基于2DPCA与稀疏表示的目标跟踪

为了提高目标跟踪的准确性,针对目标跟踪过程中光照变化、遮挡、姿势变化等问题,提出了基于二维主成分分析(2DPCA)与稀疏表示的目标跟踪算法.在贝叶斯框架中使用了2DPCA与L2规范化呈现快速与鲁棒的目标跟踪算法.提出了新的似然函数表示方法,同时采用增量子空间学习的方法对冗余字典进行更新,有效抑制了跟踪漂移并能处理目标遮挡问题.通过对具有挑战性的跟踪视频进行定性和定量分析,实验结果证明:跟踪方法在跟踪精度上优于传统方法.     

无线传感器网络中移动目标探测跟踪研究进展

传统的固定无线传感器网络在进行目标跟踪过程中面临着跟踪质量较低、网络能耗较高等问题.移动传感器网络提供了新的解决方法,即移动式目标跟踪.目前的研究大多将被跟踪目标的探测和定位混为一谈.故此,区分了以探测为主和以定位为主的两类方法,着重介绍以探测为主的移动式目标跟踪方法的研究现状.通过对比现有方法在跟踪质量和网络能耗等方面的优缺点,揭示了现有研究存在的问题,总结了移动式目标跟踪领域存在的研究热点和趋势.     

基于目标跟踪的双层结构工业预测控制

针对基于二次规划的稳态目标跟踪问题,给出一种统一的处理方法.该方法不仅可以通过加权协调各个目标的跟踪,还可通过惩罚跟踪偏差体现对输出目标跟踪的偏重.分析该方法的可行性,得到了同时适合于多优先级稳态目标优化的无静差控制的结论.仿真结果验证了所提出方法的有效性.     

监控场景下的目标自适应跟踪

目标跟踪是监控系统的关键技术之一.Mean-Shift作为高效的模式匹配算法,已经成功地应用在对实时性要求较高的目标跟踪系统中,但是传统的Mean-Shift跟踪算法未能有效地解决跟踪窗自适应和目标特征更新问题,无法实现对目标的长时间跟踪.论文提出了卡尔曼滤波、局部目标检测和Mean-Shift有机结合的目标自适应跟踪方法,能有效的解决跟踪窗自适应和跟踪目标的特征更新问题,并有较强的抗遮挡的能力,提高跟踪的稳健性.并通过跟踪实验对比验证了算法的有效性.     

基于Mean-Shift优化的TLD视频长时间跟踪算法

针对TLD(tracking learning detection)算法同时包含了跟踪、检测和学习三个部分,具有较高计算量的缺点,提出了采用Mean-Shift算法替换原TLD跟踪器部分的光流跟踪算法.该优化方法利用具有计算量小的Mean-Shift算法替换计算量较大的光流法进行跟踪,以通过目标模型和候选目标模型之间的巴氏系数与阈值的比较来判定跟踪失败的自检测,并通过计算Mean-Shift跟踪返回的目标框和上一帧TLD返回的目标框之间的相似度来进一步得到跟踪的有效性,在发生跟踪失败时由检测器重新初始化跟踪.实验结果表明,该优化方法在视频长时间跟踪算法中具有较高的鲁棒性和准确性,并且与原TLD算法相比,该优化方法在跟踪速度上得到了提升.     

基于序贯检测机制的双目视觉运动目标跟踪与定位方法

为了提高复杂环境下的目标跟踪精度,提出了一种基于序贯检测机制的双目视觉运动目标跟踪方法.该方法在序贯检测机制下,将粒子滤波、稀疏场主动轮廓和CamShift等方法结合.首先用基于颜色特征的粒子滤波估计最优跟踪窗口;通过跟踪窗口和目标的相似度决定足否采用稀疏场主动轮廓方法,然后由目标轮廓和目标的相似度决定是否需要CamS...     

随机场中运动一致性的多线索目标跟踪

目的 通过建立各线索间的关联,提高多线索目标跟踪方法的鲁棒性,利用简单而有效的模型使多线索目标跟踪方法的表达和实现变得容易.方法 在不同线索描述下的目标对象间引入运动一致性约束,利用链状结构随机场模型表达不同线索描述下的目标对象及其约束关系,将多线索目标跟踪问题转化为随机场目标函数的简单优化求解.实验中结合亮度直方图、方向梯度直方图和局部二进制模式描述目标对象.结果 15组公测视频序列上的实验结果表明,所提方法相对于多种优秀的目标跟踪方法,在目标受到遮挡、运动模糊、光照变化、背景杂乱等因素干扰时,获得了较低中心位置误差和较高的精度值,反映了所提方法的有效性.结论 运动一致性约束能够较好地增强各线索间的关联,通过链状结构的随机场模型表达该约束关系和各线索描述下的目标对象,在提高跟踪鲁棒性的同时,使跟踪方法的实现变得简单.     

一种重叠视域多摄像头协同运动目标跟踪方法

针对重叠视域范围内多摄像头目标跟踪匹配问题,提出一种基于视野分界线的运动目标检测跟踪方法,通过Sift算法与Harris算法相融合对存在重叠视域范围的图像自动获取特征匹配点,利用所获特征匹配点对生成视野分界线,当目标通过分界线时,依据颜色信息的投影不变量方法,通过目标中心位置与视野分界线之间的距离来判断运动目标,进而实现运动目标的交接,完成后续动态目标的追踪.通过设置相同的视频帧数和实验场景与已有文献进行对比实验,所提算法对运动目标跟踪准确率分别为76％、87％、88％,均高于文献算法跟踪精度.实验结果表明所提出的算法能够实现多摄像头间的目标连续跟踪既能解决对同一运动目标的实时跟踪,又可以解决多视角协同重叠视域范围内的运动目标跟踪距离较近而导致运动目标丢失的问题,通有效提高目标跟踪的准确性,为多视角运动目标跟踪提供了一种新的解决方法.     

基于静态场景下的单目标徘徊检测及跟踪方法

提出了一种单目标徘徊检测及跟踪方法.该方法能够有效地对防区内有徘徊行为的对象进行跟踪报警,简单实现了监控方式由事后取证到提前预防的转变.目标的跟踪是通过背景差分方法检测出运动目标,然后利用矩形逼近目标轮廓,并把该矩形作为目标跟踪时的跟踪框,最后利用Camshift算法弥补背景差分方法的不足.实验结果表明,本方法能满足单目标徘徊跟踪的基本要求.     

一种新的视频流动态目标跟踪算法

为了提高视频图像序列动态目标跟踪过程的跟踪效率,在分析现有算法的基础上,提出了一种基于卡尔曼预测和协方差模块更新相结合的动态目标跟踪新算法.通过卡尔曼预测,可以得到图像序列中下一帧的动态有效区域,实现了对目标区域的实时跟踪;同时,目标协方差矩阵的更新用于目标匹配区域的预测,提高了整个跟踪算法的抗干扰性能和鲁棒性.实验结果表明,与现有的基于静态模板的协方差跟踪算法相比,该算法在实时跟踪性能方面具有更好的跟踪效率.该方法用于视频图像序列动态目标跟踪是可行的、有效的.     

基于深度学习的移动机器人目标跟踪系统

针对当前智能移动机器人在跟踪过程中常因目标发生外观形态上的变化而丢失跟踪目标的问题,利用Caffe深度学习框架和ROS机器人操作系统作为开发平台,设计一个高准确度及高实时性的移动机器人目标跟踪系统并进行了研究.使用对于目标形变、视角、轻微遮挡及光照变化具有鲁棒性的基于孪生卷积神经网络的GOTURN目标跟踪算法,通过ROS系统为桥梁使离线训练的跟踪模型实时应用于TurtleBot移动机器人上,并开展了详细的测试.实验结果表明,该目标跟踪系统不仅设计方案可行,实现了移动机器人在各种复杂场景下有效地跟踪目标,还具有成本低、性能高和易扩展等特点.     

一种新型PID控制算法在直流电机跟踪系统中的应用

探讨了自校正积分分离 PID控制算法在直流电机跟踪系统中的应用 ,以满足在实际控制系统中的要求 ;对几种控制算法的效果使用 MATLAB进行仿真比较 ,得出能够很好地满足系统需要的控制要求的算法 ,该算法可应用于直流电机自动跟踪系统中。     

基于改进KCF的跟踪注册方法

针对三维注册易受环境以及目标跟踪检测算法耗时严重、精度低的影响,提出改进KCF(I KCF)的跟踪注册方法。该方法分为4步：（1)利用正则最小二乘分类器的样本训练来获取尺度核相关滤波器和位置信息;（2)搜索尺度核相关滤波器和位置输出响应最大值,完成尺度和目标位置的检测;（3)借鉴MOSSE跟踪器更新方法对模型更新;（4)采用ORB算法对目标位置特征检测并计算出注册矩阵。选取视觉跟踪基准数据集中的6组数据以及拍摄的视频序列仿真实验。仿真结果表明,当目标位置发生旋转、缩放、部分遮挡、光照和运动模糊时,I KCF在精确度、成功率以及效率上总体优于KCF、TLD、Struck和CT算法;且目标位置与OpenGL立方体注册融合度较高;基于I KCF的AR系统具有较好的实时性、稳定性和鲁棒性。     

电视跟踪系统视景仿真方法研究

该文提出了一种面向通用雷达装备虚拟维修训练系统(VMTS)的电视跟踪系统视景仿真方法，建立了满足实时性与真实感的三维视景模型，并将几种跟踪算法相结合，实现了对目标的识别与跟踪，同时采用组件技术，满足了系统通用性的要求。     

仿人视觉过程的机器人视觉伺服系统研究

提出了一种模仿人类视觉过程的动态图像目标跟踪方法,其采用基于模板匹配的识别技术,通过模仿人类视觉目标定位过程运用遗传算法实现了对运动物体的视觉跟踪。利用此方法实现了一套视觉伺服机器人的运动目标跟踪系统,通过实验说明该方法能够满足系统的实时性要求,同时具有一定的抗噪能力。     

基于CORDIC的梯度跟踪算法的FPGA实现

梯度跟踪算法在多飞行器测控及卫星移动通信中有广泛的应用,但现有的实现方案还存在很多缺点。该文以均匀圆阵为接收天线阵,在分析梯度跟踪算法原理及CORDIC算法原理的基础上,提出一种基于CORDIC算法与数字波束形成技术相结合的FPGA实现方案,给出电路实现原理图并使用Quartus软件进行了仿真分析,仿真结果表明该方案是正确、可行和有效的。     

AES算法在配送物资跟踪系统中的应用

针对配送物资跟踪系统中RFID标签的相关限制,设计了基于AES算法的数据加密方法.实现了AES算法的相关程序,对AES算法应用于配送物资跟踪系统进行了相关的安全性分析.     

基于RCGA优化GRNN的实时动态目标追踪模型

针对三维环境中导弹追踪目标时制导和控制算法复杂而导致计算量非常大的问题,提出了一种基于隐性交叉遗传算法优化广义回归神经网络的实时动态目标追踪模型。通过将导弹防御区离散化为多个小模块生成输入数据,并针对每个可接受的目标参数数据集,使用RCGA估算导航常量和导弹注意时间;利用输入和输出的目标参数集生成GRNN所需的训练数据集;针对任意位置的目标轨道,将训练后的GRNN应用于实时导弹导引系统的实现中。通过战术目标仿真模型验证了所提算法的有效性及可靠性,仿真结果表明,相比其他几种目标追踪算法,算法取得了更好的实时性和更高的目标定位精度,脱靶率接近零。     

移动机器人多目标彩色视觉跟踪系统

机器人视觉系统利用颜色、形状等信息来识别环境目标，但是难点在于识别的 鲁棒性和实时性的保证．本文采用全自主移动机器人为平台，提出了一种硬件成本低廉的、 基于颜色学习的实时多目标视觉跟踪系统，并提出了一种新颖的目标颜色学习和跟踪算法． 该视觉系统已成功集成在自主移动机器人系统中，非结构环境下的动态目标跟踪实验表明了 系统的实时性和鲁棒性．     

Modeling and Verification of a Bimanual-Coordinated Training System

Recently, much attention has been paid to the development of robots that support bilateral arm training in various patterns. However, traditional bimanual rehabilitation robots usually realized different training modes with the robot providing a corresponding force for the impaired limb or else achieved an active-assisted mode with the healthy limb providing an assisted force for the impaired one. This paper proposes a robot to support bimanual-coordinated training. Different training modes are realized with one limb providing a corresponding force for the other limb. Two upper limbs accomplish symmetric movements in each training mode. Motion tracking training in active-resisted and active-assisted modes was performed on 11 healthy subjects. After bimanual-coordinated training, position tracking precision was significantly improved. The preliminarily results confirmed the feasibility of the system for supporting healthy subjects in performing bimanual-coordinated training tasks and demonstrated the effectiveness of the system in improving bimanual-coordinated performance of healthy subjects. Such a system could be potentially useful for patients who are in need of motor function rehabilitation after incidents such as stroke.