基于计算机视觉的飞行目标的跟踪研究

主要介绍了一种利用飞行器的可见光图像进行目标跟踪的方法;针对所研究图像的特点,对图像中含单多机情况选取不同的分割方式,运用形态学上的腐蚀、膨胀和标注等方法,确定出被跟踪飞行器的形心(即灰度质心),并用GM(1,1)灰色预测模型进行形心预测;然后根据给定的摄像机参数,得出飞行器实际形心的偏移量以及摄像机的偏转信息;仿真结果表明,该方法能够有效地识别图像中的目标,跟踪精度较高,具有良好的准确性和适应性。     

利用BP神经网络实现三维飞机目标识别

提出了一种新的飞机识别系统,采用矩的不变量的方法描述飞机的特征;采用Levenberg-Marquardt算法及弹性算法对标准的BP网络算法进行改进,从而使此系统具有识别过程迅速、稳定的特点.分别对民航机和战斗机的360张100×100不同姿态的图片进行系统识别,结果表明,该系统识别准确率在99%以上,并且识别速度较快.     

车辆行驶安全运行决策研究

以高速公路为背景,通过综合考虑车辆的行驶状态、驾驶员疲劳程度以及天气状况等因素,对车辆主动安全运行决策进行了研究.目的是根据车辆当前状态,结合运行参数提出操作指导,供驾驶员参考.算法部分引入了RBF径向基网络用于计算各个特征指标对运行模式的影响系数,并利用模糊积分方法,在基于特征层次融合多种性能指标信息的同时,结合主观...     

基于ARM的Qt/E应用程序开发的改进与实现

针对Qt/Embedded应用程序开发中遇到多次移植调试与开发完整性问题,提出一种完整便捷地实现开机自启动应用程序的方法.以ARM+Linux目标平台为基础,Qt/Embedded应用程序开发为背景,进行Linux操作系统及相关驱动移植,完成开发平台的搭建,为开发奠定基础.以多功能USB摄像头应用程序为例在目标平台进行了开发和验证.     

图像中射影不变量在目标识别中的应用*

研究了利用灰度图像进行目标识别的方法。根据射影变换的定义,导出了两组射影不变量,然后给出了利用哈希表进行模型数据存储和查找的识别算法。最后用实验验证了这两组不变量的不变性和可区分性。     

环形线圈车辆检测器的改进设计

车辆检测器担负着为智能交通系统(ITS)采集数据的任务,具有重要的研究意义.环形线圈车辆检测器具有性能稳定,性价比高,适应性强等优点,市场应用最为广泛.但目前的环形线圈车辆检测器存在误检率较高,且不能对检测数据进行存储.针对上述问题,设计了基于DSP的环形线圈车辆检测器,实验结果证明设计不仅稳定有效,而且降低了误检率.     

ITSGrid资源调度策略的研究

定义了系统负载均衡评价值和资源节点满意度评价模型,并在此基础上设计了一种分布式资源自适应调度算法(GLBCQ),同时兼顾全局负载均衡和用户自定义的服务质量,可根据智能交通系统计算任务的自定义服务质量需求,结合当前智能交通系统网格的系统负载状况,为提交的任务自适应地选择最优资源．仿真实验结果表明,GLBCQ算法具有更高的效率和自适应性,能够促进智能交通系统网格的系统负载均衡以及整体性能的提升．     

采用Kalman_BP神经网络的视频序列多目标检测与跟踪

针对在复杂环境下多目标检测与跟踪实时性差和准确率低的问题,提出了一种基于神经网络修正均方误差估计的卡尔曼滤波跟踪方法,实现视频序列的多目标跟踪。在该方法中,首先通过帧间差分法准确提取出背景,并结合背景消减法实现多目标的检测,应用形态学滤波对检测结果进行优化;然后利用Kalman_BP神经网络预测滤波器对运动目标的位置进行预测。BP神经网络的引入,主要是降低由于模型变化以及噪声等引起的Kalman滤波器的估计误差,使Kalman滤波器的预测结果更加精准;最后,通过对不同的目标贴上标签,实现目标快速匹配,根据相邻帧间同一目标形心位置以及外接矩形的一致性,建立目标链,实现多目标跟踪。实验结果表明,该算法不仅能够快速稳定地对不同场景中的目标进行跟踪,而且能够统计目标数目和显示目标的运动轨迹,与粒子滤波等方法相比跟踪更加平稳,提高了跟踪的可靠性。     

基于脊波的红外图像自适应增强算法

图像增强是目标检测和识别中的基本问题,为了在红外图像中能够更好地检测出目标,根据多尺度几何分析工具脊波特别适合表示各向异性和奇异性的特性,结合红外成像的特点,利用脊波对图像进行增强,并利用统计学原理对脊波系数变换原则进行自适应改进,利用统计学原理构造了目标细节特征量和脊波子带系数特征量,将这些特征量进行匹配,并且评估匹配效果,从而找出子带系数中与目标特征关联度高的部分,有针对性地对该部分系数进行放大,其余部分系数进行抑制处理,处理后的系数进行脊波逆变换还原的图像。检测结果与对比度增强、线性滤波等方法进行比较说明:该方法效果良好。