尺度目标的频域核回归跟踪研究

提出了一种基于频域核回归模型的尺度目标跟踪算法。该算法将时域相关滤波转换为频域的线性回归问题,构建一个包含似然项和先验项的代价损失函数,当似然项和先验项选取不同的分布函数,获得不同约束条件下的跟踪模型;通过核函数用来适应目标在跟踪过程的尺度变化。在初始帧中,通过手动标注目标初始状态,获得目标样本及其标记,利用核回归得到目标的频域模板;在跟踪过程中,利用循环卷积定理,将时域相关运算转换为频域乘积运算,快速计算候选样本的响应,得到目标在当前帧的估计;利用估计结果更新目标频域模板,同时在线更新核函数,适应目标尺度变化。实验分析表明,文中算法能够实时地跟踪目标,适应目标外观和尺度的变化,获得较好的跟踪效果。     

基于非参数聚类和多尺度图像的目标跟踪

提出了一种基于非参数聚类和多尺度图像的目标跟踪算法.在利用改进的非参数颜色聚类进行自适应划分目标颜色空间的基础上,定义了目标模型和候选目标模型,该模型利用高斯函数建模颜色直方图中的每一个颜色特征位的空域分布; 根据Bhattacharyya系数的定义得到了目标模型和候选目标模型之间的相似性函数.跟踪算法利用高斯金字塔得到的多尺度图像进行从粗到细的目标空间定位;同时通过利用推导的核函数自动带宽选择公式,实现了目标尺度定位.实验结果表明该方法优于典型的均值漂移跟踪方法,从而验证了该方法的有效性.     

多目标优化参数向单目标优化参数的转化研究

以夯实机冲击轮下落阶段进行运动分析为例,建立冲击轮动力参数的多目标优化模型,以水平速度变化率最小和垂直速度变化率最大为两追求目标.运用多目标优化方法中的线性加权和法对其进行优化处理,由多目标优化问题转化为单目标优化问题,运用MATLAB软件解得的最优解即为该多目标优化问题的有效解.使得优化后的冲击轮动力性能在水平方向和垂直方向上均有较大的改善.     

参数轮廓模型的目标跟踪

为了减少背景噪声和不相干边缘的影响,提出了一种基于方向能量的边缘选择方法,根据边缘检测的结果和由前一帧跟踪结果得到的预测轮廓构造能量函数,通过最小化能量函数进行轮廓跟踪,由于能量函数包含了预测轮廓和目标边缘信息,使得在跟踪目标轮廓变化的同时,又能保持目标形状的稳定性。实验表明:提出的跟踪方法可以在复杂背景下准确跟踪目标轮廓。     

尺度自适应的抗遮挡目标跟踪算法

针对目标跟踪过程中的尺度变化、易被遮挡及跟踪漂移等问题,提出一种跟踪检测一体化的算法,改进算法在最小输出均方误差和（MOSSE）的基础上增加尺度变化更新机制,通过相关计算推算目标的最新位置和最佳尺寸,并融合了判断遮挡、模板自适应更新机制.通过对Benchmark上51个测试视频集跟踪实验分析,结果表明本文算法在尺度自适应以及抗遮挡方面优于传统算法.      

基于尺度自适应和跟踪框自转的视频目标跟踪

在高空运动变焦摄像机视频监控目标的自动识别跟踪中,跟踪目标背景、跟踪目标尺寸和跟踪目标相对背景运动的方位角都在实时变化,为解决常规Mean Shift目标跟踪算法在面临上述快速变化时容易出现的目标跟踪丢失问题,在Mean Shift目标跟踪算法的基础上,考虑跟踪目标的变尺度、长宽比和方位角等因素,提出了改进的基于尺度自适应和自转跟踪框策略的视频目标跟踪算法,实际场景下的实验结果表明:该算法具有较好的准确性和实时性,满足视频目标实时跟踪的应用需求。     

快速尺度估计的核相关滤波目标跟踪

为了解决传统基于核相关滤波器(KCF)的跟踪算法难以有效处理目标尺度变化的难题,提出了一种新的融合快速准确估计目标尺度变化的核相关滤波跟踪算法。该方法首先利用目标尺度变化的连续性对目标的尺寸变化进行粗略估计,得到目标尺度变化的粗略值;然后进一步对目标尺度的更多可能变化进行精确搜索,提升目标尺度估计的准确性。在公开的复杂场景视频进行测试,比较了本文方法和原始KCF算法的实验效果,并且将本文算法和经典跟踪算法进行了比较,实验结果表明本文提出的目标跟踪算法更准确鲁棒。     

因式分解卷积运算的多尺度目标跟踪算法

针对因受到尺度变化、光照变化、形状变化以及相似目标等因素的干扰,目标跟踪过程出现漂移或算法过拟合现象等问题,提出了一种基于因式分解卷积运算的多尺度卷积运算.采用含有类似anchors机制的深度检测模型SSD,提取不同宽高比尺寸的特征减少漂移情况的出现,利用紧凑的样本集生成模型和优秀的更新策略等优点有效地解决了过拟合问题.结合ECO算法中的因式分解法提高在光照变化、尺度变化、遮挡以及背景杂波等方面跟踪效果.实验结果表明:该目标跟踪算法具有较强的鲁棒性和较高的跟踪成功率.研究结论可以提高目标跟踪算法的精确性、实时性.     

基于多尺度模态融合的RGB-T目标跟踪网络

可见光-热红外(RGB-T)目标跟踪因受光照条件限制较小受到关注。针对不同尺度特征的分辨率与语义信息存在差异、可见光与热红外两种模态信息不一致的特点,以及现有网络在多模态融合策略上的不足,提出一种RGB-T目标跟踪网络。网络采用孪生结构,首先将主干特征提取网络输出的模板图像特征与搜索图像特征从单尺度拓展到多尺度,并对可见光与热红外模态在不同尺度上分别进行模态融合,然后将得到的融合特征通过注意力机制增强特征表示,最后通过区域建议网络得到预测结果。在GTOT与RGBT-234两个公开RGB-T数据集上的实验结果表明,该网络跟踪精度和成功率较高,可以应对复杂的跟踪场景,相比于其他网络具有更高的跟踪性能。     

一种尺度和旋转自适应的目标跟踪算法

为了解决目标跟踪中的尺度和旋转问题,提出一种基于尺度不变特征变换(SIFT)和均值漂移的目标跟踪算法.该算法首先检测模板区域和目标区域在尺度空间中的极值点,然后通过拟合三维二次函数精确定位特征点的位置和尺度,接着对目标区域和模板区域的特征点进行匹配,并根据相邻帧之间尺度和角度的连续性,去除误匹配,最后利用正确匹配的特征点中的尺度和角度信息,计算被跟踪目标的尺度和旋转角度.研究结果表明:当被跟踪目标的角度和尺度发生变化时,该算法皆具有较好的跟踪效果.     

基于快速尺度估计的核相关滤波 目标跟踪

为了解决传统基于核相关滤波器（KCF）的跟踪算法难以有效处理目标尺度变化的难题,本文提出了一种新的融合快速准确估计目标尺度变化的核相关滤波跟踪算法。该方法首先利用目标尺度变化的连续性对目标的尺寸变化进行粗略估计,得到目标尺度变化的粗略值;然后进一步对目标尺度的更多可能变化进行精确搜索,提升目标尺度估计的准确性。在公开的复杂场景视频进行测试,比较了本文方法和原始KCF算法的实验效果,并且将本文算法和经典跟踪算法进行了比较,实验结果表明本文提出的目标跟踪算法更准确鲁棒。     

尺度自适应的分块核相关滤波目标跟踪算法

针对目标跟踪过程中由于遮挡导致的算法性能下降的问题,在分析和研究核相关滤波算法的基础上提出了一种尺度自适应的分块跟踪策略.首先从目标中心划分子块,使用融合梯度特征和颜色特征的局部核相关滤波器单独跟踪每个目标子块,并结合目标子块与整体间的位置约束关系得到目标中心位置的粗略估计,然后由全局滤波器用作初始估计以确定目标中心的...     

尺度因子自适应的UKF算法在目标跟踪中的应用

针对传统的无迹卡尔曼滤波（UKF）算法不能根据场景变化而自适应调整尺度因子α的问题,提出了一种改进算法,该算法利用UKF非线性近似的预测值与真实值之间的误差来调节α,并对采样策略进行了修正.将此方法应用于目标跟踪的仿真实验表明：该算法与使用尺度因子最优经验值的UKF算法精度相当,具有很好的跟踪性能和实用性.     

基于多特征融合的尺度自适应KCF目标跟踪算法

首先,对核相关滤波(KCF)目标跟踪算法进行了详细推导;然后,针对KCF算法提取单一特征,不能很好地表达目标的外观模型,提出将多种特征融合的方法,增加外观模型的可区分性.同时针对KCF算法不能自适应尺度变化的问题,引入一种尺度自适应变化方法.还对于KCF算法的固定更新率在目标被遮挡的情况下会学习到错误信息的问题,提出一种在线模型更新因子的方法;最后,通过实验对比结果表明,本文提出的算法跟踪精度更高,且对目标尺度发生较大变化和遮挡情况下的跟踪具有较强的鲁棒性.     

基于随机梯度优化的视频目标跟踪方法

针对视频目标跟踪过程中目标表观特征的变化,提出了一种基于随机梯度优化的视频目标跟踪方法.首先采用偏二乘(PLS)方法构建目标前景模型,并基于聚类实现视频目标区域的动态表达,构建表征目标信息的特征库;然后,基于误差与分类函数损失最小的准则实现目标的联合优化,并结合构建的目标信息特征库进行随机梯度优化、分类,实现视频目标的有效跟踪.视频跟踪结果显示,该方法能够实现不同复杂背景下的精确跟踪,且性能优于部分现有的方法.     

基于线性目标规划的切削参数多目标优化

切削参数是切削过程优化最重要的控制因素,为了研究切削参数的多目标优化问题,本文采用了线性目标规划理论,建立了一个以最大金属切除率和最小工件表面粗糙度作为优化指标的多目标优化模型,并且以切槽车刀的车削为实例,采用目标单纯形法求得其最优解,确定了每一个目标函数与事先给定的对应目标值的逼近程度。结果表明,这种模型可以将决策者指定的目标与数学模型融合在一起。为实际生产中,根据各项指标的目标值来选择最优切削用量,提供了一种新的理论方法。     

无线传感器网络的目标跟踪能量优化策略

为了满足无线传感器网络的目标跟踪性能要求,解决节点能量消耗不均衡的问题,建立了面向无线传感器节点底层硬件和时序流程的能量模型,在节点通信过程中使用量化算法对数据进行压缩量化,在此基础上综合考虑节点的跟踪精度及剩余能量,提出了基于能量优化策略的调度算法,并采用双重唤醒/休眠机制来延长网络寿命.该策略采用分布式计算方式,易...     

多目标的跟踪区域列表动态优化算法

5G移动网络要适应多样化和不断增加的用户设备(User Equipment, UE),应对终端巨大的位置管理信令开销是实现这一目标的重要保障。文中提出了一种多目标算法优化跟踪区域列表(Tracking area List, TAL)的策略,目的是寻找TAL中跟踪区(Tracking Area, TA)的最优分布以及如何将TAL分配给UE,以最小化位置管理中冲突的跟踪区更新(Tracking area update, TAU)和寻呼信令开销。在本地侧利用多目标粒子群优化算法实现TAL的最优分布,网络侧根据不同UE的移动特性来分配大小合适的TAL。通过仿真验证,所提方案可以在TAU和寻呼开销之间取得妥协,并在节省总位置管理开销方面得到了大幅度改善。     

粒子滤波目标跟踪研究

结合人工蜂群算法和粒子滤波算法,提出了基于GPU人工蜂群算法的粒子滤波方法.利用GPU多核并行计算能力和人工蜂群算法中人工蜂行为的独立性,将粒子分布作为人工蜂群算法中的食物源,通过提取粒子位置信息在GPU工作单元上实现粒子滤波.人工蜂迭代计算适应度,改善了粒子滤波中粒子贫化现象,GPU上的多核并行化计算避免了适应度陷入局部最优解.在多个具有挑战性的视频上与多种已有算法的对比实验表明,提出的粒子滤波方法可以适应光照变化、尺度变化、室内外运动模糊以及背景低对比度等问题.