基于多注意力融合的抗遮挡目标跟踪

针对基于孪生网络的目标跟踪算法在相似目标干扰和发生遮挡时容易丢失目标的问题,提出一种基于多注意力融合的抗遮挡目标跟踪算法(anti-occlusion target tracking based on multi-attention fusion, AOTMAF)。为更好地模拟遮挡图片,引入渐进式随机遮挡模块,由易到难地随机生成遮挡块对图像进行多区域遮挡,通过人工模拟被遮挡图像的方式扩充负样本数据集,提升模型在遮挡情况下对判别性特征的提取能力。从深度、高度与宽度三个维度挖掘特征图通道信息,并通过融合空间注意力,聚合特征图上每个位置的空间依赖性,增强特征表达能力,进一步提高跟踪的鲁棒性。实验结果表明,在OTB100、VOT2018、GOT-10K公开数据集上,本研究方法在复杂场景下能有效提升跟踪精度和鲁棒性。     

基于信息增益和随机森林分类器的入侵检测系统研究

目前,许多误用检测系统无法检测未知攻击,而异常检测系统虽然能够精确检测未知攻击,但由于入侵检测固有的特性,入侵事件与正常事件类间存在极大的不平衡性,这导致很难利用机器学习的方法高效地进行入侵行为检测.为此,提出了一种基于信息增益和随机森林分类器的入侵检测系统.为了解决类之间的不平衡性,对训练数据集应用了合成少数过采样算法.提出了一种基于信息增益的特征选择方法,并用于构建一个数据集的特征约减子集.首先,利用随机森林算法从训练集中建立入侵模型,构建误用检测模型,通过网络连接的特征来匹配检测已知攻击.然后,利用信息增益的特征选择方法,根据特征约减获得的特征,将不确定性攻击的网络连接数据通过随机森林进行聚类,进而实现未知攻击的检测.实验采用的NSL-KDD入侵检测数据集是KDDCUP99数据集的增强版本.由于入侵检测固有的特性,NSL-KDD数据集设计时类间存在极大的不平衡性.实验结果表明,结合合成少数过采样算法以及基于特征选择的信息增益的随机森林分类器对少数类别异常检测率可达到0.962.     

基于双目图像物体边缘的半遮档检测方法

增强现实系统中虚实结合采用的虚实遮挡处理技术,目前难以处理该技术中真实物体之间存在半遮挡现象的真实场景,为了判断真实物体之间的半遮挡现象,提出了一种基于双目图像物体边缘的半遮挡现象检测方法,该方法通过检测双目图像获得真实物体的边缘信息,提取每一个边缘点对应的若干边缘像素,将两幅图像的边缘像素进行灰度匹配,通过不匹配的边缘像素来判断是否存在真实物体之间的半遮挡现象。实验结果验证了该方法的有效性,相对遮挡处理过程,该方法具有较小的时间开销,并且适用于规则场景和规则对象的半遮档检测。     

基于轨迹掩膜的在线多目标跟踪方法

针对现有多目标跟踪方法易受到遮挡、运动模糊等问题干扰的情况,提出基于轨迹掩膜的在线多目标跟踪方法(online multi-object tracking method based on trajectory mask, OMTMTM)。提出轨迹掩膜生成算法,利用前一帧跟踪轨迹结果生成轨迹掩膜,设计轨迹掩膜网络对轨迹掩膜提取多维度特征,包含目标可见区域的估计值、大致位置及形状等信息;将该特征与基础骨干网络提取的原始图像特征融合后进行多目标检测跟踪。OMTMTM的目标跟踪器具备先验判断能力,可实现遮挡情况下的准确跟踪;OMTMTM利用目标跟踪轨迹的时空信息,恢复出部分漏检或低置信待检目标,使轨迹掩膜更加合理,有利于后续跟踪。对OMTMTM的性能进行多维度评估,并结合基线模型进行对比分析。试验结果表明,OMTMTM具有先进的多目标跟踪性能。     

基于改进随机森林算法的电力系统短期负荷预测模型

为了提高电力系统短期负荷预测的准确性,本文提出了基于改进随机森林算法的电力系统短期负荷预测模型。改进随机森林算法是将随机森林算法中的决策树数量和分裂特征数等参数采用粒子群进行优化,通过比较每组参数对应的随机森林袋外数据误差,获取参数最优值,使随机森林算法的性能得到最优,并采用山东省某城市电网的历史负荷数据进行仿真分析。仿真结果表明,与基于传统随机森林算法的预测模型相比,本文所提出的预测模型的平均绝对误差降低0.81%,最大相对误差降低1.89%,说明本文所提出的基于改进随机森林算法的短期负荷预测模型具有更好的预测性能。该研究具有一定的工程实用性。     

基于粒子群优化随机森林的变压器故障诊断模型

变压器故障诊断正确率取决于诊断模型的构建、特征参量的选取以及故障类型数据的丰富,模型参数的调整也变得尤为重要.针对依据经验调整参数导致随机森林模型诊断变压器故障正确率不够高的问题,提出了基于粒子群优化随机森林(PSO-RF)的故障诊断方法.以油中溶解气体的无编码比值构成特征参量作为模型输入,通过PSO算法搜索RF模型的两个最优参数(子树棵数和分裂特征数),建立PSO-RF模型诊断故障类别,并与不同特征参量选择方法和不同模型进行对比分析.运用两个具体实例的诊断结果来验证所提诊断模型和特征选取的有效性.结果 表明:以无编码比值作为特征参量能挖掘更多的故障信息,并且PSO-RF模型故障诊断正确率优于SVM、BPNN与RF模型,随着样本空间的增大,故障诊断模型的效果越好.     

锥面共形阵列极化-DOA估计的降维MUSIC算法

针对传统MUSIC(multiple signal classification)算法在锥面共形阵列极化-DOA(direction of arrival)参数联合估计过程中计算复杂度较高的问题,利用单极化阵元构造极化敏感锥面共形阵列,并建立阵列接收信号模型.通过构造同极化接收子阵,将导向矢量中空域信息和极化域信息去"耦合",在考虑阵元遮挡效应的条件下,结合秩损原理实现了基于降维MUSIC算法的极化-DOA多参数估计,减小了极化-DOA参数估计的计算量.通过计算机仿真证明了方法的有效性.     

一种基于IFGT的运动人体交互跟踪

针对运动人体跟踪的部分遮挡问题，提出了一种基于IFGT的运动人体交互跟踪方法。该方法将运动人体初始化为头部、躯干和下肢等运动blob，并用其blob描述符表达。然后通过投影blob描述符，利用改进的快速高斯变换（IFGT）方法更新、验证运动人体，实现对运动人体的跟踪。算法通过对目标和源数据样本的选择，大大降低了核密度估计的计算代价。实验表明基于IFGT的运动人体交互跟踪方法处理简单，能够较好地处理部分遮挡问题，计算代价较小。     

基于运动估计的CamShift移动目标跟踪算法

在采用CamShift算法进行移动目标跟踪时,如果目标快速移动或者有遮挡物干扰时,仅利用移动的颜色信息对进行跟踪时容易导致跟踪失败。为了解决该问题,提出了移动目标运动估计和CamShift算法相结合的目标跟踪算法。通过结合削弱背景中含有的目标颜色直方图信息和进行移动目标的运动估计,从而在存在干扰目标或目标部分被遮挡的情况下,仍能实现有效跟踪。最后通过实验验证该算法的有效性。     

基于核相关滤波和卡尔曼滤波预测的混合跟踪方法

针对核相关滤波(KCF)跟踪算法在遮挡场景中出现跟踪性能降低甚至跟踪失败的问题,提出了一种核相关滤波和卡尔曼滤波(KF)预测相结合的模型自适应抗遮挡图像目标跟踪算法KCF-KF。首先,考虑到传统KCF目标跟踪算法中缺少遮挡评估的问题,通过引入响应图的峰值旁瓣比来对图像目标的遮挡情况进行判断,并将遮挡类型划分为部分遮挡和严重遮挡。其次,根据遮挡程度采取不同的模型更新策略,当目标无遮挡或者部分遮挡时,替代传统KCF跟踪算法中采用固定学习率更新模型的方法,通过自适应地调整模型学习率来更新目标外观模型,避免跟踪漂移;当目标被严重遮挡时,停止KCF模型更新。最后,应用严重遮挡之前的运动信息构建卡尔曼滤波器状态空间和位置输出模型,设计卡尔曼滤波算法预测运动目标轨迹来估计遮挡情景下的目标位置,从而解决在遮挡场景中目标跟踪失败的问题。采用OTB-2013标准数据集进行大量实验,结果表明：所提的混合跟踪算法KCF-KF的距离精度为0.796,重叠成功率为0.692。与其他传统跟踪算法相比,该混合算法的跟踪精度和跟踪成功率均优于其他算法,并且在遇到目标遮挡挑战时具有更好的跟踪性能,有效地解决了跟踪过程中的...     

基于多特征融合GMM的阴影检测策略研究

将运动目标从背景中准确分割出的过程中,阴影的检测和消除起着重要作用。传统的目标和阴影检测算法一般都是基于目标颜色等单特征信息,因此在很大程度上受到了场景光照条件变化的影响而导致算法的执行效果降低。提出一种基于颜色信息和纹理信息的多特征融合的混合高斯模型检测算法,可以降低由单特征检测所带来较高的误检率。其中采用了两重阴影判决方法以确定真实阴影,首先通过颜色夹角进行疑似阴影的判决,进而根据前景区域和背景区域的相似度和颜色分量差值再次判决阴影。最后通过实验对阴影检测算法进行比较,表明了本文提出算法能够对阴影进行准确消除。     

数字建筑模型生成大比例尺真正射影像方法

为解决城市大比例尺正射影像生成中出现的遮挡和阴影等问题,提出基于CSG数字建筑模型生成大比例尺真正射影像的方法,应用在美国丹佛城区的真正射影像生成的项目中,取得了令人满意的效果.     

基于CUDA的细分曲面阴影体算法

为了在虚拟现实、电脑游戏等图形应用中更快速生成和实时绘制细分曲面的阴影,提出采用CUDA架构的GPU阴影体生成算法.该算法采用基于CUDA的曲面细分算法,通过CUDA共享内存结构使表面细分过程更加高效.采用基于CUDA的阴影体算法产生阴影轮廓线以及拉伸出阴影体.通过基于CUDA的流式缩减算法对阴影体数组进行压缩.通过优化CUDA和OpenGL的互操作,将绘制过程从以往算法的3步减少为2步.该算法在具有CUDA硬件的标准PC上进行测试.实验结果表明,与之前的GPU的算法相比,该算法可以生成更复杂细分曲面的阴影体,阴影体数组占用显存空间降低到2％以下,并可获得高达4倍的绘制速度提升.     

基于多源信息的阴影检测

阴影检测在车辆检测中具有关键作用。针对目前车辆检测算法中阴影常被误检为前景目标的问题,提出了一种基于多源信息的阴影检测算法。首先进行前景目标的提取;然后分别进行基于边缘、HSV颜色空间和光学不变性信息的阴影检测;最后根据三种信息检测结果的综合分析确定阴影点。实验结果表明,该算法具有很好的阴影检测效果。     

基于彩色空间多特征的高空间分辨率遥感影像阴影检测

高空间分辨率遥感影像中的阴影检测对于影像的目标识别和信息恢复十分关键。针对单一特征阴影检测中普遍存在的强反射性地形、地物漏检和水体错检的情况，提出了一种基于彩色空间多特征的阴影检测方法：首先，利用改进的阈值法进行一般阴影的检测；然后利用色调值较高的特征检测包含强反射性地形地物的阴影区域；再利用水体在RGB不同波段的反射亮度差值来进行水体与阴影的区分。实验结果表明：该方法较好地克服了阈值反复试算、包含强反射性地形、地物阴影区域漏检和水体错检的问题，提高了阴影的检测精度。     

基于快速的混合高斯模型的运动目标检测算法

针对传统高斯模型实时性差的问题,该文提出了一种快速的背景更新策略.首先对彩色图像建立混合高斯模型,根据场景中象素点的稳定性来调整模型参数的更新速度;其次利用混合颜色空间的阴影检测算法消除前景图像的运动阴影;最后对该文方法进行了验证性实验,结果表明提出的运动目标检测方法有效、实时性好、对光照有较强鲁棒性.     

融合区域纹理梯度的船舶阴影视频去除算法

借助于监控视频实时提取内河船舶运行流量等参数的船舶检测系统得以广泛应用,而传统的视频检测方法往往难以有效区分船体边界,造成颜色、纹理相似的前景和阴影区域检测相混淆.为此,解析了HSV颜色特征和LBP纹理不变性检测阴影原理,改进SE-CT阴影去除算法,提出基于颜色和纹理梯度特征GA-HT梯度填充的船舶阴影去除算法.测试表明,GA-HT算法能很好地去除船舶阴影,提高船舶的目标识别的精度和实时性,阴影检测综合指标F达到92％.     

太阳电池工程简化模型参数确定及模型应用

针对现有文献中太阳电池工程简化模型的模型系数值不适用于当今光伏组件的问题,提出简单的仅需利用光伏组件出厂数据的模型系数确定方法.系数b通过拟合25℃下不同辐照度对应的开路电压数据得到,系数a和c分别取短路电流和开路电压的温度系数.不同厂家生产的光伏组件系数b不同,同一厂家生产的不同型号的光伏组件系数b可以取相同值.综合改进后的太阳电池工程简化模型、分段函数形式的太阳电池温度模型和考虑安装条件的入射光强度模型,开展光伏组件电气输出特性的动态仿真.当组件倾角小于最佳倾角时,角度变化对最大输出功率的影响很小;当倾角大于最佳倾角时,角度变化对最大输出功率的影响较大,影响程度随着角度的增大而增大.     

智能跟踪系统中目标阴影消除算法的研究与应用

研究了阴影消除算法在基于DSP处理器的智能跟踪系统中的应用。在应用中加入了快速填充与噪声消除算法以提高阴影消除的准确性。为了提高系统的实时性,对于阴影消除又采取了一定的优化措施。这些方法适用于有流水线处理特征的微控制器和微处理器。实验表明,这种方法能够实现高速运转且可以有效地减少CPU占用率。     

基于机器学习的用户窃电行为预测

新型智能电表普及后,为了准确检测出电网中的窃电用户,可以结合机器学习的方法.为此,选择了支持向量机、随机森林和迭代决策树3种机器学习中较常用的大数据算法进行分析,通过不断调整试验数据集的大小,对3种算法的效率和准确率进行测试.对比分析结果发现,随机森林算法运行的时间和数据量的大小基本呈线性关系,效率较高,且准确率稳定在86%以上,表现较好.