Coherent网络中的纠错码

网络编码对网络中的传输错误或恶意攻击十分敏感,如果网络拓扑和网络码对于网络的收点和发点都是已知的,这种类型的网络称为Coherent网络。在Coherent网络中,网络汉明重量的概念拉近了网络纠错码和传统纠错码之间的距离,传统纠错码的一些理论和方法有望在将来应用于网络纠错码。类似于传统纠错码,极小距离反映了网络纠错码的纠错能力。利用陪集码理论去描述和研究网络纠错码是一个令人感兴趣的研究方向。     

Nonlinear computed torque control for a high-speed planar parallel manipulator

A new computed torque (CT)-type controller termed nonlinear CT (NCT) controller is developed and applied to a high-speed planar parallel manipulator. The NCT controller is designed by replacing the linear PD in the conventional CT controller with the nonlinear PD (NPD) algorithm. The stability of the parallel manipulator system with the NCT controller is proven using the Lyapunov theorem, and the proposed controller is further proven to guarantee asymptotic convergence to zero of both tracking error and error rate. The superiority of the proposed NCT controller is verified through the trajectory tracking experiments of an actual high-speed planar parallel manipulator, and the experiment results are compared with the CT controller.     

针对人物识别的脸部和唇部捕捉

This paper addresses the issue of face and lip tracking via chromatic detector, CCL algorithm and canny edge detector. It aims to track face and lip region from static color images including frames read from videos, which is expected to be an important part of the robust and reliable person identification in the field of computer forensics. We use the M2VTS face database and pictures took from my colleagues as the test resource. This project is based on the concept of image processing and computer version.     

改进的Meanshift运动目标跟踪算法

Meanshift算法在对快速运动的目标进行跟踪时容易丢失目标,并且在目标被遮挡时,也容易造成跟踪失败,跟踪的过程中跟踪框不能随着运动目标的大小变化而变化.提出一种基于Meanshift运动目标跟踪算法的改进算法.该算法基本思想是采用改进的三帧差分法对运动目标区域进行提取,求得跟踪框轮廓,同时用Meanshift算法对运动目标进行跟踪,获得目标最大概率区域,将该区域中心作为跟踪框的中心.跟踪过程中通过巴氏系数判断是否目标被遮挡,若被遮挡则调用Kalman滤波进行预测跟踪.实验结果表明,该算法能够快速、准确地跟踪目标.     

TLD目标跟踪算法综述

TLD目标跟踪算法将检测和跟踪同时加入跟踪框架,并引入半监督机器学习算法对锁定目标不断学习以捕获其最新外观,使目标无处可逃,从而实现对未知目标的长时跟踪.简要介绍了TLD算法的理论背景和系统框架,并指出其存在的主要缺陷.然后对各个缺陷所提出的改进方法进行详细地综述,并给出自己的评述.最后总结全文并展望TLD目标跟踪算法在未来几年的发展趋势.     

紧耦合粒子滤波与均值漂移的红外目标跟踪

为了提高复杂背景下红外目标跟踪的准确性和鲁棒 性,提出了紧耦合粒子滤波(PF)与均值漂移(mean shift)的红外目标跟踪方法。在PF框 架下,利用一组5参数集(中心横坐标、中心纵坐标、宽度、高度以及倾斜角)作为状 态变量表 征随机的粒子样本;然后使用自适应均值漂移作为一种迭代模式寻找过程,对随机粒子样本 进行重新分配,使粒子向目标 状态的最大后验核密度估计方向移动,同时利用迭代过程中的Bhattacharyya系数对粒子的 权值进行更新;最后利用重新分配 后的加权粒子集合实现对红外目标的跟踪。实现结果表明,与一般的PF相比,本文方法能有 效减少所需粒子数(N=15),进而降 低跟踪耗时;与现有的PF与均值漂移相结合的方法相比,本文方法在耗费时间 仅增加14%的代价上,使跟踪误差大大降低(约 为原误差的1/3至1/4),准确性和鲁棒性得到显著提高;本文方法能够实现在复杂背景下稳 健准确地跟踪红外目标。     

MIMO-OFDM系统的低复杂度递推信道跟踪算法

该文针对时变多径信道下的MIMO-OFDM系统,基于变分贝叶斯原理,提出了一种新的联合信号检测和信道跟踪的低复杂度半盲贝叶斯迭代接收机。针对该接收机,基于递推变分期望最大化(RVBEM)算法,提出了一种RVBEM信道跟踪算法。由于RVBEM算法需要进行矩阵求逆,因此以该算法为基础推导得到了一种时频域联合递推的低复杂度信道跟踪(TF-LCRVBEM)算法。TF-LCRVBEM算法不仅完全避免了矩阵求逆运算,还通过合理的近似使得算法只具有线性复杂度。分析和仿真表明,在时变多径信道下,所提迭代接收机具有远优于传统接收机和接近理想接收机的性能。     

视线跟踪过程中变形瞳孔的定位

在视线跟踪过程中,变形瞳孔的定位至关重要。针对眼部图像出现干扰情况下的变形瞳孔定位,该文提出了一种基于3点的随机采样一致性定位算法RANSAC_3,即利用随机采样到的2点(以及它们的梯度方向)和搜索获得的1个点来确定椭圆参数。由于该算法在确定参数时只需随机采样两个点,从而大大降低了采样到干扰点的几率,利用搜索到的第3点来决定是否对当前点进行参数计算,有效地解决了标准随机采样一致性定位算法中的无效采样和误差累积问题,提高了椭圆拟合效率和瞳孔定位精度。实验证明,该算法对变形瞳孔具有很好的定位效果,对光斑、睫毛、头发、眼镜框以及眼球运动模糊的引起的干扰具有较强的鲁棒性,并且定位速度快,可以达到实时要求。     

一种易于初始化的类卷积神经网络视觉跟踪算法

该文针对视觉跟踪中运动目标的鲁棒性跟踪问题,基于主成分分析(PCA)和卷积神经网络(CNN),提出一种易于初始化的类CNN提取深度特征的视觉跟踪算法。该算法首先利用仿射变换对原始图像进行处理,然后对归一化尺寸的图像进行分层PCA学习,将学习得到的PCA特征向量作为CNN结构中的各阶滤波器,完成特征提取网络的初始化,再利用特征提取网络获取目标的深层次表达。最后结合粒子滤波,利用一个简单的逻辑回归分类器通过分类估计实现目标跟踪。结果表明,利用这种易于初始化的CNN提取到的深度特征能够有效地区分目标和背景,具有很好的可区分性,提出的视觉跟踪算法对光照变化、尺度变化、遮挡、旋转和摄像机抖动等都具有良好的适应性,在许多视频序列上表现出了较好的鲁棒性和准确性。     

基于随机投影和稀疏表示的跟踪算法

针对目标跟踪过程中存在的诸多技术问题,该文提出一种鲁棒的目标跟踪方法。首先,该文采用基于稀疏表示的全局模板描述目标的表观状态,通过构造正负模板以区分目标和背景;然后采用随机投影法对表示模板和候选目标进行降维,以降低算法的时间复杂度;采用粒子滤波法作为目标的运动模型,通过多项式重采样方法进行粒子重采样,以保持粒子的多样性;设计了正负模板更新策略,将正模板分为固定集和更新集,对这两部分在相似度计算和正模板更新时采取不同的处理方法,并且在其中加入目标遮挡的判决机制,从而可以有效避免遮挡的影响;实验结果表明,该算法能够准确跟踪受遮挡、运动模糊等多种复杂场景的目标,与现有跟踪方法相比,所提算法具有更好的准确性和稳定性。