融合语义特征网络的孪生网络目标跟踪算法

针对基于孪生网络的反向传播滤波器跟踪算法CFNet在遭遇相似物干扰或背景信息与前景目标相似的情况下容易导致模型漂移跟踪效果下降的情况,提出一种融合语义特征网络的孪生网络目标跟踪算法。在图像处理中,通过深度卷积神经网络的深层网络可以提取到丰富的语义信息,这些语义信息在目标发生相似物干扰、运动模糊、目标严重变形等情景时,对目标进行辨识是非常有用的。提出的算法在CFNet的原有网络结构上,增加一个语义特征网络,与CFNet的外观特征网络形成互补,两个特征网络的训练是独立的以保持两种特征的异质性,在得到各自的响应图后,通过计算这两个响应图的置信度来进行融合,提高了算法的判别能力。实验表明,与其它常用的5个算法相比,本文算法达到了最优,能够有效的跟踪目标。     

基于虚拟力移动锚节点的3D-DVHop-ACR定位算法

针对传统以及各种经改进的3D-DVHop算法对未知节点定位误差较大,且未对定位成本进行实质性降低的问题,提出一种基于虚拟力移动锚节点的3D-DVHop-ACR定位算法.该算法引入虚拟力移动锚节点,在降低定位成本的同时可使锚节点移动路径遍历整个网络空间且不会进入网络空洞区域;通过RSSI值辅助测距与三维跳距加权修正节点间跳数和跳距,利用所有锚节点定位误差修正各未知节点估计坐标;同时,结合最大似然估计法对邻居节点数不小于3的节点继续精化,以进一步降低定位误差.