视频序列中基于头肩分割的人体位姿估计算法

当前常用3维重构的方法表示和计算视频中的人体位姿,但由于这些方法通常需要多个摄像头,不仅限制条件多,且计算复杂度高,为此,提出了一种基于头肩分割的人体位姿估计算法。该算法首先对视频中的人体进行头肩定位;然后利用人体头部的平面成像特点计算头部位姿,同时利用人体肩部的轮廓变化特点计算躯干位姿;最后结合头部和躯干的位姿估计运动中的人体位姿。实验结果证明,该算法是有效和优越的。     

针对不同信息特征的鲁棒背景建模技术分析

背景建模是实现运动目标检测与跟踪任务的关键技术之一,背景模型的鲁棒性问题受到普遍关注.本文针对背景建模所依赖的不同信息特征,从实际应用和样本集形态两个方面分析了背景模型的鲁棒性需求.根据不同信息的描述和处理的特点综述了背景建模的典型算法,并考察其对鲁棒性需求的处理策略.然后就不同层次信息的描述及其鲁棒性,比较了典型背景建模系统,并分析了背景建模技术的发展趋势.     

基于支持向量机的移动机器人环境识别

针对未知环境下移动机器人的环境理解与识别问题,提出了一种支持向量机(SVM)的环境识别算法.在对移动机器人室内外特征环境分析和建模的基础上,通过机器人配置的多超声波传感器获取环境的距离信息,直接作为环境的特征,按照从左到右的顺序组成表征环境轮廓的六维特征向量,送入支持向量机训练并用于特征环境的识别.克服了多超声波传感器测量数据的不确定性对分类结果准确度的影响,实现了移动机器人对室内外特征环境的正确识别.仿真和实验验证了方法的可行性,与传统的分类算法相比,算法对环境具有更高的识别正确率,在训练样本较少的情况下,能够在不同的位置和角度准确测量识别多类特征环境,具有一定的实用价值.     

基于激光传感器的无人驾驶汽车动态障碍物检测及表示方法

针对激光传感器在室外环境中检测动态障碍物所遇到的数据处理存在延时、检测结果准确率不高等问题,提出了一种基于3维激光传感器Velodyne和四线激光传感器Ibeo信息融合的动态障碍物检测及表示方法.本方法通过分析处理Velodyne激光数据对无人驾驶汽车四周的动态障碍物进行检测跟踪,对于无人驾驶汽车前方准确性要求较高的扇形区域,采用置信距离理论融合Velodyne激光数据处理信息和Ibeo输出的运动状态信息,较大地提高了对障碍物运动状态的检测准确率,然后根据融合得到的结果对运动障碍物的位置进行延时修正,最终在障碍物占用栅格图上将动态障碍物所占据位置与静态障碍物所占据位置区别标示.本方法不仅可以在室外环境中准确地检测出障碍物运动信息,而且可以消除传感器数据处理延时所带来的动态障碍物位置偏差,更准确地将环境中的动静态障碍物信息用障碍物占用栅格图进行描述.该种方法应用在了自主研发的无人驾驶汽车平台上,大量的实验以及它们在"中国智能车未来挑战赛"中的优异表现证明该方法具备可靠性和准确性.     

基于分布匹配的主动轮廓模型及其图像分割算法

针对运动目标跟踪的快速性和鲁棒性要求,提出了基于分布匹配的主动轮廓模型,该模型将模板和候选区域的分布匹配标准——相对熵(即Kullback-Leibler距离)作为主动轮廓的外部能量,使用目标和背景全图像的匹配,克服了跟踪过程中噪声的影响。同时根据匹配力构建帧内和帧间的运动向量,加快了序列图像分割速度。相比于现有的基于边缘、块匹配、区域匹配的主动轮廓模型,该模型具有更好的噪声鲁棒性及在跟踪过程中容忍目标旋转和较大位移的能力。实验验证了该模型的有效性。     

基于自适应评价的非线性系统神经网络控制

针对一类非线性系统,提出了一种自适应评价方法．该方法可以控制系统输出对参考信号进行跟踪,其评价函数可直接解析求出．该方法只需一个动作网络用于产生控制动作,并且方法中的网络权值初始化可随机选取．使用Lyapunov方法对整个系统的动态性能进行分析,证明了在一定条件下此方法能保证闭环误差及网络权值一致最终有界．仿真结果与理论分析相一致,证明了所提出方法的有效性．     

基于蛙眼视觉特性的运动目标模糊化区域理解跟踪方法

动态场景下的运动目标检测与跟踪是计算机视觉研究的前沿方向, 对场景的背景突变和目标的外观突变 的鲁棒性是当前研究的难点所在. 针对这种情形, 本文提出一种基于蛙眼视觉特性的鲁棒跟踪方法. 该方法利用蛙眼视觉认知的生理特性和外部特性, 设计了一种与之相应的模糊化区域理解的运动目标跟踪方法. 针对实验室环境下的动态序列的实验结果验证了方法的有效性; 并进一步将该方法与传统的Canny算子理解结 果及经典的Mean shift算法理解结果进行对比, 显示了方法的优越性.     

突变期电力负荷预测方法及其应用

为提高天气突变期电力负荷预测的精确度,分析了气象敏感因素对突变期电力负荷的影响,提出了负荷-天气突变修正策略,结合数据挖掘模型,并利用组合预测方法相对于单一预测模型的优势,设计了一种基于组合预测的突变期电力负荷预测方法.统计结果表明该方法显著提高了突变期的负荷预测精确度,对安徽电网电力总负荷的预测结果证明了该方法的有效性和优越性.