基于空时显著性感知的运动目标检测方法*

从视觉系统生理结构出发,对Itti视觉注意力模型进行了改进,融入运动特征,提出了一种基于视觉空时显著性感知的运动目标检测方法。首先提取图像的空间特征,形成空间显著图;然后利用相邻帧图像的全局运动、局部运动和相对运动,确定运动目标与背景的运动差异,形成运动显著图,并且对各显著区的空间特征和运动特征进行融合形成空时显著图,检测出运动目标。理论分析和实验结果表明,该方法能快速、准确地发现目标,减少目标的截获时间,提高目标跟踪性能。     

基于双CPU的太阳能跟踪系统的研究

从提高太阳能电池板的输出功率出发,提出了基于双CPU控制方式的太阳能跟踪系统。系统采用俯仰-水平双轴控制,以单片机STC12C2052AD为光电控制单元的核心处理器,以混合式步进电机为执行机构,以TMS320F2812为核心控制器件的三相正弦波细分驱动器实现了混合式步进电机的精确定位。实验表明系统运行稳定,具有很高的实用价值。     

一种新的动态视觉传感器网络目标覆盖率算法*

动态视觉传感器网络目标覆盖研究中把目标点看成一个质心,而实际中存在物体直径可能大于视频节点半径、质心模型不适用的情况,针对此提出了一种新的动态视觉传感器目标物体覆盖率问题。基于此问题同时结合有向感知模型,提出有向线性感知模型,并基于该模型使用改进的粒子群优化算法对物体覆盖率进行仿真优化。仿真结果表明了该模型的有效性。     

被动无边轮辐运动特性的Adams仿真分析

对双足被动机器人最初模型——二维无边轮辐进行了研究,建立了其动力学模型,并通过Adams分析了其运动过程中的特点,逐一分析了轮辐初速度、质量、足半径、辐条数量、辐条长度、转动惯量以及斜面坡度对无边轮辐运动的影响.结果表明:合适的初速度和斜面坡度,以及较大的质量、较大的足半径、较多的辐条数量、较短的辐条长度、较大的转动惯量会使无边轮辐形成快速而平稳的周期运动.     

灰色蚁群系统求解多目标卫星观测调度问题

为充分有效的利用地球观测卫星资源,最大限度的满足成像需求并得到高质量的图像,提出了一种灰色蚁群系统多目标优化算法.首先利用区间灰数描述成像任务上空的云量信息;然后考虑了卫星多种成像约束条件,建立了包括成像任务重要性和图像质量的多目标优化模型;最后将灰色理论和蚁群系统结合起来,通过多个种群的区域更新规则和精英保留策略,提高非劣解集的多样性和收敛性.仿真结果表明,提出的灰色蚁群系统可以有效解决卫星多目标成像调度问题。     

基于OpenCV的运动目标检测与跟踪

提出了一种基于OpenCV的视频应用程序的开发方法。将Intel公司开放的OpenCV源代码作为开发的视频应用程序的基础函数库,改写或调用其中的函数,可根据需要用C＋＋语言开发视频应用程序,从而克服了视频应用程序开发周期长、效率低的缺点。给出了部分OpenCV具体的设置方法和过程,并通过利用OpenCV编写的运动目标检测与跟踪的应用程序验证了该方法的有效性和可行性。对图像进行形态学去噪、平滑滤波处理和二值化阈值分割等图像预处理,获得二值化黑白图像。通过轮廓提取和跟踪检测得到车辆和人的外轮廓,进而实现运动目标的跟踪。在VC＋＋6.0环境下,利用OpenCV编程实现了此方法。实验结果表明,该方法可行。     

基于核函数的多极化HRRP识别

针对多极化雷达高分辨距离像(HRRP)识别中数据量大、分布复杂和识别算法复杂的问题,提出了基于核函数的识别方法.该方法首先定义了两种基于多极化HRRP的核函数,然后将其分别应用到核主分量分析(KPCA)中降维和提取特征,最后采用最近邻(1NN)分类器和支持矢量机(SVM)分类器对目标进行分类.该方法可以在不丢失极化信息的情况下,将多极化HRRP作为一个整体进行识别,降低了识别算法的复杂度.多极化HRRP数据的仿真实验结果显示,该方法的识别率比单极化HRRP提高7%～10%;与其他多极化HRRP识别方法相比,该方法不仅降低了提取特征的维数,而且还提高了识别性能.     

基于AGORA扩展模型的可信需求评价选择方法

需求分析设计过程中如何进行正确的需求选择是可信需求设计的一个重要研究内容,在分析研究了现有目标视图需求分析方法的优缺点后,对AGORA目标视图模型进行了扩展,提出了一种基于开发成本以及正确性、一致性、可变性等多可信属性的需求方案综合满意度评价选择方法。该方法解决了需求分析设计过程中的需求选择评价问题,并通过了一个分析案例表明了其实用性和可操作性。     

参数多目标优化问题敏感分析

对于参数向量优化问题minK{f（ω,x）｜x∈G（ω）},其中f：W×X→Y是从赋范空间W和X的积到另一个赋范空间Y的Hadamard可微的单值映射,G：W→X是一个集值映射,K属于Y是一个尖闭凸锥。应用集值映射的余切上图导数进行了灵敏度分析。     

自动人脸跟踪方法研究

针对实时视频监控领域中传统的Camshift算法不能自动跟踪人脸和容易受到肤色相近遮挡等问题,首先采用Adaboost算法实现了人脸的自动检测,同时对于跟踪丢失等情形,通过贪心预测和卡尔曼预测对跟踪偏差进行实时改进,并比较两种算法的优缺点。实验表明前者对跟踪的准确性有较大提高,后者具有较好的实时性,在相近肤色遮挡时仍能实现正确跟踪,并对侧脸也有较好的效果,算法具有较好的鲁棒性。