基于颜色分割和LBP纹理检测的运动目标提取

针对传统LBP纹理检测在运动目标提取中对原地或缓慢运动物体容易误判为背景的问题,提出一种基于颜色分割和LBP纹理检测的提取方法。主要思想分为3步：根据LBP纹理检测结果映射得到宏块级粗糙运动目标;根据K‐means颜色分割方法得到颜色分类信息;根据提出的宏块交叠机制,将颜色信息与运动信息进行融合,得到最终的提取结果。对比实验结果表明,该方法在保持良好的光照鲁棒性和阴影抵抗力的同时,可以有效改善运动目标空洞、背景融入等问题,满足实时要求。     

基于STM32的高精度扭矩测量系统设计

为提高测控应用中扭矩测量精度,提出了一种基于STM32的高精度扭矩测量设计方案。首先,扭矩传感器输出信号经过低通滤波后,送入内置PGA的24位高精度Σ-ΔA/D转换器ADS1255。然后,主控制器STM32通过SPI读取A/D转换结果,通过移动加权平均滤波算法消除随机干扰噪声,进而计算扭矩值,将测量结果存储在外部FLASH并送LCD实时显示。现场测试结果表明：系统精度达到0.6%F. S.。     

一种基于高斯混合模型的轨迹预测算法

在智能交通控制系统、军事数字化战场、辅助驾驶系统中,实时、精确、可靠的移动对象不确定性轨迹预测具有极高的应用价值.智能轨迹预测不仅可以提供精准的基于位置的服务,而且可以提前监测和预判交通状况,进而推荐最佳路线,已经成为移动对象数据库研究的热点,亟需设计准确而高效的位置预测方法.针对现有方法的不足,提出了基于高斯混合模型的轨迹预测方法GMTP,主要步骤包括:(1) 针对复杂运动模式利用高斯混合模型建模;(2) 利用高斯混合模型计算不同运动模式的概率分布,进而将轨迹数据划分为不同分量;(3) 利用高斯过程回归预测移动对象最可能的运动轨迹.GMTP是高斯非线性概率统计模型,其优势在于:计算结果不仅是位置预测值,更是关于移动对象未来所有可能运动轨迹的概率分布,可以利用概率统计分布特性获得某种运动模式(如匀加速运动)下的位置预测.大量真实轨迹数据集上的实验结果表明:与相同参数设置下的高斯回归预测和卡尔曼滤波预测法相比,GMTP的预测准确性平均提高了22.2%和23.8%,预测时间平均缩减了92.7%和95.9%.     

基于改进UKF的滚动时域估计方法及其在PVC聚合过程中的应用

聚合过程具有高度非线性和时变性等特点,参数在线估计有助于聚合过程控制性能和优化效果的改善。滚动时域估计(MHE)方法是一种用于聚合过程参数和状态估计的有效方法。本文提出了一种基于改进无迹卡尔曼滤波(UKF)的滚动时域估计方法,用于氯乙烯聚合过程机理模型时变参数的估计。滚动时域估计方法的关键问题之一是抵达成本(Arroval Cost)的近似估算,文中采用2种采样策略来实现抵达成本的自适应计算和更新。将提出的方法应用于氯乙烯聚合过程传热系数的在线估计,并与传统的滚动时域估计方法相比较,体现了该方法的有效性。     

基于Android平台的保健食品移动监管系统

针对保健食品企业监管效率低以及管理模式的不健全, 提出一种基于Android平台的移动监管系统模式. 智能终端设备通过连接3G、4G等无线网络, 使监管人员在执法现场将采集的信息数据直接上传至服务器, 同时增设数据同步代理机制, 实时监听用户的离线和在线状态, 防止数据丢失, 再利用蓝牙无线通信技术实现监管数据的后台打印功能, 进一步简化执法流程. 本系统的应用实现了移动监管和移动办公的模式, 具有实际应用价值.     

结合分块的改进三帧差和背景差的运动目标检测

针对运动目标检测易受背景影响及帧间差分易产生空洞的问题, 提出了一种基于分块的改进三帧差分和背景差分相结合的运动目标检测算法. 该算法利用边缘检测法和均值法建立初始背景模型, 将视频图像划分成多个子块, 对利用改进的三帧差分和背景差分获取的图像的各个子块进行自适应阈值检测, 获取图像中的运动前景目标, 背景图像采取自适应更新方法. 实验结果表明, 该算法能完整的提取运动目标, 背景适应性强, 具有较高的准确性和效率.     

一种新型的实效运动目标检测方法

提出一种新型的帧间差分光流的运动目标检测方法.该方法通过改进七帧差分和改进背景减除消除运动目标检测时出现的"空洞"和虚假目标;通过在光流计算方程加入权函数和引入通用动态图像模型建立新的光流约束条件,以解决常用光流场计算耗时长和亮度变化引起的约束方程不成立的问题,同时获取运动准确信息;最后通过阈值分割和形态学处理完成对目标的分割.实验对比分析表明,该方法能实现运动目标的准确快速检测与分割.     

基于环境激励的桥梁振动模态识别算法研究

在桥梁建造和维护过程中,需要对桥梁的振动模态进行在线、实时的分析,急需一种不需要人工激励进行快速模态分析的算法。通过研究自然激励技术NExT( Natural Excitation Technique)与自回归滑动平均模型ARMA( Auto￣Regressive and Moving Average Model),在常规的自然环境模态分析算法的基础上构造出一种快速求解NExT￣ARMA模型的算法进行桥梁模态识别。相比于传统的环境激励模态参数计算方法,该算法不但降低了传统算法的复杂度,而且采用了反馈的方式提高了计算精度。采用ANSYS建立有限元模型并搭建简易实验系统分别对该算法进行仿真验证和实验验证,验证结果表明,该算法能够有效地在自然激励下提取出桥梁结构的各阶模态,其中对前三阶固有频率的识别相对误差降到1％左右。     

徒步导航系统中的自适应步态优化检测方法研究

针对步态检测的可靠性和准确性成为制约个人徒步导航定位系统高精度定位的主要因素,提出一种基于K均值聚类参数调整的自适应步态检测算法。首先研究行走过程的足部运动规律,并分析惯性测量单元输出加速度和角速率的数据特征,提出采用比力幅值滑动方差作为检测依据的步伐检测方案;分析滑动方差窗口参数、初始检测阈值参数和误检修正时间参数对于检测结果的影响并指出三者的关系,确定窗口参数、初始阈值选择的一般准则以及利用K均值聚类自适应确定时间参数以纠正初始检测结果中误检步态的可行性。利用实验室现有MEMS传感器开展了5组不同状态下的徒步实验,实验结果验证了步态检测算法的可行性和有效性。     

改进的无单元Galerkin方法在机场复合道面中的应用

运用改进的无单元Galerkin（Improved Element Free Galerkin,IEFG）方法计算机场复合道面的位移和应力,分析不同的节点数量和影响域比例参数对计算结果的影响.结果表明：节点数在4 000以上、影响域比例参数取2.5~3.5时计算结果较好;IEFG方法比无单元Galerkin(Element Free Galerkin,EFG)方法的精度更高,计算速度更快.计算结果可为机场道面设计提供参考.