基于改进霍夫森林框架的多目标跟踪算法

针对单目视觉对多个相似的目标跟踪因遮挡等因素影响而失效的问题,提出一种基于改进霍夫森林框架的多目标跟踪算法。在将多目标跟踪问题归结为基于目标检测的轨迹关联过程基础上,通过引入在线学习霍夫森林框架将轨迹关联计算转化为最大后验概率（MAP）问题。通过在线采集多目标样本、提取目标外观和运动特征构建霍夫森林,进行森林训练得到轨迹关联概率,从而关联多目标轨迹;而引入低秩逼近Hankel矩阵进行轨迹校验,修复了误匹配的轨迹,改进了在线更新训练样本算法的效能。实验表明,轨迹误匹配率显著改善,能有效提高单目摄像机对多个相似目标有遮挡情况下跟踪的准确性和鲁棒性。     

基于颜色和形状特征的目标检测与识别

研究了一种基于颜色和形状特征的相似目标检测与识别方法。采用混合学习方式来获得目标颜色阈值解决环境光照变化,利用改进的Hough变换检测目标形状,解决目标部分遮挡和阴影的影响,基于模糊理论判定目标颜色和形状信度,该方法应用于移动机器人在复杂环境中对目标的检测与识别,实验结果证明了所提出方法的有效性。     

基于Petri网的自助行李托运传输控制策略

针对自助行李托运过程中伴随行李规格检测、行李身份验证、旅客交互操作而进行的行李传输控制中的多方面不确定性问题,提出了一种满足自助式操作基于Petri网和区域转换方法的传输控制策略。将托运过程中行李可达范围分为投放区、检测区、缓冲区以及分拣区四个区域,依据系统功能要求建立区域转换规则和区域Petri网模型,由系统关联矩阵和状态方程推算行李的到达区域,并根据区域转换规则实现行李传输控制。自助托运实验验证了所提出方法在不确定环境下的高效性和可靠性。     

一种自适应的运动目标实时跟踪算法

提出了一种基于均值平移（Mean Shift）和粒子滤波融合的自适应运动目标跟踪算法。该算法在处理来自PTZ (Pan/Tilt/Zoom）摄像机的视频图像时，自适应地更新直方图模板的特征信息，并结合Mean Shift算法来控制粒子滤波中粒子的产生，根据粒子的权值计算目标的位置。测试结果验证了该算法的实用性和有效性。     

一种基于视觉的足球机器人体系结构方案

以参加机器人足球世界杯赛(FIRA RWC2002)RoboSot项目的全自主型足球机器人系统为研究对象，详细介绍了全自主型足球机器人的体系结构，重点探讨了机器人的视觉感知系统，并且针对一组完整的射门动作对系统做出了分析和评价。     

基于蚁群算法的多层前馈神经网络

反向传播算法是神经网络中应用广泛的一种多层前馈神经网络模型．但算法有求解精度低、搜索速度慢、易于陷入极小的缺点．蚁群算法是一种新型的模拟进化算法，有正反馈、分布式计算、启发性收敛等特性．这些特性使得解题过程加快，易于实现分布式计算．将蚁群算法和神经网络相结合起来，实现了非线性模型的辨识问题及倒立摆的控制．仿真实验表明：用蚁群算法训练神经网络，可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能．     

HIT-Ⅱ型全自主足球机器人硬件系统的设计与实现

介绍了适用于全自主机器人足球比赛(RoboSot)的HIT—Ⅱ型足球机器人的总体思想和硬件结构实现方案．该机器人硬件结构由5部分组成：主控计算机；负责实时提供环境信息的视觉系统；运动系统；无线通信系统；电源系统．该机器人具有体积小、计算能力强、稳定性高等特点，能适应各种比赛情况．这种硬件结构设计同样适用于其他移动机器人系统．     

全自主足球机器人的超声波定位避障系统

为实现全自主足球机器人的定位和避障，介绍了超声波定位避障系统的体系结构，说明了超声波传感器的这种分布应用于足球机器人的必要性及这种结构的优点．针对超声波传感器测量数据变化较大和时常出现粗大误差的特点，引入了剔除不合理数据后再进行平均的思想，可以明显地提高测量数据的准确性和可靠性．实验数据证明了算法的可行性．