特征融合自适应目标跟踪

经典视觉单目标跟踪方法通常以单特征描述被跟踪的目标。但在实际场景中,目 标因受外界因素如光照或自身变化如形变的影响而发生变化。为了更好地描述目标,首先引入 HOG 特征和 CN 特征,利用传统的特征提取方法,训练得到各自的相关滤波器;然后与各自特 征相关滤波得到各自的响应图;最后采用实际响应与期望响应的差值法求得各自响应图的权重, 将其与各响应图自适应融合得到目标的最终位置,并自适应更新各自的模型。实验选取公共数 据集 OTB2013 的 34 个彩色视频帧序列对不同算法进行定性和定量地分析和论证。相比效果最 好的 DSST 算法,平均中心误差减少了 7.8 像素,成功率提高了 1.2%,精度提高了 2.3%。实验 结果表明该算法具有较好的跟踪鲁棒性和准确性。     

自适应观测权重的目标跟踪算法

针对视觉跟踪在复杂场景中跟踪精度较低和鲁棒性较差的问题,在贝叶斯框架下提出了一种自适应观测权重的目标跟踪算法。通过视觉跟踪中的线性表示模型构建出一种加权观测模型;提出一种基于迭代加权的模型优化算法,利用在线更新的自适应权重矩阵消除观测离群值对跟踪有效性的影响;最后,采用有效的似然评估函数实现对目标准确、鲁棒的跟踪。实验结果表明,该算法在跟踪精度和鲁棒性方面都优于现有的一些跟踪算法。     

Mean-Shift跟踪算法中目标模型的自适应更新

针对Mean—shift跟踪算法中的模型更新问题,提出利用目标历史模型和当前匹配位置处得到的观测模型,对目标核函数直方图进行Kalman滤波,从而对目标模型进行及时更新。在滤波过程中,通过分析滤波残差动态,调整滤波方程中的各种参数。Bhattacharyya系数被用作模型更新的准则。该系统能够有效地处理遮挡、光照变化等干扰,避免了模型的过更新。大量视频序列测试的结果表明,在场景遮挡、光照变化等因素的影响下,算法能够对目标外观以及尺度的变化进行稳健、实时和有效的跟踪。     

自适应尺度目标跟踪算法

针对复杂情况下变尺度目标跟踪问题,提出一种基于粒子滤波的自适应尺度目标跟踪算法.根据参考目标的颜色分布,将参考目标分为多个区域,每个区域的颜色分布用高斯模型表示,区域的位置关系构成了对参考目标的空间约束;根据目标分割区域的颜色分布和空间约束关系构造目标外观模型,结合粒子滤波搜索目标位置并检测目标的尺度变化.目标外观模型同时包含了空间及颜色信息,提高了跟踪算法在复杂情况下检测目标尺度变化的可靠性和准确性.实验结果表明,该算法在目标具有明显尺度变化、姿态改变和部分遮挡的情况下,可以获得准确和鲁棒的跟踪结果.     

基于改进粒子滤波的机动目标自适应跟踪算法

在粒子滤波的基础上融合扩展卡尔曼滤波算法,融合后的算法在计算提议概率密度分布时,充分考虑当前时刻的量测,使粒子的分布更加接近状态的后验概率分布.将此改进粒子滤波算法在"当前"统计模型框架下进行机动目标自适应跟踪.仿真实验验证了该种方法对机动目标的良好自适应跟踪性能.     

机动目标跟踪双滤波器模型及自适应算法

现代机动目标跟踪的困难来自跟踪的快速生成精度在一定计算负荷约束下的协调难以令人满意,考虑依次处理快速性与精度的方案。采用滑动均值均匀分布描述目标的随机机动特性,分别采用宽带的均值预估滤波器和窄带的跟踪滤波器串联,实现机动速度大变动或突变的精确,快速跟踪,双滤波器的计算量适中,易于工程实现,对各种运动形式进行计算机模拟表明,这类算法对高度机动或弱机动或无机动均可给出较好的目标位置,速度及加速度估值。     

自适应跟踪与多特征融合的目标跟踪算法

Staple算法采用固定权重与学习率的方式,导致其在物体模糊等场景下跟踪精度低.为此,提出一种自适应跟踪与多特征融合的目标跟踪算法(adp-Staple).特征融合与跟踪过程中引入两种不同置信因子提升跟踪精度,特征提取过程引入主成分分析降维技术提升跟踪速度.在OTB-50与OTB-100数据集上进行对比实验,其结果表明,adp-Staple算法较传统Staple算法有更好的跟踪效果,在运动模糊等场景中有更强的鲁棒性.     

改进的机动目标当前统计模型自适应跟踪算法

针对机动目标当前统计模型自适应跟踪算法的加速度方差依赖于预先设定的加速度极值的问题,研究新的加速度方差调整方法。在机动目标当前统计模型的基础上,根据雷达实时观测信息,利用加速度扰动与位置变化量之间的物理关系,采用一种新的机动目标当前统计模型加速度方差自适应跟踪方法。仿真结果表明,新算法对高机动目标、一般机动目标均具有较高的跟踪精度,从而验证了新算法的正确性和有效性,对机动目标跟踪问题具有一定的实际应用价值。     

自适应特征融合的相关滤波跟踪算法

为提高复杂背景下目标跟踪的鲁棒性,提出一种基于相关滤波的自适应特征融合目标跟踪算法.在HOG特征基础上,增加HSV颜色概率直方图,以此获得准确的位置预测.然后分别训练颜色名和HOG特征,并根据两个响应图的峰值自适应地分配融合系数,进而基于尺度池方法,采用多通道特征实现目标的尺度估计.模型的高置信度更新由两个响应图的平均...     

动态的加权孪生网络跟踪算法

为提升快速在线目标跟踪与分割算法的跟踪精度,提出了一种动态的加权孪生网络跟踪算法。首先,对初始帧提取的模板特征与每帧提取的模板特征进行学习融合,提高跟踪器的泛化能力;其次,在掩膜分支产生目标掩膜的过程中用加权的方式融合特征,减少冗余特征带来的干扰,提高跟踪的精度。在数据集VOT2016和VOT2018上进行测试,所提算法的预期平均重叠率分别为0.450和0.390,精确性分别为0.649和0.618,鲁棒性分别为0.205和0.267,均高于基准算法,跟踪速度为34帧/s,达到了实时跟踪的要求。所提算法有效地提高了跟踪的准确性,能在复杂的跟踪环境下较好地完成跟踪任务。     

Object tracking with particles weighted by region proposal network

Multimedia Tools and Applications - Most of existing particle filters suffer from computation of weights and almost all object detection networks have the risk of missing objects. Therefore, we...     

全局稳定的分散自适应神经网络反推跟踪控制

针对一类不确定大规模系统,研究其全局稳定的分散自适应神经网络反推跟踪控制问题.在假设不匹配的未知关联项满足部分已知的非线性Lipschitz条件下,采用神经网络作为前馈补偿器,逼近参考信号作为输入的未知关联函数;设计者可根据参考信号的界预先确定神经网络逼近域,同时保证了闭环系统的全局稳定性.仿真实例验证了控制算法的有效性.     

欠驱动船舶神经网络自适应路径跟踪控制

针对模型参数未知的欠驱动船舶路径跟踪问题,将神经网络技术与反演设计法相结合,提出一种神经网络稳定自适应控制方法。首先根据运动学误差方程和线性变换确定辅助的前进速度和艏摇角,然后利用神经网络逼近技术对模型中任意不确定因素进行补偿,设计自适应控制律,使得实际的前进速度和艏摇角分别收敛到辅助值。应用Lyapunov函数证明了船舶路径跟踪闭环系统的误差信号最终一致有界。仿真结果表明,利用设计的控制律可以迫使欠驱动船舶跟踪曲线和直线路径,并且具有较强的鲁棒性。     

An observer-based adaptive neural network tracking control of robotic systems

Robotic systems have inherently nonlinear phenomena as joints undergo sliding and/or rotating. This in turn requires that the system running states be predicted correctly. This paper makes a full analysis of the robot states by applying observer-based adaptive wavelet neural network (OBAWNN) tracking control scheme to tackle these phenomena such as system uncertainties, multiple time-delayed state uncertainties, and external disturbances such that the closed loop system signals must obey uniform ultimate boundedness and achieve H^∞ tracking performance. The recurrent adaptive wavelet neural network model is used to approximate the dynamics of the robotic system, while an observer-based adaptive control scheme is to stabilize the system. The advantage of employing adaptive wavelet neural dynamics is that we can utilize the neuron information by activation functions to on-line tune the hidden-to-output weights, and the adaptation parameters to estimate the robot parameters and the bounds of the gains of delay states directly using linear analytical results. It is shown that the stability of the closed-loop system is guaranteed by some sufficient conditions derived from Lyapunov criterion and Riccati-inequality. Finally, a numerical example of a three-links rolling cart is given to illustrate the effectiveness of the proposed control scheme.     

An optimal adaptive H-infinity tracking control design via wavelet network

In this paper, an optimal adaptive H-infinity tracking control design method via wavelet network for a class of uncertain nonlinear systems with external disturbances is proposed to achieve H-infinity tracking performance. First, an alternate tracking error and a performance index with respect to the tracking error and the control effort are introduced in order to obtain better performance, especially, in reducing the cost of the control effort in the case of small attenuation levels. Next, H-infinity tracking performance, which attenuates the influence of both wavelet network approximation error and external disturbances on the modified tracking error, is formulated. Our results indicate that a small attenuation level does not lead to a large control signal. The proposed method insures an optimal trade-off between the amplitude of control signals and the performance of tracking errors. An example is given to illustrate the design efficiency.     

Full-state neural network observer-based hybrid quantum diagonal recurrent neural network adaptive tracking control

Neural Computing and Applications - This study introduces a neural network (NN) adaptive tracking controller-based reinforcement learning (RL) scheme for unknown nonlinear systems. First, an...     

机械手的在线鲁棒自适应神经网络跟踪控制

考虑了一类具有外界干扰和不确定性的机械手臂轨迹跟踪鲁棒控制问题. 控制器由自适应RBF(radial basis function)神经网络控制器和PD控制器组成. 采用基于神经元灵敏度和获胜神经元概念的GP–RBF算法, 在线确定神经网络的初始结构和参数. 当误差满足一定要求时, 根据Lyapunov稳定性理论的自适应律进一步调整网络权值, 以保证机械手位置误差和速度跟踪误差渐近收敛于零. 所设计的控制器可保证闭环系统的稳定性和鲁棒性. 仿真结果证明了本文方法的有效性.     

全局自适应神经网络跟踪控制及逼近域确定

针对自适应神经网络跟踪控制问题,提出一种确定逼近域的方法.采用参考信号取代未知非线性函数中的系统输出,神经网络用于逼近以参考信号为输入的未知不确定项.可以利用参考信号的界预先确定神经网络逼近域,再采用自适应鲁棒方法处理由于函数输入置换所引起的另一类不确定项.所得到的闭环系统是全局稳定的.仿真实例说明了该控制方法的有效性.     

Stochastic adaptive tracking for a rehabilitative training walker with control constraints considering the omniwheel touchdown characteristic

ABSTRACT

This article investigates the improvement of trajectory tracking on an omnidirectional rehabilitative training walker (ORTW) with random shifts in the centre of gravity, control constraints, and touchdown characteristics of omniwheels. Analysis of the touchdown characteristic improved the accuracy of the dynamic ORTW model. The control constraints guarantee the safety of the omniwheels and the ORTW training process. After describing the random centre-of-gravity shifts using Wiener process, an improved stochastic dynamic model was constructed. Under trajectory tracking control with adaptive technology, the ORTW followed the trajectory designed by the rehabilitation therapist. The exponentially practical stability in mean absolute of the tracking-error system was derived from stochastic theory and Markov's inequality. The effectiveness of the proposed methods was confirmed in simulations.