机动频率自适应的机动目标模糊跟踪算法

分析了基于＂当前＂统计模型的跟踪算法中,机动频率对滤波算法的影响.提出一种模糊自适应跟踪算法,该算法根据量测新息及其变化率通过模糊推理机制调整＂当前＂统计模型中的机动频率,以适应不同的目标机动模式.针对直角坐标系下量测模型为非线性方程,采用转换坐标卡尔曼滤波对目标状态进行估计.仿真结果表明：该算法无论跟踪机动目标还是非机动目标,其精度都要优于常规的基于＂当前＂统计模型的跟踪算法.     

基于道路环境上下文的行人跟踪方法

针对目前城市交通中人车混行场景中行人跟踪效果不佳的问题,提出了一种基于道路环境上下文的行人跟踪方法。首先通过对道路环境上下文进行分析,建立道路模型;其次在道路模型的约束下建立行人与环境的交互运动模型;最后利用该模型进行行人的跟踪。在真实场景中的实验表明使用了道路上下文信息的跟踪方法与连续离散连续能量最小化的多行人跟踪方法相比,多目标跟踪准确度从47.6%提升至63.2%,多目标跟踪精度从68.8%提升至74.3%。数值结果表明道路上下文信息对于提高人车混行场景中行人跟踪效果的有效性。     

基于DSP的新型太阳方位跟踪系统

为了提高太阳方位跟踪精度,降低光伏发电系统的成本,利用光伏电池旋转产生的短路电流是交变电流的这一特点,通过离散傅里叶变换（DFT）求解交变电流的初相位,计算太阳的高度角和方位角,实现了对太阳方位的自动跟踪。并依此方法设计出了一套基于数字信号处理器（DSP）的新型太阳方位跟踪系统。实验结果表明,该系统能实现太阳光大范围内检测,并迅速跟踪,可避免多块光敏元件的不一致性所带来的问题,有效地提高了跟踪系统的精确性,可望在太阳能光伏发电工程中得到应用。     

考虑车辆跟驰作用和通信时延的网联车辆队列轨迹跟踪控制

针对智能网联车辆轨迹跟踪问题, 本文通过考虑车辆跟驰作用和车车通信过程中存在的通信时延, 提出了一种分布式非线性轨迹跟踪控制器. 具体来讲, 首先, 提出一种双向领导跟随通信拓扑来描述智能网联环境下车辆间的通信连接. 其次, 考虑车辆跟驰作用和通信时延, 设计一种分布式非线性轨迹跟踪控制器. 然后, 使用Lyapunov方法证明了所设计控制器的稳定性. 最后, 考虑速度干扰作用于领导者车辆, 针对无时延、同质时延和异质时延等三种场景进行数值仿真实验. 仿真结果表明: 本文所设计的控制器不仅保证了车辆位置跟踪误差收敛到原点, 而且车辆运动规律符合交通流理论, 即无负位置跟踪误差和负速度现象.     

Logistic视频字幕增强模型

目的：为提高复杂背景下的视频字幕在OCR中的识别率,需要对提取的视频字幕进行有效地字幕增强。该文首次将Logistic模型应用到视频字幕增强中,提出了基于Logistic模型的融合多帧信息的视频字幕增强方法。方法：对字幕进行检测与跟踪,将出现在连续多帧中的同一字幕片段进行对齐;通过分析字幕片段在多帧中信息,提出字幕背景在时域上的变化特征、背景和字幕文本的固有特征,并将三个特征进行量化与融合,构建适用于字幕增强的Logistic模型,实现对视频字幕的增强。结果：对含阴影或描边效果的特殊复杂背景字幕、普通复杂背景字幕、单一背景字幕分别进行实验,增强后的字幕在OCR软件中的识别正确率分别为81.76%、97.13%、98.19%,与对比方法比较均有一定的提高。结论：实验结果表明,该文方法既可以降低字幕背景的复杂度,又可以提高字幕背景与文本的对比度,从而可以对复杂背景和单一背景下的视频字幕进行有效地增强。     

融合卷积神经网络的核相关滤波视觉目标跟随算法研究

近几年,目标跟随技术逐渐成为研究的热点。核相关滤波跟踪算法通过循环矩阵构造训练样本,将时域的卷积转换到频域的点乘完成滤波器的训练,降低计算复杂度,跟踪速度较快。卷积神经网络模型深度特征表征能力较强,可以充分利用图像信息,跟踪精度较高。将两种算法优势互补,构造一种卷积神经网络与核相关滤波算法融合型改进算法。即在线下阶段训练模型,分层提取孪生网络的深度特征,然后通过相关滤波器快速计算出最大响应图,预测目标所在位置。因此,改进后的算法在保持核相关滤波跟踪算法实时性的同时,可以大幅提高跟踪精度。     

融合显著性与运动信息的相关滤波跟踪算法

主流的目标跟踪算法以矩形模板的形式建立被跟踪物体的视觉表征, 无法有效区分目标与背景像素, 在背景复杂、目标非刚体形变、复杂运动等挑战性因素影响下容易出现模型偏移的问题, 导致跟踪失败. 与此同时, 像素级的显著性信息与运动先验信息作为人类视觉系统有效区分目标与背景、识别运动物体的重要信号, 并没有在主流目标跟踪算法中得到有效的集成利用. 针对上述问题, 提出目标的像素级概率性表征模型, 并且建立与之对应的像素级目标概率推断方法, 能够有效利用像素级的显著性与运动观测信息, 实现与主流的相关滤波跟踪算法的融合; 提出基于显著性的观测模型, 通过背景先验与提出的背景距离模型, 能够在背景复杂的情况下得到高辨识度的像素级图像观测; 利用目标与相机运动的连续性来计算目标和背景的运动模式, 并以此为基础建立基于运动估计的图像观测模型. 实验结果表明, 提出的目标表征模型与融合方法能够有效集成上述像素级图像观测信息, 提出的跟踪方法总体跟踪精度优于多种当下最先进的跟踪器, 对跟踪场景中的背景复杂、目标形变、平面内旋转等挑战性因素具有更好的鲁棒性.     

基于参数自学习的无人车越野环境跟踪控制方法

针对无人车在越野环境下难以高速、高精度地跟踪复杂路况的问题,设计了一种参数自学习的前馈补偿控制器,与模型预测控制方法构成前馈-反馈的控制结构。在该控制结构中,前馈控制根据实时状态的跟踪误差在线更新学习系数,有效考虑车辆高速运动过程中无法精确建模的非线性动力学特性以及复杂路况不断变化的曲率和路面条件等的影响,在保证稳定性的同时快速减小跟踪误差。在越野场景进行了高速的S型与直角弯路径跟踪实车实验来验证参数自学习控制器的有效性,结果表明,所设计的参数自学习控制器相比传统的模型预测控制器跟踪误差和横摆都较小,在跟踪精度和车辆稳定性上都有较大改善。     

Multiple lines of evidence to identify the sources of fecal pollution at a freshwater beach in Hamilton Harbour, Lake Ontario

Multiple microbial source-tracking methods were investigated to determine the source of elevated Escherichia coli levels at Bayfront Park Beach in Hamilton Harbour, Lake Ontario. E. coli concentrations were highest in wet foreshore sand (114,000 CFU/g dry sand) and ankle-depth water (177,000 CFU/100mL), declining rapidly in deeper waters. Many gull and geese droppings were enumerated each week on the foreshore sand within 2m of the waterline. Both antimicrobial resistance analysis and rep-PCR DNA fingerprinting of E. coli collected at the beach and nearby fecal pollution sources indicated that E. coli in sand and water samples were predominantly from bird droppings rather than from pet droppings or municipal wastewater. Both methods indicated a trend of decreasing bird contamination, and increasing wastewater contamination, moving offshore from the beach. When foreshore sand was treated as a reservoir and secondary source of E. coli, waterborne E. coli were found to be more similar to sand isolates than bird or wastewater isolates out to 150 m offshore. Multiple lines of evidence indicated the importance of bird droppings and foreshore sand as primary and secondary sources of E. coli contamination in beach water at Bayfront Park.     

基于检测-跟踪联动的紧凑型高频地波雷达弱目标自适应检测方法

紧凑型地波雷达发射功率低、回波信噪比低,目标检测难度大,在目标跟踪时由于目标漏检经常出现航迹断裂。为了提升其目标检测性能,提出了一种基于检测-跟踪联动的弱目标自适应检测方法。当跟踪器检测到目标航迹无法关联到新点迹时,将当前目标预测状态反馈至检测器;检测器在距离-多普勒谱上建立局部检测波门,采用二元假设检验法感知波门内的检测背景,根据不同的检测背景选取适用的检测门限调整方法,降低恒虚警检测的门限,判定是否有弱目标被检出。若能够检出目标,对其进行测向后将新点迹发送至跟踪器进行处理。利用实测数据开展了目标检测与跟踪实验,结果表明：与先检测后跟踪方法相比,该方法得到的目标航迹时长增加了29.76%,平均延长了19.25 min。