基于改进的混合高斯模型的运动目标检测

提出了一种改进的混合高斯背景模型方法,克服了传统混合高斯背景建模方法计算时间长的缺点。通过对视频图像中运动目标区域进行背景建模,减小了每一帧的背景建模区域,同时在提取运动目标区域前先对初提取的前景目标进行中值滤波,减小运动目标区域的范围,进一步压缩了背景建模的时间。最后通过与时间平均背景建模和传统混合高斯背景建模方法进行比较,验证了本文算法的高效性。     

遥感图像目标多尺度特征分析

地面目标在不同尺度的遥感影像中表现出不同的特征,对自动目标识别的准确性有很大影响。基于多分辨率遥感影像,研究典型图像目标的识别技术,给出了多尺度图像目标识别框架。首先针对不同尺度的遥感影像,分析了每个尺度上目标识别的有效特征。然后在提取典型目标的多种特征基础上,对这些特征进行尺度相关性分析,并研究不同的尺度对目标形状结构等特征产生的影响。实验结果表明,基于多分辨率遥感影像的识别框架可以有效地实现图像目标的分析与识别。     

多传感器基于动态时空特性软硬协作决策的目标检测研究

针对多传感器系统中目标检测时检测精度与效率的矛盾问题,研究了一种具有协同合作决策功能的目标检测算法及其传感器设计方案。首先将多传感器系统依据时域、空域和频域给出三维定义描述,分析了时空动态特性,其次依据二元检验和目标优化检测分析了软决策和硬决策在目标检测时变化规律,建立了一种基于协同合作的目标检测决策机制,最后给出了基于动态时空特性软硬协作决策的目标检测及其传感器头结构设计方案。实验表明,所提目标检测方案在检测精度、检测效率、资源利用率和覆盖率等方面具有明显优势。     

基于小波滤波背景预测的红外弱小目标检测方法

红外弱小目标检测是红外图像研究领域的热点与难点。有效地从背景中检测出弱小目标对于后续的跟踪、识别工作具有十分重要的意义。针对现有检测方法的不足,提出了一种基于小波滤波背景预测的红外弱小目标检测方法。该方法利用小波滤波去噪的优良特性将目标作为噪声滤除,然后构建近似的前景分布图与背景分布图,最后基于连通体筛选与对比度门限完成弱小目标的提取。采用实测光电图像对该方法进行了验证,结果表明,提出的方法能够有效抑制噪声,完成背景预测以及红外弱小目标的检测。     

基于Adaboost-CSHG的特定类目标跟踪识别

目标跟踪识别是计算机视觉领域的热点研究对象。首先采用基于Adaboost的目标检测算法,训练得到了特定类目标坦克模型的级联分类器,对图像中的坦克目标完成了 “粗检测”;通过构建类属超图(CSHG)模型,采取Adaboost与CSHG相结合的方式,有效滤除了大量虚警,实现了对坦克目标的“精检测”,同时完成了对目标的跟踪;最后利用基于类属超图的目标识别原理对目标进行识别,实验结果表明该方法在简单背景和复杂背景图像条件下均具有可行性。     

结合优化3D-SIFT与Gist特征的运动目标识别

目标识别和场景理解是图像处理高级任务中近几年的研究热点。结合局部特征和全局特征,利用累计差分图像分割出的目标提取优化3D-SIFT特征。结合Gist提取的图像全局特征,建立特征向量。通过SVM支持向量机训练,将其应用在运动目标识别和场景理解上。实验结果表明,与现有算法相比,该算法在目标识别和场景理解上的效果有显著的提高。     

基于能效优化的仿人机器人跑步步态优化与控制

针对高能耗导致的仿人机器人难以大规模实用化的问题,提出了一种新的仿人机器人参数化跑步步态优化方法。分析了不同跑步步态参数对仿人机器人水平、垂直方向的稳定性及能耗的影响,将机器人步态优化问题转化为对步态参数的多目标寻优问题,根据连杆模型得到机器人跑步过程中水平、垂直方向的稳定裕度及能耗表达式,并构造目标函数,采用基于对位学习的遗传算法对机器人参数化跑步步态进行多目标寻优,在保证机器人俯仰、翻滚和偏摆各方向力矩平衡的前提下降低整体能量消耗;针对传统遗传算法早熟及收敛速度慢的问题,提出基于领域知识的精细化初始成员策略,采取生成种群成员对位点的方式更新种群,以加快收敛速度;为提高轨迹跟踪性能,设计了自适应控制器,并给出了稳定性证明。仿真实验表明:该方法能有效降低能耗并保证其稳定性。     

一种目标驱动的移动业务流程的分析方法

随着移动互联网的发展,如何改进现有的业务流程来更好地满足用户的需求成为企业普遍面临的问题。然而,对于企业中哪些业务需要移动化以及如何移动化,目前仍然缺乏相应的分析方法。针对该问题,提出一种基于目标的移动业务流程分析方法。该方法认为企业的各个业务流程都是为了满足一定的用户需求,因此提出建立企业业务流程模型与用户需求模型之间的对应关系,然后通过识别移动环境下用户需求的变化来改进企业的业务流程。以一个医院的业务流程为案例说明了所提方法的可行性。     

基于通信链路的NoC映射算法

片上网络映射算法对系统通信能耗、延时等性能具有重大影响。基于通信链路通信量大小,提出一种改进的多目标遗传映射算法,以降低系统能耗和延时。算法中提出根据通信链路通信量大小决定任务在网络拓扑中映射位置的方式来产生初始染色体,并通过改进的变异操作产生新的子代,有效降低了算法复杂度,加快了算法的收敛速度。实验通过NIRGAM仿真平台进行,结果表明,与传统的多目标遗传算法相比,在实际应用DVOPD中,能耗降低了49.76%,通信延时降低了53.23%;在VOPD实验中,能耗和延时分别降低了29.54%和32.45%;而MPEG-4的能耗和延时则分别降低了45.72%和49.40%。同样,提出的算法与模拟退火算法相比,能耗和延时性能也有明显提高。     

基于惯量矩的自适应带宽Mean Shift目标跟踪算法

基于核的传统均值漂移目标跟踪算法,对于目标的尺度和角度缺乏良好的自适应能力。为此,提出一种基于惯量矩的自适应调整核函数带宽均值漂移跟踪算法。该算法首先用颜色模型在最优迭代位置投影创建目标概率密度分布,然后计算此密度分布的形心主轴惯量矩和旋转角度,最后用惯量矩的方法对目标进行椭圆拟合。得到目标的长度和宽度,递归滤波后自适应调整核函数带宽。实验结果表明,该算法在光照、尺度变化情况下可以准确跟踪目标,并估计目标旋转角度。