基于参数自适应与模板更新的孪生网络跟踪算法

孪生网络跟踪算法在跟踪过程中网络参数固定,跟踪模板仅仅使用第1帧给定的目标,这导致算法的鲁棒性较差。为此,提出基于参数自适应(PA)与模板更新的孪生网络跟踪算法。首先,利用通道注意力和空间注意力对目标特征进行调整,提高网络对跟踪目标的关注度;其次,利用滤波器参数更新策略滤除背景的干扰,提高网络对当前目标的辨识能力;最后,增加与主网络平行的子网络,通过更新子网络的跟踪模板,使网络能适应目标的变化。在VOT 2018、VOT 2019 2个标准数据集上进行测试,期望重叠率(EAO)分别达到0.455和0.331,验证了本算法的有效性。     

基于稀疏子空间的卷积神经网络目标跟踪

针对粒子滤波目标跟踪过程中初始化和权值退化的数据处理情况,在粒子滤波框架下提出一种基于稀疏子空间的卷积神经网络目标跟踪算法。以仿生学为基础,在目标跟踪过程中引入稀疏子空间和卷积神经网络。首先,利用稀疏子空间模型筛选出与目标状态相似度较高的候选区域进行后续跟踪处理,减少冗余计算并降低跟踪的复杂性;然后,将稀疏子空间输出用作卷积神经网络的输入,并利用卷积神经网络模型对图像数据处理的优点进行目标跟踪的数据处理;最后,通过对目标数据的不断更新来减少目标表观变化的影响。实验表明,该算法能够更好地处理目标跟踪中的目标遮挡、运动模糊、光流与尺度变化,提高算法的准确性和数据处理能力。     

基于混合相关滤波信息融合再检测的目标跟踪算法

为了减小在目标跟踪过程中目标形变和复杂背景变化对跟踪效果的影响,提出一种基于混合相关滤波信息融合再检测的目标跟踪算法。首先,利用相关滤波算法提取到目标的方向梯度直方图HoG特征,利用颜色模板得到目标的颜色特征,计算两个模板的采样得分;其次,再将两者的特征信息用线性组合的形式进行特征信息融合确定目标位置,跟踪过程中,根据设定的阈值条件选择两个模板采样较大的得分再检测目标的位置;最后,输出所有帧目标位置的结果。与其他的算法进行比较,该算法在应对目标形变和背景杂波方面有较好的跟踪效果。     

基于干扰方位跟踪的自适应干扰抑制方法

针对复杂海洋环境中声呐探测弱目标易被强干扰淹没的问题,提出一种对被动声呐探测到的强干扰源进行跟踪抑制的方法,通过对观测数据的互谱密度矩阵(Cross Spectral Density Matrix,CSDM)进行特征分解,根据干扰方位范围的先验知识,对干扰源的方位进行跟踪,依据方位信息选择代表强干扰的特征向量,依此根据不同的算法重构剔除了干扰信息的CSDM。数值仿真和海试数据验证结果表明,该方法能够在已知干扰初始方位区域的情况下自适应地抑制强干扰,较好地保留并提取目标信息,检测出感兴趣的目标。该方法为后续的目标识别与跟踪提供了有利条件。     

改进特征和时间融合框架的区分式跟踪算法

文章基于多示例学习的跟踪框架,引入改进型的分布场特征并融合目标时间维度信息,提出了一种新的跟踪算法。新的特征能够更为有效地描述目标的空间结构信息,对于目标模糊、局部遮挡以及细微形变有良好的鲁棒性。加入的目标时间维度信息融合方法,包含了目标的历史信息,同时也能响应目标的外观变化,提高了跟踪器从跟踪异常中恢复的能力。通过对比新算法与其他先进算法在多组测试视频上的跟踪结果,可以发现本文提出的算法具有更为优异的性能,能够在各种复杂情况下对目标进行稳定的跟踪。     

基于企业间质量跟踪控制模型的质量信息跟踪研究

为了能够更好地处理动态企业环境下的复杂质量跟踪控制问题,确保企业间的质量信息能够具有完整性以及全程可追溯性,本文重点针对基于企业间质量跟踪控制模型的质量信息跟踪展开研究,并结合扩展企业的分层分级组织结构,构建了一个具有分形网络特征的企业间质量跟踪控制模型以及对应产品的分形网络结构。通过质量信息节点的模板封装,建立了基于企业间质量跟踪控制模型的质量信息表达过程,并运用语义函数对其质量信息进一步进行阐述。以此为依据,构建了一个能够满足企业间动态质量信息交换和共享要求的体系框架。由于企业间质量跟踪控制模型具有自相似性,我们可以把企业间质量跟踪控制划分为多层多个相似的分节过程,并在不同的过程节点中封装不同的质量信息及跟踪控制方法等,并通过对过程节点的管理和控制,实现对企业间质量信息的有效跟踪控制。     

一种基于区域联盟的传感器网络协同目标跟踪研究

针对传感器网络中的协同目标跟踪问题,提出一种基于区域联盟的传感器网络协同目标跟踪框架,给出一个简单的、节能的面向目标跟踪的无线传感器网络体系结构。并在YangH.和SikdarB提出的事件驱动的分布式预测算法的基础上进行改进提出适合于区域联盟的传感器网络协同目标跟踪的算法,使其既能满足目标跟踪,又能更好地节约能量。     

基于鲁棒H~∞滤波的光电跟踪机动目标状态预测估计

针对光电跟踪系统中目标机动的特点和电视图像跟踪器信号处理、传输造成的测量时滞以及目标信号测量中存在的不确定干扰和噪声,选取机动目标"当前"统计模型对加速度进行建模,在所建立的光电跟踪目标加速度非零均值相关模型的基础上,采用鲁棒H∞滤波算法对光电成像识别目标运动状态进行预测估计.其预测精度比Kalman滤波提高近1倍.实验结果表明,该方法能有效地克服目标模型变化及随机噪声和干扰不确定性的影响,具有较高的预测精度和良好的鲁棒性.     

融合颜色和轮廓的粒子滤波人脸跟踪

实际人脸跟踪过程中,光照和姿态的变化、背景颜色干扰等因素都会极大地削弱颜色特征的有效性,从而造成跟踪的不稳定.针对该问题,本文提出了一种以颜色和轮廓分布为线索的粒子滤波人脸跟踪算法.该算法主要有三个方面的特点:第一,在粒子滤波基本框架下,引入新的用直方图描述人脸轮廓的方法,有效解决了光照、人脸旋转、部分遮挡问题对跟踪的影响,并且能及时有效地重新捕获由于大面积遮挡等原因而丢失的目标.同时采用实时调整每帧图像特征点个数,有效提高了跟踪效率.第二,针对背景干扰问题,提出了一种抑制相似背景颜色干扰的方法.第三,本文还提出实时更新模板的方法来提高跟踪的准确性.实验证明本文算法对人脸跟踪具有很好的效果.     

基于在线特征选择的粒子滤波跟踪算法

在复杂场景下,传统的粒子滤波跟踪算法较难定位目标.针对此问题,提出了一种基于在线特征选择的粒子滤波跟踪算法.该算法首先在线、自适应地通过Fisher判别准则,从16个不同的颜色特征空间中选择最能区分目标及其邻近背景的1个最佳特征空间,然后在这个最佳特征空间中用基于统计直方图的粒子滤波算法跟踪目标.试验结果表明,该算法鲁棒性和准确性较好,在光照变化.目标自身发生形变和遮挡情况下能够准确地对目标进行跟踪.     

一种基于改进卡尔曼滤波的camshift目标跟踪算法

针对目标跟踪中的突变问题,本文提出一种基于改进卡尔曼预测的camshift(continuously adaptivemean shift)跟踪算法.本算法首先使用一种新的目标颜色模型,对传统目标模型进行改进,提高了目标跟踪的准确性和稳定性;同时为了更有效的预测目标位置,对卡尔曼滤波的一步预测值进行改进,并将修改后的卡尔曼预测算法融入camshift算法中,跟踪中增加采样率.实验表明,与传统camshift算法相比,该算法能够处理目标运动中发生突变的情况,实现对运动目标高精度的跟踪.     

基于数字锁相环的科氏质量流量计信号处理方法

针对科里奥利质量流量计信号处理中存在的问题 ,即信号频率在小范围内变化和信号易受谐波干扰 ,采用基于数字锁相环的方法处理科氏质量流量计的信息 ,跟踪信号频率的变化 ,计算相位差。对美国专利提出的方法进行了改进 ,做了仿真。仿真结果表明 ,在有谐波干扰的情况下 ,数字锁相环方法可以准确地跟踪信号频率的变化和计算相位差。本文还对计算误差进行了分析     

结合颜色和结构信息的粒子滤波跟踪算法

单纯依靠颜色信息往往使得目标跟踪不稳定.为了在复杂背景和光照变化等干扰情况下,能够准确地跟踪到感兴趣的目标,本文提出了将颜色和结构信息相结合的方法.该方法在基于颜色直方图的粒子滤波跟踪框架中,利用目标的灰度图像建立结构模型,通过结构相似性质量因子衡量目标在两帧图像之间的相似性.实验表明,该算法在使用相同粒子数目的情况下较传统的基于颜色直方图的粒子滤波跟踪算法鲁棒性更高,可以用于特定场合可疑目标的跟踪.     

基于改进梯度向量流形变模型的动目标检测方法

针对现有图像序列动目标检测技术抗噪声能力较差、跟踪性能鲁棒性不强的不足,提出了一种改进的梯度向量流形变模型算法,该算法构造了新的梯度向量场,利用图像灰度梯度信息、帧间运动信息以及邻域灰度信息相结合进行梯度向量场计算.仿真试验结果表明,该方法较好地克服了图像序列中随机噪声的影响,计算出的梯度向量场基本没有干扰区域,同传统向量场相比较,有效地提高了算法的抗噪能力和跟踪结果的准确性,可更好地实现图像序列的动目标检测.     

湿法纺各阶段聚丙烯腈基原丝微结构的X射线衍射分析

使用X射线衍射技术跟踪测试了生产工艺各关键节点处的聚丙烯腈原丝,并将最终制得的成品原丝与日本T700原丝进行了比较研究。目的是掌握生产过程中原丝微观结构的变化规律,了解自制原丝存在的不足之处,从而改进工艺、提高自制原丝质量。分析测试证实,随着纺丝工艺的进行,纤维不断细旦化、致密化,结晶度逐步增高;自制原丝采用较大的初始牵伸力能够促使高分子链更好的伸直取向,但过大会拉伤凝胶网络中的骨架而影响结晶度;在凝固-拉伸阶段、凝聚态变化形成超分子结构的过程中,日本T700原丝中各分子的变化更趋于一致,而自制原丝采用的湿纺工艺在此阶段仍存在问题。     

一种新的Mean-Shift对象跟踪方法

由于存在外点干扰,传统的Mean-Shift对象跟踪方法不能有效的跟踪尺寸逐步变大的目标。猜想利用对象初始模型能有效排除外点对跟踪结果的干扰,在此基础上本文提出了一种利用对象初始模型的候选目标模型和相似度测量方法;为了使内核窗口中心及大小与对象形心及大小一致,根据内核窗口外一定宽度子带内像素分布情况,动态调整内核窗口大小和位置。通过对尺寸逐渐变大的汽车进行跟踪,验证了算法的有效性,同时试验结果也证明新算法具有更低的计算复杂度。     

一种基于自适应特征选择的目标实时跟踪算法

针对传统的均值漂移算法,加入了自适应特征选择,提高了均值漂移算法在复杂场景中目标跟踪的鲁棒性.传统的均值漂移算法往往选择固定的一个或两个特征(比如颜色)对目标进行跟踪,当跟踪场景发生变化,容易跟踪失败.本文通过分析被跟踪目标特征与变化背景的区分度来确定最显著特征与次显著特征,从而选择出最有效的目标特征,实现复杂变化场景下的目标跟踪.一系列不同场景下的运动目标跟踪实验,证实了该算法的可靠性.     

对工程造价全过程跟踪审计问题的思考

在工程造价的跟踪审计过程中,审核工作是一项具有政策性、专业性以及对知识要求很强的工作。所以,审计人员要进行系统的学习,并且从实践经历中,进行经验积累,只有这样,才能更好的进行管理以及控制造价,确保造价的准确性以及合理性,保证工程的质量,从而对企业能够更好地增强投资收益。在建设管理中,工程造价的跟踪审计是重要的核心成分,能够贯穿整个工程的全过程。     

核函数带宽自适应的Mean shift目标跟踪算法

针对Mean shift核函数带宽不能实时改变的缺陷，提出一种仿射变换下的核函数带宽可变的Mean shift跟踪算法。以仿射变换来描述目标尺寸随时间的变化，分别利用Mean shift和连续两帧中匹配窗口的最大相关系数来得到仿射变换的参数。以比例参数计算出带宽的实时变化，其它参数可提供Mean shift更好的起始位置。这些工作改善了Mean shift算法在目标尺寸变化时的跟踪效果。实验证明，本算法能够有效地跟踪尺寸变化的目标，并且具有更好的实时性。     

试论煤矿智能视频监控系统关键技术

当前视频监控系统正在朝着数字化以及智能化的方向发展,并且在许多领域之中,视频监控系统都已经得到了非常广泛的应用。对于煤矿企业而言,在进行煤矿开采的过程中,对于智能视频监控系统加以引进,往往能够更好地保证煤矿开采活动的进行。而在将智能视频监控系统应用于煤矿之中的时候,必须要掌握其关键技术,煤矿智能视频监控系统的关键技术主要包括尘雾图像清晰化技术、运动目标检测技术以及单目标跟踪技术等,因此在本文的研究中,主要就煤矿智能视频监控系统的关键技术进行了相应的说明,以期智能视频监控系统能够在煤矿开采的过程中得到更好地应用。