基于助老机器人的行人检测与跟踪算法研究

行人检测与跟踪是助老机器人的基本功能之一。针对行人检测中目标需人工标定图像初始帧、目标检测准确性差、行人丢失较难重新跟踪的问题,提出一种基于行人检测和核相关滤波器(KCF)的跟踪算法。通过Kinect2摄像头获取环境视觉信息,采用方向梯度直方图(HOG)提取行人特征,使用支持向量机(SVM)的方法训练模型实现自动检测,应用KCF跟踪算法跟踪行人,并结合深度数据,计算其世界坐标,驱动机器人实现行人稳定跟踪。在Ubuntu16.04系统和ROS平台下搭建软件系统,并在实验Turtlebot移动平台进行实验测试。结果表明,该算法可自动检测行人并在复杂环境中对行人进行稳定跟踪,有效提高了助老机器人的移动、感知性能。     

基于运动估计的CamShift移动目标跟踪算法

在采用CamShift算法进行移动目标跟踪时,如果目标快速移动或者有遮挡物干扰时,仅利用移动的颜色信息对进行跟踪时容易导致跟踪失败。为了解决该问题,提出了移动目标运动估计和CamShift算法相结合的目标跟踪算法。通过结合削弱背景中含有的目标颜色直方图信息和进行移动目标的运动估计,从而在存在干扰目标或目标部分被遮挡的情况下,仍能实现有效跟踪。最后通过实验验证该算法的有效性。     

基于视频流的目标检测反馈模型

为了增强智能视觉监控系统的实时性,提出了一种反馈模型。首先采用基于混合高斯模型的减背景算法进行运动目标检测;然后采用Kalman滤波算法进行运动目标跟踪;进而提出了一种反馈模型,将跟踪阶段Kalman滤波的状态预测值反馈到检测阶段的减背景操作中来约束目标检测的有效范围。最后将本文方法(采用反馈模型)与一般方法(未采用反馈模型)进行了对比实验,结果表明,本文方法具有良好的目标检测与跟踪效果,在不影响准确性的前提下,显著降低了运算量,增强了系统的实时性,对于智能视觉监控系统的现实应用具有重要意义。     

全自主移动机器人视觉系统图像分割方法研究

为了准确跟踪运动中的目标,完成对移动目标的实时跟踪,通过分析不同算法的特点,在视觉系统的软件设计中采用了基于HIS颜色空间的阈值分割法与种子区域生长法相结合的图像分割方法对目标进行分割与跟踪.对视觉系统图像识别与分割所涉及的关键技术包括颜色空间的选取和相应的分割算法进行了必要的分析与改进.实验结果表明这种方法可以对彩色图像进行准确分割.     

传感器网络的目标丢失故障恢复技术研究

分析了传感器网络在目标跟踪过程中产生目标丢失故障的原因，在此基础上采用分簇设计思想．通过对跟踪目标移动速度的计算和目标搜寻区域的建立等方法，提出了新的目标丢失故障恢复算法和技术．最后通过仿真实验证明，所提出的目标跟踪系统的目标丢失故障恢复算法和技术在延长传感器网络生存时间前提下能够有效解决跟踪目标发生丢失故障后的目标快速恢复问题，并通过实验比较说明了提出的方法在能量有效性方面优于其他方法．     

基于核相关滤波和卡尔曼滤波预测的混合跟踪方法

针对核相关滤波(KCF)跟踪算法在遮挡场景中出现跟踪性能降低甚至跟踪失败的问题,提出了一种核相关滤波和卡尔曼滤波(KF)预测相结合的模型自适应抗遮挡图像目标跟踪算法KCF-KF。首先,考虑到传统KCF目标跟踪算法中缺少遮挡评估的问题,通过引入响应图的峰值旁瓣比来对图像目标的遮挡情况进行判断,并将遮挡类型划分为部分遮挡和严重遮挡。其次,根据遮挡程度采取不同的模型更新策略,当目标无遮挡或者部分遮挡时,替代传统KCF跟踪算法中采用固定学习率更新模型的方法,通过自适应地调整模型学习率来更新目标外观模型,避免跟踪漂移;当目标被严重遮挡时,停止KCF模型更新。最后,应用严重遮挡之前的运动信息构建卡尔曼滤波器状态空间和位置输出模型,设计卡尔曼滤波算法预测运动目标轨迹来估计遮挡情景下的目标位置,从而解决在遮挡场景中目标跟踪失败的问题。采用OTB-2013标准数据集进行大量实验,结果表明：所提的混合跟踪算法KCF-KF的距离精度为0.796,重叠成功率为0.692。与其他传统跟踪算法相比,该混合算法的跟踪精度和跟踪成功率均优于其他算法,并且在遇到目标遮挡挑战时具有更好的跟踪性能,有效地解决了跟踪过程中的...     

一种基于粒子滤波的红外多目标跟踪算法

针对粒子滤波算法固有的"退化"和"样贫"问题,采用基于权值选择重采样算法与粒子滤波算法相结合来优化粒子滤波的滤波性能、克服粒子退化。针对粒子滤波算法在红外目标跟踪,尤其是对遮挡目标跟踪方面的不足,本文从Markov跳变非线性系统贝叶斯状态估计的角度出发,引入一种无向图即马尔可夫随机场(MRF)来描述多目标的交互模型,提出了该系统下的粒子滤波跟踪框架,并将其用在被遮挡的红外多目标跟踪中。实验结果表明,所提出的算法能有效对被遮挡的红外目标进行跟踪,并且在抗遮挡性以及跟踪持久性等方面优于主流算法。     

基于卷积神经网络的移动网络目标跟踪与控制

针对移动网络目标跟踪与控制过程中易出现遮挡、形变和模糊等问题,提出了基于卷积神经网络的移动网络目标跟踪与控制方法.利用卷积神经网络构建CNN模型,在原始移动网络目标图像金字塔内,提取多尺度特征,结合滤波算法获取的移动目标响应图,在多模板条件下求解各层卷积特征滤波最佳参数,通过最佳参数和滤波响应获取最终响应图,根据最终响应图中响应最大值实现移动网络目标的自适应跟踪与控制.实验结果表明,所提方法平均跟踪精确度为97.18%,平均跟踪成功率为95.93%,中心位置平均误差为4.38,误差幅值较小,具有良好的目标跟踪与控制能力.     

非接触式眼压计人眼跟踪算法研究

非接触式眼压计测量眼压的前提是对人眼瞳孔进行精确跟踪定位.通过对非接触式眼压测量跟踪系统的研究,提出汇聚式双目视觉的人眼瞳孔跟踪方法,采用结合帧差法和Mean-Shift算法的改进算法进行目标跟踪,解决了Mean-Shift算法对瞳孔进行跟踪过程中,有跟踪目标丢失现象的问题,通过下位机驱动三轴电机进行移动,调整系统与人眼的相对位置,以实现人眼瞳孔的精确跟踪.经在样机上实验,其结果表明:系统跟踪定位误差≤0.1 mm,跟踪过程在1s内完成.     

运动目标的识别跟踪控制研究

针对空中运动目标的识别和跟踪,提出图像匹配算法和连通域算法相结合的方法。该方法主要用图像匹配算法获得目标的位置信息,当图像匹配算法失效时,则采用连通域算法重新捕获目标、获得图像模板。同时,为提高跟踪的实时性,采用最小二乘线性预测法来预测目标的运动轨迹。在实验室的目标跟踪系统平台上,该方法能够对运动目标进行稳定的识别和跟踪。     

JIT采购在医院药品供应中的应用

为了解决我国医院用药价格偏高问题 ,必须改变医院传统供应模式。分析了JIT采购模式和传统模式两种医院医药供应模式 ,对比了两种模式的不同 ,指出JIT采购模式的优点 ,并且提出具体实施JIT采购模式的措施     

倒频谱诊断齿轮疲劳裂纹

齿轮故障诊断在设备诊断中具有重要意义,齿轮故障诊断的方法很多,但要准确在线检测齿轮疲劳裂纹却并非易事,本文根据倒频谱的特性,对齿轮进行裂纹诊断,并提出了比值系数法,收到了较为满意的结果。     

浅谈高职会计教学观念的转变

论述了高职会计教学改革的关键是观念，高职会计教学应树立共振教学观、发展教学观、素质教学观、全面教学观等四个观念。     

电网谐波及其抑制

电力网中非线性负荷作为谐波源向电力网注入谐波电流,引起电压波形畸变,电能质量下降,危及电网与用电设备的安全经济运行.本文从电网谐波形成的机理出发,分析了电网谐波及其影响,讨论了抑制电网谐波的措施.     

高锰钢的双n行为

研究了高锰钢在拉伸过程中形变硬化行为及组织结构变化，结果表明，其真应力，真应变分段符合Ｈｏｌｌｏｍｏｎ方程，表现为双ｎ行为，高锰钢优异的形变硬化性能表现在ｎ２阶段，为孪晶强化，在位错强化的ｎ１阶段，其形变硬化不显，在拉伸曲线上出现锯齿形状的同时，试样表面也出现平行的痕迹，这两个特点又表明具有面心结构的高锰钢拉伸形变时，似有早为人知的Ｐｏｒｔｅｖｉｎ－Ｌｅ Ｃｈａｔｅｌｉｅｒ效应。     

济南市环境空气颗粒物中PCBs的测定

通过单因素实验确定加速溶剂萃取仪的最佳萃取条件为萃取温度100℃、静态萃取2次,萃取时间5m in、丙酮与正己烷体积比为1∶1。以济南市区为研究区域,在最佳萃取条件下用加速溶剂萃取仪对在济南市环境监测站楼顶环境空气中采集的带有不同粒径颗粒物的采样膜进行萃取,将提取液经过旋转蒸发仪蒸发、硅胶柱层析、氮吹仪氮吹后用GC-ECD测定其多氯联苯的含量。通过对测得的数据分析,得出2009年8月济南市区环境空气颗粒物中PM2.5的含量最多,PCBs主要附着在粒径为10μm以下的颗粒物中。PM2.5中含量最多的PCBs是PCB180,PM5、PM10、TSP中含量最多的PCBs均为PCB118。     

重庆高校推进产学研合作的案例分析

以重庆大学、重庆邮电大学和重庆理工大学为例,剖析重庆高校推进产学研合作的基本模式,已经取得的突出成绩,分析总结其基本经验。从完善政策法规体系、强化经济调控、建立组织机构、加强中介建设及开展国际产学研合作等方面,提出了深入推进重庆高校产学研合作的对策建议。     

当前我国高校德育存在的问题及其解决对策

指出了当前我国高校德育中存在的一些问题,诸如德育目标的理想化、德育内容的空泛化、德育方法的机械化等,并提出了端正认识、优化德育过程、更新德育内容、加强校园文化建设、建立科学的道德评价体系等积极有效的对策。     

夏季南京市公交空调车空气品质调查分析

对南京市目前运行的空调公交车进行了空气品质的调查分析，给出了改善车内空气品质的若干建议。     

沈阳中街与中街建筑

中街是沈阳市唯一的一处重点文物保护区。在进行广泛调查、考证的基础上,详细阐述了中街的形成与发展,对中街建筑的特点进行了分析归纳,并对其建筑保护提出了建设性意见。