知识。生成式跟踪方法在当前帧对目标区域建模,判别式跟踪方法应用机器学习训练分类器。介绍了基于前景和基于背景的目标检测使用的方法,简述了目标跟踪领域的有关算法,如CSK算法、CN算法、STC算法,分析各算法的特征及其优缺点。最后总结了目标检测与跟踪领域发展的必要性与现今的障碍。