基于MHT的多物体跟踪算法

探讨了多假设跟踪算法(MHT)在多物体检测跟踪系统中的应用方式.该方法采用卡尔曼滤波算法实现跟踪轨迹假设,采用LAP算法实现数据关联,将预测和视频采集测量值结合得到最优跟踪轨迹.实验表明,该方法在实践中达到了较好的效果.     

基于多代理模仿学习的普适边缘计算资源分配

普适边缘计算允许对等设备之间建立独立通信连接,能帮助用户以较低的时延处理海量的计算任务.然而,分散的设备中不能实时获取到网络的全局系统状态,无法保证设备资源利用的公平性.针对该问题,提出了一种基于生成对抗网络(Generative Adversarial Network,GAN)的普适边缘计算资源分配方案.首先基于最小化时延与能耗建立多目标优化问题,然后根据随机博弈理论将优化问题转化为最大奖励问题,接着提出一种基于多代理模仿学习的计算卸载算法,该算法将多代理生成对抗模仿学习(GAIL)和马尔可夫策略(Markov Decision Process,MDP)相结合以逼近专家性能,实现了算法的在线执行,最后结合非支配排序遗传算法Ⅱ(Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)对时延和能耗进行了联合优化.仿真结果表明,所提出的解决方案与其他边缘计算资源分配方案相比,时延缩短了30.8%,能耗降低了34.3%.     

基于灰度共生的多线索目标联合优化跟踪

为了提高跟踪算法对多种目标表观变化场景的自适应能力与跟踪精度,提出一种基于灰度共生的多线索目标联合优化跟踪算法。该算法首先提取目标灰度信息,通过灰度共生的高区分度特征对目标进行二元超分描述,结合三阶张量理论融合目标区域的多视图信息,建立起目标的三维在线表观模型,然后利用线性空间理论对表观模型进行双线性展开,通过双线性空间的增量学习更新,降低模型更新时的运算量。通过二级联合跟踪机制对跟踪估计进行动态调整,以避免误差累积出现跟踪漂移。与典型算法进行多场景试验对比,表明该算法能有效地应对多种复杂场景下的运动目标跟踪。     

基于RTX的目标跟踪算法性能评估系统

针对目标跟踪算法性能的评价,设计一种基于RTX的目标跟踪算法性能评估系统。该系统采用基于Windows+RTX的实时架构,通过对仿真转台的控制,使图像传感器以预设的规律运动,得到测量值与对应的运动轨迹标准值,最终输出测量值与标准值间的误差均方根作为评价标准。实验结果表明,该系统实现了在现实环境下对目标跟踪算法进行性能评估并给出精确的跟踪误差。     

稀疏投影在目标跟踪中的应用

探讨了稀疏投影表示法在目标检测跟踪系统中的应用.通过一范数(L1)正则化最小二乘算法实现目标特征在模板矩阵的稀疏投影,并根据投影差值最小的目标特征找到最优跟踪状态估计,最后更新模板矩阵以适应目标变化.该方法将基于贝叶斯框架的状态预测和视频采集模板相结合得到最优跟踪轨迹.实验结果表明,该方法能够达到很好的跟踪效果.     

基于动态阈值背景差分算法的目标检测方法

提出了基于动态阈值的背景差分算法、滤波算法和目标区域中心求解算法,并且将这种目标检测方法应用在视觉系统中进行目标检测与跟踪实验,实验结果证明了该目标检测方法的有效性和可靠性．     

传感器网络中基于模糊决策的多目标路由优化算法

针对无线传感器网络的特点,选取能耗和时延作为优化目标,建立了基于模糊决策理论的多目标整数规划的网络模型．采用目标满意度隶属函数定义各目标的优化贴近程度,提出了一种多目标优化路由算法．通过调整压缩满意度空间,可适应不同业务对能耗和时延的不同要求．实例计算结果表明了算法的可行性．仿真分析表明,在基于能耗和时延的满意度隶属函数加权和的综合性能指标上,本算法优于最小能耗算法和最小时延算法．     

基于仿人智能控制的机器人动态目标跟踪

基于仿人智能控制理论,设计了轮式机器人动态目标跟踪控制方案.通过特征提取与识别对机器人感知状态空间进行划分,建立感知模态,结合多种控制方法,构成不同的控制模态,并利用产生式规则使不同的感知驱动相应运动控制.以中型机器人Frontier-I为例,进行了仿真与实物控制实验,并与传统PID进行对比.结果表明该算法具有较好的轨迹优化和快速响应能力.     

基于动态规划的TBD改进算法

针对在低信噪比条件下基于动态规划的检测前跟踪（TBD）算法在给定的有限帧数情况下可能无法检测到目标的问题,提出了一种基于动态规划的新算法,即在确定目标状态转移时,应用后续观测值对状态转移进行修正.在该算法中,为了减小搜索范围及减少伪航迹,又引入了方向加权的思想,即重点考虑目标存在的可能区域.理论分析和仿真结果表明,新算法的检测性能优于一般的基于动态规划的TBD算法,得到的目标航迹也更加精确.     

基于遗传算法的LTE下行系统资源分配算法

为改善多业务LTE下行系统的吞吐量和公平性并满足用户对多业务的需求,提出一种基于遗传算法的资源分配算法。该算法以遗传算法为基础,建立以适应度函数值之和最大化为目的的优化目标,根据用户业务的服务质量需求和信道状态信息设计适应度函数,经过选择、交叉、变异等操作,得到相对最优资源分配方案。仿真结果表明,与传统算法相比,该算法满足多种业务的服务质量需求,增加系统的公平性,对实时业务提供较小的时延,对尽力而为业务提供更大的吞吐量。