交通监控场景中的车辆检测与跟踪算法研究

考虑多目标跟踪过程中存在的实时性和身份跳变问题,提出一种基于检测的多车辆跟踪算法。首先利用Mobilenetv2替换YOLOv3检测算法的主干网络,构建目标检测模块YOLOv3-Mobilenetv2,减少检测算法模型参数,提高检测模块的运行速度;在Mobilenetv2中引入Bottom-up连接,增强多尺度特征图间的信息融合;然后构建基于LSTM的运动模型,解决卡尔曼滤波在非线性系统中产生的预测误差,基于Deepsort跟踪算法,引入LSTM运动模型,形成L-Deepsort跟踪算法;改进L-Deepsort跟踪算法外观匹配策略,提升目标间的关联性;最后融合轻量级目标检测算法YOLOv3-Mobilenetv2与多目标跟踪算法L-Deepsort,形成MYL-Deepsort多车辆跟踪算法,实现多车辆的实时准确跟踪。实验结果表明,该方法在跟踪性能提升的情况下,速度较YOLOv3-Deepsort提高21 frame/s,在TX2平台达到13 frame/s。     

Multi-objective optimization of rolling schedule based on cost function for tandem cold mill

In terms of tandem cold mill productivity and product quality, a multi-objective optimization model of rolling schedule based on cost fimction was proposed to determine the stand reductions, inter-stand tensions and rolling speeds for a specified product. The proposed schedule optimization model consists of several single cost fi.mctions, which take rolling force, motor power, inter-stand tension and stand reduction into consideration. The cost function, which can evaluate how far the rolling parameters are from the ideal values, was minimized using the Nelder-Mead simplex method. The proposed rolling schedule optimization method has been applied successfully to the 5-stand tandem cold mill in Tangsteel, and the results from a case study show that the proposed method is superior to those based on empirical formulae.     

异类粒子群算法的机械臂轨迹多目标规划

为了减少机械臂工作过程中的耗时、耗能和冲击,提出了基于异类粒子群算法的机械臂轨迹多目标规划方法。建立了7自由冗余机械臂运动学模型和优化模型;以传统粒子群算法为基础,根据学习信息的不同来源,设计了4种粒子进化行为,根据粒子当前状态计算不同进化行为的当前价值和未来价值,根据当前价值和未来价值的综合价值计算不同进化行为的选择概率,从而完成了异类粒子群算法的构造。以耗时最少单目标优化为例,与传统粒子群算法相比,异类粒子群算法不仅收敛速度快,而且优化程度提高了27.48%;使用异类粒子群算法对机械臂轨迹进行多目标综合优化,给出了Pareto最优前沿面,可根据不同需求和优化重心从中选择优化结果。     

基于深度学习的ViSAR多运动目标检测

视频合成孔径雷达(ViSAR)在地面动目标检测和感兴趣区域(ROI)的动态监测方面具有巨大的潜力。对地面运动目标的检测与跟踪一直是ViSAR的研究热点。针对现有基于深度学习的ViSAR动目标检测方法存在的依赖预训练模型,模型迁移难等问题,本文提出了一种基于深度学习与多目标跟踪(MOT)算法的ViSAR动目标阴影检测方法。该方法首先设计了一种从零开始深度学习的网络模型,实现动目标阴影的单帧检测。为了提高检测性能的鲁棒性,采用了基于卡尔曼滤波和逐帧数据关联的多目标跟踪算法跟踪动目标。实测数据处理结果表明该方法具有良好的检测性能。     

一类模糊多目标指派问题的解法及应用

讨论了任务数大于人数，且每两人分配的任务数相差不超过1的模糊多目标指派问题。首先建立数学模型，然后结合模糊数学的理论基础，将各目标的属性矩阵转化为模糊关系矩阵，再将问题转化成为平衡指派问题，用匈牙利法很容易求出最优解，最后给出一个物资供应的实例。     

面向决策的一体化建模方法及其在兵力筹划中的应用

在对军事决策问题的主要特点进行分析的基础上，提出从军事概念模型到数学模型再到定性推理模型的一体化建模思想．以空军航空兵遂行直接航空火力支援任务为想定背景，根据EATI模板，利用基于UML的Rose工具依次对想定任务的实体、任务、交互等进行分析；对于兵力筹划中的结构化问题建立了机会约束多目标规划数学模型；对于非结构化问题则构造了推理机，推理机体现了定量与定性相结合的决策分析思想．最后，以一个实例验证文章思路的可行性．     

基于视频多目标跟踪的高度测量算法

本文提出了一种基于视频多目标跟踪的高度测量算法.首先,采用码本模型检测前景,利用图割理论实现对多目标的跟踪.然后,提取每一帧中目标的头部特征点和脚部特征点,根据投影几何的约束关系计算每个目标的高度.最后,融合多帧的测量结果进行数据优化.本文提出的算法不需要对相机进行完全标定,只需计算摄像机的灭点和地平面的灭线,降低了计算的复杂度.实验结果表明,本文提出的算法具有较高的测量精度,对遮挡和运动状态变化具有较强的鲁棒性,同时,能够满足实时性要求.     

引入注意力机制的JDE多目标跟踪方法

多目标跟踪是计算机视觉领域的一个重要研究内容。JDE(joint detection and embedding)多目标跟踪算法推理速度和精度较高,但是当目标重叠或尺度较小时,该算法的跟踪效果较差。针对以上问题,提出了Attention-JDE,该模型结合了注意力机制、多尺度融合等思想,利用特征金字塔（feature pyramid）和空间金字塔池化（spatial pyramid pooling）提升模型对于小尺度目标的检测和跟踪能力,结合空间域注意力机制和通道域注意力机制改进模型在目标发生重叠时的跟踪效果。此外,还引入了Mish激活函数有效地降低跟踪时的ID切换次数。在MOT16数据集进行验证,结果表明,与原JDE方法以及其他主流方法相比,Attention-JDE具有更高的跟踪精度（MOTA）,同时速度能够达到19.5 FPS,实时性较高。     

基于模糊规则的半导体生产线队列排序算法

为提高芯片的成品率、按期交货率和机器利用率,以及减少平均加工时间,提出了一种工件排序的算法。在该算法中,为提高机器利用率和减少工件平均加工时间,采用了通过排序减少瓶颈机器切换时间的方法;为提高芯片的成品率,引入一时限参数,避免工件在加工过程中因在空气中暴露时间过长而氧化作废;为确保按期交货,在调度过程中运用模糊规则方法确定工件在队列中的具体位置。实验表明,该算法可明显提高产品的成品率,其总体性能优于其他常用算法。     

冗余机械手在危险源环境下的多目标逆解研究

针对机械手逆解问题,首次给出了粒子群算法优化机械手的方法,以优化结果确定逆解。其次定义了机械手的危险度概念,并将多目标粒子群算法应用于带有危险源和障碍物环境中的冗余机械手逆运动学研究。相比传统方法,该多目标优化方法不仅确定了冗余机械手的最终形状,而且能够使其成功避障,满足避障可操作、危险度和功率最省或更多的多目标要求。相比多目标遗传算法的仿真结果,该方法可以得到更理想的性能指标,通过进一步的3个指标试验仿真,证明了该方法的正确性和有效性。