集成多特征信息的运动阴影检测

为实现监控场景中运动目标和阴影的准确分割,提出了一种基于GMM和MRF的运动阴影检测与消除算法.首先,利用GMM的学习能力建立背景统计模型并得到前景区域像素集合.其次,将前景区域与对应背景区域间的颜色、边界、纹理和时空一致性等特征信息集成到马尔可夫随机场能量函数中,并利用图割算法实现马尔科夫随机场能量函数的最小化,得到...     

基于改进运动历史图像的多运动目标实时跟踪

提出了一种利用视频图像对运动目标进行实时检测与跟踪的新方法.该方法利用基于改进的时间片的运动历史图像(tMHI)的灰度阶梯轮廓方法对多个运动目标进行检测,通过卡尔曼滤波器对多目标进行跟踪,并得到了各个运动目标的轨迹曲线,进而实现了对视频图像中多目标的跟踪.同时,该方法对多个目标的遮挡问题获得了明显的改善效果.实验结果表明,该方法能够对复杂场景下的多个目标进行有效的识别和准确的跟踪,系统的实时性强,识别率高,而且该方法对于复杂视频监视系统场景中的光照变化、雨雾等干扰具有较强的稳健性.     

基于轨迹词包模型的老人跌倒检测

针对异常行为检测受到光照变化、目标遮挡和计算复杂度高等因素的影响而导致检测效果不理想的问题,本文提出一种基于时空兴趣点和轨迹词包模型的异常行为检测算法。首先,利用时空兴趣提取目标的特征点信息;其次,利用稀疏光流法对特征点进行跟踪,获取目标的运动轨迹。然后,利用Meanshift聚类算法对轨迹进行聚类并构建轨迹词包模型。最后,利用SVM完成异常行为的判别。算法在不同视频数据库上进行了验证,并取得了93.3%的准确率。通过与以往的实验结果的比较,算法在异常行为检测方面具有较好的实时性、准确性和可靠性。     

未知环境下的移动机器人实时避障研究

针对未知环境下的移动机器人实时避障问题,设计了一种基于模板更新和模板匹配的避障算法.利用视觉传感器获取的场景信息与存储于机器人内部的模板图像进行匹配,确定机器人的可行区域和障碍区域.根据虚拟引力方法计算出机器人下一时刻的行进方向和行驶速度.鉴于场景光照变化情况,采用了一种基于粒子滤波的模板更新方法.为了验证算法的正确性和有效性,在室内不同的场景下做了大量的实验.实验结果表明:该方法能够实现可靠的障碍物检测,并引导机器人有效地躲避各种静态和动态障碍物,而且算法具有很好的实时性和鲁棒性.     

面向节能的柔性制造系统仿真及优化

本文立足于仿真和优化面向节能的柔性制造系统,通过深入研究柔性制造系统生产过程,对柔性制造系统中的设备能耗进行建模,完成了基于Lab VIEW的考虑设备能耗的柔性制造系统的仿真开发。并通过平衡生产线的节拍以及运用遗传算法优化生产调度等两个途径实现了对柔性制造系统的节能优化,这对指导实际生产系统降低能源消耗,提高能源利用率具有重要意义。     

网络化控制系统的建模与控制

针对具有不确定时变延时以及数据包丢失的网络化控制系统,提出了一种建模方式来研究该系统的稳定性以及镇定控制器设计的问题.用自由权矩阵结合Lyapunov-Krasovskii方法给出了使得网络化控制系统渐进稳定的充分条件,自由权矩阵的引入降低了采用固定权矩阵方法所得结果的保守性.给出了镇定控制器以及保证系统渐进稳定的最大延时的求解算法,数值算例验证了所提方法的可行性.     

离散网络化控制系统的鲁棒H∞控制

提出了一种新的建模方式研究同时含有时变延时以及数据包丢失的离散网络化控制系统的鲁棒H∞控制问题。引入自由权矩阵并结合Lyapunov-Krasovskii方法推导出使得网络化控制系统鲁棒渐近稳定并满足具有H∞扰动衰减度γ的充分条件,自由权矩阵的引入可以很大程度上降低用传统固定权矩阵来分析网络化控制系统所带来的保守性。由于条件中非线性项的存在,利用锥补线性化的方法将其转化为基于线性矩阵不等式的非线性最小化的问题,并分别给出了求解最大延时以及次优γ的算法。仿真算例说明了本文建模方式的有效性和优越性。     

基于CKPCA-HOG和支持向量机的运动目标分类算法

为了准确地对监控场景中的运动目标进行语义上的分类,提出了一种基于聚类的核主成分分析梯度方向直方图和二叉决策树支持向量机的运动目标分类算法.利用背景减法提取运动目标前景区域,并识别出潜在候选运动目标.利用提出的基于聚类的核主成分分析的梯度直方图描述子提取候选运动目标的特征,以较低维数的数据有效地描述运动目标的有效特征.将...     

热膜风速计温度校正研究

为提高热膜风速计在非恒温流场状况下的测量精度,提出了一种温度自动校正方案。通过对热膜探头的温度特性分析,提出采用铂电阻作为热膜风速计的温度补偿元件。经温度校正后,热膜风速计零点温度漂移可以达到4.8×10-2%FS/℃,灵敏度温度漂移可以达到-1.0×10-2%FS/℃。试验结果表明:利用铂电阻对热膜风速计进行温度自动校正取得了较为理想的效果。