自适应在线判别外观学习的分层关联多目标跟踪

目的 复杂场景下目标频繁且长时间的遮挡、跟踪目标外观相似引起身份转换等问题给多目标跟踪带来许多挑战。针对多目标跟踪在复杂场景中因长时间遮挡引起身份转换和轨迹分段的问题,提出一种基于自适应在线判别外观学习的分层关联多目标跟踪算法。方法 利用轨迹置信度将多目标跟踪分为局部关联和全局关联两个层次。在局部关联中,置信度高的可靠轨迹利用外观、位置-大小相似度与当前帧检测点进行关联;在全局关联中,置信度低的不可靠轨迹引入运动模型和有效关联范围进一步关联分段的轨迹。在提取目标外观特征时引入增量线性可判别分析方法以解决身份转换问题,依据新增样本与目标样本均值的外观特征差异自适应地更新目标外观模型。结果 在公开数据集2D MOT2015中的PETS09-S2L1、TUD-Stadmitte、Town-Center 3个数据集中与当前10种多目标跟踪算法进行比较,该方法对各个数据集身份转换和轨迹分段都有减少,其中在Town-Center数据集中,身份转换减少了60个,轨迹分段减少了84个,跟踪准确度提高了5.2%以上。结论 本文多目标跟踪方法,能够在复杂场景中稳定有效地实现多目标跟踪,减少轨迹分段现象,其中引入的在线线性可判别外观学习对遮挡产生的身份转换具有良好的解决效果。     

An AIoT Monitoring System for Multi-Object Tracking and Alerting

Pig farmers want to have an effective solution for automatically detecting and tracking multiple pigs and alerting their conditions in order to recognize disease risk factors quickly. In this paper, therefore, we propose a novel monitoring system using an Artificial Intelligence of Things (AIoT) technique combining artificial intelligence and Internet of Things (IoT). The proposed system consists of AIoT edge devices and a central monitoring server. First, an AIoT edge device extracts video frame images from a CCTV camera installed in a pig pen by a frame extraction method, detects multiple pigs in the images by a faster region-based convolutional neural network (RCNN) model, and tracks them by an object center-point tracking algorithm (OCTA) based on bounding box regression outputs of the faster RCNN. Finally, it sends multi-pig tracking images to the central monitoring server, which alerts them to pig farmers through a social networking service (SNS) agent in cooperation with an oneM2M-compliant IoT alerting method. Experimental results showed that the multi-pig tracking method achieved the multi-object tracking accuracy performance of about 77%. In addition, we verified alerting operation by confirming the images received in the SNS smartphone application.     

可见光卫星成像调度系统关键技术研究

针对可见光卫星成像调度的应用需求,设计实现了一个成像调度系统．介绍了系统的组成和执行流程,重点讨论了系统实现的关键技术,包括成像约束图模型构建技术以及多目标遗传算法问题求解技术,最后给出了应用实例．该系统已经在某在轨卫星成像调度中得到成功应用．     

可逆约束系统参数匹配优化研究

针对可逆约束系统中可逆预紧式安全带与安全气囊优化匹配的问题,建立某车型驾驶员侧约束系统仿真模型,分别对碰撞前自动紧急制动作用下乘员动态响应,以及碰撞中乘员损伤指标进行验证分析。将试验设计,Kriging代理模型以及第二代多目标遗传算法相结合,以可逆约束系统6个关键参数为输入变量,以乘员头、胸、颈、大腿的损伤值为优化目标,开展多目标优化研究,并利用加权损伤指标(Weighted injury criteria,WIC)评价最优匹配方案。结果表明:与优化前相比较,优化后的约束系统能够有效降低乘员损伤值。当碰撞初速度为56 km/h时,最优匹配方案使胸部、颈部、大腿损伤值分别降低6.61%、28.99%、16.12%,WIC值降低4.99%,头部损伤值基本没有变化;将碰撞初速度增大至64 km/h后,最优匹配方案表现出更好的保护效果,乘员头部、胸部、颈部、大腿损伤值分别降低26.19%、33.21%、20.49%、6.11%,WIC值降低28.01%。     

沥青混凝土路面施工机群物料供应与供料设施调配

针对沥青混凝土路面施工过程中出现的窝工、待料和设施闲置的现象。文中以施工过程中摊铺机对物料的供需平衡为中心，利用混杂控制理论分析了物料的供应特性。并通过多主体技术实现供料设施的动态调度，提出了设施调配的队列法，并通过二级广播的通讯方式实现。这种方法对于保障施工的连续性、设施的经济调度和容错策略起到积极的作用。     

基于布局图的多物体场景新视角图像生成网络

新视角图像生成任务指通过多幅参考图像,生成场景新视角图像。然而多物体场景存在物体间遮挡,物体信息获取不全,导致生成的新视角场景图像存在伪影、错位问题。为解决该问题,提出一种借助场景布局图指导的新视角图像生成网络,并标注了全新的多物体场景数据集（multi-objects novel view Synthesis,MONVS）。首先,将场景的多个布局图信息和对应的相机位姿信息输入到布局图预测模块,计算出新视角下的场景布局图信息;然后,利用场景中标注的物体边界框信息构建不同物体的对象集合,借助像素预测模块生成新视角场景下的各个物体信息;最后,将得到的新视角布局图和各个物体信息输入到场景生成器中构建新视角下的场景图像。在MONVS和ShapeNet cars数据集上与最新的几种方法进行了比较,实验数据和可视化结果表明,在多物体场景的新视角图像生成中,所提方法在两个数据集上都有较好的效果表现,有效地解决了生成图像中存在伪影和多物体在场景中位置信息不准确的问题。     

Distributed collaborative extremum response surface method for mechanical dynamic assembly reliability analysis

To make the dynamic assembly reliability analysis more effective for complex machinery of multi-object multi-discipline （MOMD）,distributed collaborative extremum response surface method （DCERSM） was proposed based on extremum response surface method （ERSM）.Firstly,the basic theories of the ERSM and DCERSM were investigated,and the strengths of DCERSM were proved theoretically.Secondly,the mathematical model of the DCERSM was established based upon extremum response surface function （ERSF）.Finally,this model was applied to the reliability analysis of blade-tip radial running clearance （BTRRC） of an aeroengine high pressure turbine （HPT） to verify its advantages.The results show that the DCERSM can not only reshape the possibility of the reliability analysis for the complex turbo machinery,but also greatly improve the computational speed,save the computational time and improve the computational efficiency while keeping the accuracy.Thus,the DCERSM is verified to be feasible and effective in the dynamic assembly reliability （DAR） analysis of complex machinery.Moreover,this method offers an useful insight for designing and optimizing the dynamic reliability of complex machinery.     

建筑工程施工的多目标多层次模糊评价模型

基于模糊数学基本理论、层次分析法（AHP）和特尔菲法,深入研究建筑工程施工的特点,建立建筑工程施工的多目标多层次模糊综合评价模型。具体提出确定评价指标体系过程中对专家咨询结果统计处理方法和各指标权重的确定方法以及模糊评价过程。     

一种基于Multi-Egocentric视频运动轨迹重建的多目标跟踪算法

Egocentric视频具有目标运动剧烈、遮挡频繁、目标尺度差异明显及视角时变性强的特点，给目标跟踪任务造成了极大的困难。本文从重建不同视角Egocentric视频中各目标的运动轨迹出发，提出一种基于Multi-Egocentric视频运动轨迹重建的多目标跟踪算法，该方法基于多视角同步帧之间的单应性约束解决目标遮挡和丢失问题，然后根据多视角目标空间位置约束关系通过轨迹重建进一步优化目标定位，并采用卡尔曼滤波构建目标运动模型优化目标运动轨迹，在BJMOT、EPLF-campus4数据集上的对比实验验证了本文算法在解决Multi-Egocentric视频多目标跟踪轨迹不连续问题的有效性。     

基于随机有限集的UPF-CPHD多目标跟踪

提出一种基于随机有限集的无迹粒子基数概率假设密度滤波（UPF-CPHD, unscented particle filter - cardinality probability hypothesis density）的多目标跟踪方法。在粒子滤波框架下采用随机有限集（RFS, random finite sets）对多目标状态和观测进行描述。在UPF滤波框架下引入CPHD算法同时递推目标状态和目标数目,并计算最新观测信息,估计结果更加精确,弥补PHD估计目标数目不可靠的缺点。仿真实验表明,UPF-CPHD多目标跟踪方法能够降低超过50%的目标数目估计误差,并提高目标状态的估计精度。