一种应用于智能视频监控钢管生产的 目标检测方法①

智能视频监控生产过程是工业自动化的一个发展方向。为了高效、可靠地监控钢管生产,根据钢管生产的特殊情况设计了一种使用静态背景库,并且根据运动相对性原理把生产线的运动也纳入静态背景,自适应更新背景库,使用背景差分来提取运动目标的检测方法。实验证明,该方法具有占用资源较少、具有较高的可靠性的特点。     

无线传感器网络中目标跟踪的马尔可夫模型与预测方法

针对目标运动是一个包含许多不确定因素的非线性非高斯随机过程,提出基于马尔可夫随机场模型与粒子滤波的WSN分布式目标跟踪方法(MRF-PF)。把目标跟踪过程看作是一个马尔可夫过程,基于贝叶斯规则,建立目标状态分布函数,用粒子滤波估计目标状态,实现目标跟踪。实验结果:对于泊松白噪声,MRF-PF方法的跟踪均方根误差RMSE相比卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)方法分别降低52.6%、49.2%;对于方差σ2由0.3→3的高斯噪声,GM-PF方法的RMSE相比KF、EKF分别降低54.5%～77.2%和23.5%～54.2%。这表明MRF-PF方法在非线性非高斯噪声或高斯噪声变化较大时具有较好的抗噪能力及跟踪性能。     

复杂背景条件下的红外快速运动小目标检测方法

针对复杂背景下红外快速运动小目标检测问题,提出一种将时域特性分析、小波包变换和管道滤波多帧检测相结合的方法。该方法首先对图像进行时域特性分析确定目标所在帧图像序列,再利用小波包变换对目标所在帧图像进行多尺度分解,提取候选目标,然后通过管道滤波从候选目标中确定小目标的位置,完成对小目标的检测。对实测数据进行仿真实验,结果表明该方法能有效检测红外快速运动小目标。     

烟草企业数据中心系统的设计与实现

近几年,中国烟草行业信息化飞速发展,各个企业目前己经基本完成了基础设施建设和业务系统建设,如营销系统、专卖系统、CRM系统、财务系统、0A系统等。这些信息系统之间相对独立,缺乏有机联系,形成了信息孤岛。同时各业务系统侧重于业务处理,不能进行充分的价值挖掘,缺乏为企业领导的综合分析、宏观决策提供有力支持。因此,在烟草企业数据中心系统的设计与完善就显得尤为重要。     

基于效能的时间敏感目标打击策略问题研究

针对时间敏感目标打击问题,分析了目标时间敏感特性与目标对抗策略,描述了精确制导武器打击时间敏感目标的过程,并以此为基础提出了基于效能的打击策略优化模型.将打击策略等效为复杂环境条件下的路径规划问题,设计了基于效能的时间敏感目标打击策略优化算法.算例检验了模型与算法的有效性,计算结果表明,目标的时效性是影响打击效果的重要因素,通过提高相对打击能力可提高精确制导武器对时间敏感目标的打击效果.     

基于光流场的动态目标分割

采用光流法结合基于小波变换的像素级图像融合算法,研究了一种动态目标分割方法。光流场可以看作是带有灰度的像素点在图像平面运动产生的瞬时速度场,算法先以光流法计算出的动态目标瞬时速度场的水平速度分量和垂直速度分量作为初始信息,再利用基于小波变换的融合算法获得动态目标的初始分割,最后对初始分割结果进行图像去噪和图像增强,并最终获得清楚的分割图。实验证明,该方法能够产生良好的目标分割效果。     

含随机穿越特征指标的离散系统满意估计问题

当待估量的期望值是一个有界区域时, 对待估量穿越目的域边界问题进行了讨论. 通过对离散估计系统的区域极点、随机穿越特征量等指标的相容性进行分析, 给出了一种满足多指标要求的满意待机估计策略, 并设计了基于双线性矩阵不等式组(BMIs)的求解算法. 所给出的待机估计策略可保证待估量在目的域内平均滞留度满足一定的指标, 同时相对目的域边沿的平均穿越周期尽可能小, 从而达到了待估量在目的域内、外的时间分布更加均匀 的目的. 数值算例说明了所设计的估计策略满足多指标要求.     

用于WSNs目标探测的传感模块设计

介绍了一种用于无线传感器网络（WSNs）中进行目标探测的传感器模块,描述了它的软硬件设计与数据处理的算法。该设计主要包括传感器单元、微处理器单元和射频通信单元。在传感器单元中对于外界目标的振动、声音和温度传感器信号进行了采集。在微处理器单元中使用数字信号处理对数据进行预处理并取得信号的特征值。在射频通信单元中将特征值通过WSNs传输到上位机。实验证明：该模块具有良好的稳定性和重复性,可以用于多种环境下的目标探测。     

激光扫描车身测量传感器靶标识别体系的研究

介绍了四光束激光扫描测量车身三维坐标的系统构成和基本原理,从系统PIN预处理输出的靶标回射信号的特点出发,为汽车车身测量传感器设计了基于条形码识别原理的合作靶标识别体系,最多可同时对27个测量点进行有效识别,确保传感器的精度要求和效率要求,达到了很好的实验效果。     

跟踪窗口尺度自动更新的Mean—Shift跟踪算法

Mean—Shift算法作为一种高效的模式匹配算法,已经广泛地应用在实时性要求较高的目标跟踪系统中,但标准的Mean—shift跟踪算法缺乏窗口尺度自动更新机制无法满足图像中运动目标尺寸变化的需要。在分析图像的轮廓检测的基础上提出了一种窗口自动更新方法,实验证明本算法能够有效地跟踪尺寸变化的目标并且提高了跟踪精度,增强了跟踪稳定性。