基于无味粒子滤波的动态场景下高机动目标跟踪

针对传统粒子滤波的目标跟踪算法存在粒子退化问题,提出了基于无味粒子滤波(UPF)的目标跟踪算法。为了将当前观测信息融入,采用无味卡尔曼滤波(UKF)生成粒子滤波的提议分布,以改善滤波效果。针对目标在机动过程中引起的视觉形变以及背景的变化,又采用了颜色直方图作为目标的颜色分布模型,并与UPF相融合。仿真结果表明,该算法对动态场景下的高机动目标有较好的跟踪效果。     

基于混合模型的SAR影像海陆分割算法

合成孔径雷达(SAR)影像的海陆分割是诸如海洋目 标检测和识别等基于海洋区域SAR影像解译的基础和关键环节之一。为解决复杂背景下遥感 影像海陆分割问题,提出一种基于混合概率模型的海陆分割算 法。首先利用Harris角点检测算法检测出影像中包含角点 的图像子块,进而通过均值漂移(MS,mean-shift)算法对图像子块进行聚类分析得到陆地 区域的 像素样本;然后利用陆地的像素样本,通过最大期望(EM,expectation maximization)迭代 算法拟合出混合模型概率 密度分布的相关参数;最后通过混合概率模型检测出陆地前景区域,得到 海陆分割结果。实验证明,本文方法能够对包含海陆的异质遥感影像实现有效的海陆分割。     

基于无味粒子滤波的动态场景下高机动目标跟踪

针对传统粒子滤波的目标跟踪算法存在粒子退化问题,提出了基于无味粒子滤波(UPF)的目标跟踪算法。为了将当前观测信息融入,采用无味卡尔曼滤波(UKF)生成粒子滤波的提议分布,以改善滤波效果。针对目标在机动过程中引起的视觉形变以及背景的变化,又采用了颜色直方图作为目标的颜色分布模型,并与UPF相融合。仿真结果表明,该算法对动态场景下的高机动目标有较好的跟踪效果。     

基于交互式多模型的机动目标跟踪算法

在军事和民用航空领域，可靠而精确地跟踪目标始终是目标跟踪系统设计的关键。但当目标处于强机动多模型的运动情况下时，在对目标进行状态估计时，单独采用一个模型会受到模型自身局限性的影响使得滤波精度不高，于是有必要采用多个模型描述机动目标的运动状态。基于此，采用交互式多模型滤波算法对目标进行跟踪。仿真结果表明，该算法对机动目标有很好的跟踪效果和较高的跟踪精度。     

陶瓷增强铝合金互渗相复合材料的半固态设计和成形

目的 开发一种针对金属-陶瓷互渗相复合材料生产的高效方法,以提升该类材料在高温高负荷环境中的使用寿命和工作可靠性。方法 采用数值扫描技术研究了半固态成形过程,以铝合金为金属成分、氧化铝开孔体为陶瓷成分,制备了复合材料。通过模拟2种腔体（开放式和封闭式）的金属陶瓷压铸成形过程模拟不同的模腔设计,详细分析了腔体内的压力水平及其分布情况,探讨了压铸温度、金属液相体积分数等参数对材料成形质量的影响。结果 封闭模腔能够在成形过程中产生更加均匀的压力分布,有助于减少如气孔、未渗透区域等材料缺陷,并提高金属与陶瓷之间的互渗质量。与封闭模腔相比,开放模腔在控制材料均匀流动和确保渗透效果方面效果较差。结论 采用封闭模腔的半固态成形工艺能显著提升金属-陶瓷互渗相复合材料的整体质量和性能,有效减少成形缺陷,为高性能金属-陶瓷复合材料的制备提供了一种有效路径。     

基于SURF的红外成像末制导目标跟踪算法

针对红外成像末导引阶段飞行器姿态调整及高速运动导致的目标尺度和姿态迅速变化的问题,提出了一种基于加速鲁棒特征(SURF)的红外成像目标跟踪算法。为了实现在末导引阶段对目标进行精确跟踪,采取了点跟踪的策略。首先根据跟踪点在上一帧的位置,在当前帧选取以相同位置为中心的图像子块并求其SURF特征,通过SURF特征匹配得到当前帧图像子块和模板的匹配点集,采用随机抽样一致性(RANSAC)算法剔除误匹配点对,进一步用最小二乘算法(LSA)精确地估计出对应的单应性矩阵;然后通过单应性矩阵把跟踪点映射到当前帧获取跟踪点在当前帧的位置,从而实现精确跟踪。试验结果表明,本文算法有较高的跟踪精度和较好的实时性。     

基于网络技术的电力载波抄表系统

把网络技术应用于电力载波抄表中，利用通信网络管理、令牌总线型网络结构、“中继”和微处理器建立动态路由表，实现最佳路由选择。在不增加原系统硬件投资的前提下，有效提高了载波抄表系统的可靠性和实时性。     

基于选择性集成旋转森林的人体行为识别算法*

人体行为识别中的一个关键问题是如何表示高维的人体动作和构建精确稳定的人体分类模型.文中提出有效的基于混合特征的人体行为识别算法.该算法融合基于外观结构的人体重要关节点极坐标特征和基于光流的运动特征,可更有效获取视频序列中的运动信息,提高识别即时性.同时提出基于帧的选择性集成旋转森林分类模型(SERF),有效地将选择性集成策略融入到旋转森林基分类器的选择中,从而增加基分类器之间的差异性.实验表明SERF模型具有较高的分类精度和较强的鲁棒性.     

基于视频行人重识别和时空特征融合的跟踪算法

针对多目标跟踪算法在现实拥堵场景容易引发行人身份交换频繁的问题,提出了一种融合目标检测与行人重识别两个任务的联合网络。同时引入一种用于融合重识别特征和时间信息的轨迹评分机制,该机制通过从检测结果和跟踪预测结果中收集候选目标,互相补充行人目标跟踪预测信息与重识别特征信息。针对视频画面中小目标难以被检测到的问题,对ResNet-34网络进行改进,在主干网络上通过结合深层聚合网络,同时将传统的残差块替换为多级特征卷积网络,实现了对小目标的着重关注,提高了检测准确率。在多目标跟踪数据集MOT16、MOT17、MOT20上进行实验,所提网络的多目标跟踪准确度（MOTA）分别达74.7、73.7、66.4,行人身份转换次数分别为210、209、1403。实验结果表明,所提网络取得了良好的检测跟踪效果。