基于曲率仿射不变量的快速目标识别

提出了一种用于三维空间中近似平面目标的快速识别方法。该方法利用目标轮廓的曲率信息构造出仿射不变量函数,再利用该不变量的极值点信息定位出轮廓的起始点进而对不变量做相应的循环移位调整,最终通过对调整后的不变量进行相似度比较实现目标识别。由于曲率信息能够有效地描述目标轮廓特征,所以保证了本方法优良的识别性能。同时本方法通过起始点定位的方式克服了传统上高复杂度的循环移位匹配的识别模式,进而实现了快速识别。实验结果显示了所述方法在识别精度和识别效率上都具有明显的优势。     

Redundant discrete wavelet transforms based moving object recognition and tracking

A method for moving object recognition and tracking in the intelligent traffic monitoring system is presented. For the shortcomings and deficiencies of the frame-subtraction method, a redundant discrete wavelet transform (RDWT) based moving object recognition algorithm is put forward, which directly detects moving objects in the redundant discrete wavelet transform domain. An improved adaptive mean-shift algorithm is used to track the moving object in the follow up frames. Experimental results show that the algorithm can effectively extract the moving object, even though the object is similar to the background, and the results are better than the traditional frame-subtraction method. The object tracking is accurate without the impact of changes in the size of the object. Therefore the algorithm has a certain practical value and prospect.     

基于独立元分析的扭曲目标识别

研究了计算机视觉中扭曲目标识别问题,提出了获取仿射不变描述子的独立元分析方法,从而实现扭曲目标识别。该方法可直接对目标外形坐标数据进行处理,在仿射变换下具有不变性。通过仿真实验的方法给出了在不同扭曲度情况下,本方法和Fourier方法的识别数据。结果表明,在二维扭曲目标识别上,该方法比经典的Fourier方法具有更好的鲁棒性和更高的识别率。     

线性平滑的信号调制识别方法

针对如何提高调制识别算法在低信噪比时的识别性能,是调制识别技术走向实用中必须解决的问题,提出采用线性平滑方法对接收信号进行预处理,然后再提取特征。提取的分类特征削弱了噪声影响,提高了抗干扰性能,能够在较低信噪比条件下正确区分信号。实验表明,平滑处理实现简单,对算法在低信噪比时的识别性能改善明显。     

基于改进Deeplabv3+的烟雾区域分割识别算法

烟雾遮挡使基于图像的寻的制导系统目标识别困难,如何提高该类区域分割识别准确性、降低虚警率是一个亟待解决的课题.现有Deeplabv3+算法对烟雾分割时存在漏分割、错分割等问题,细节损失严重,整体分割精度低.本文提出基于改进Deeplabv3+模型的烟雾区域分割算法,创新异感受野融合的基于空洞卷积的金字塔构型(atrou...     

机载环扫成像雷达数据处理方法研究

经典的聚焦式合成孔径和非聚焦式合成孔径数据处理方法主要用于星载或机载侧视成像 ,而环形扫描成像是一种特殊的成像方式 ,不能直接利用经典的成像处理算法。为了解决环形扫描高分辨率成像问题 ,概述了环扫成像雷达的工作方式 ,介绍了用聚焦式合成孔径和非聚焦式合成孔径提高方位分辨率的 3种实现方法。通过仿真验证了这 3种方法的有效性。该方法也可用于非环扫成像雷达系统。     

基于联合特征参数的数字调制识别优化算法

针对数字调制识别在低信噪比下的应用,提出了一种基于联合特征参数的数字调制识别优化算法。该算法利用调制信号的高阶累积量和时域瞬时信息,并结合星座图特征进行特征提取,采用弹性反向传播（resilient back-propagation, RPROP）算法训练的反向传播（back propagation, BP）神经网络对多进制数字幅度调制（M-ary amplitude shift keying, MASK）、多进制数字频率调制（M-ary frequency shift keying, MFSK）、多进制数字相位调制（M-ary phase shift keying, MPSK）、多进制正交幅度调制（M-ary quadrature amplitude modulation, MQAM）共4类12种信号进行分类识别。仿真结果表明,当信噪比低至-2 dB时,提出的调制识别优化算法可使12种数字调制信号的正确识别率均达97%以上,极大地改善了低信噪比下的识别性能。     

利用子区域特征进行自适应目标跟踪

提出了一种基于目标区域分割的自适应运动目标跟踪算法。该算法通过K-均值聚类,将目标分割为多个子区域,根据子区域颜色特征及其分布提出了一种新的目标模型,并给出模型相似性测度准则,从而将目标模型更新问题简化为区域特征的更新,提高了模型的稳定性。同时在跟踪过程中,利用相似性测度检测目标遮挡程度,根据遮挡程度自适应地调整卡尔曼滤波器的参数和模型更新过程,提高了在遮挡情况下算法的鲁棒性。分析和实验表明,新算法能够在真实场景中准确、实时地跟踪目标,是一种有效的视频目标跟踪算法。     

基于决策融合的多无人机协同目标检测识别算法

针对现阶段单无人机不能高效完成大区域巡视的问题,提出一种多无人机决策融合的目标检测识别算法。首先改进Retinanet算法进行单无人机的目标检测,根据航拍图像目标特性,调整anchor参数和训练策略。同时利用特征提取算子配准多无人机航拍图像,实现多机图像坐标一致,并进行图像拼接。然后综合目标的位置信息和属性信息对多机图像进行目标关联。最后提出一种基于冲突度量的动态切换策略,自适应选择DST(dempster-shafer theory)或DSmT(desert-smarandache theory)融合关联目标信息。在多无人机协同目标识别数据集上进行实验,结果表明所提算法能在增大单次巡视范围的同时,提高无人机巡视系统的检测精度。     

基于BP神经网络的人脸识别

将BP神经网络用于人脸识别 ,建立了人脸识别模型 ,研究了样本采样训练、样本批量训练和样本完整训练三种训练策略对识别率的影响。所设计的识别模型包括图像压缩、图像抽样、输入矢量标准化、BP神经网络与竞争选择处理过程。利用ORL人脸图像数据库进行了仿真实验 ,结果表明 ,其识别模型在实际应用中是可行的。该模型简单 ,识别率较高。如将训练策略配合使用 ,则在提高训练速度和训练效率的同时 ,也使模型分类性能有了明显提高     

基于神经网络的符号化飞行动作识别

飞行动作识别是飞行训练评估和空战智能决策等多项关键技术的基础, 实现飞行动作的快速高效识别具有重大意义。对此, 提出一种基于神经网络符号化模型的方法, 实现对基本飞行动作和复杂飞行动作高效识别。首先, 利用微分分割的思想对飞行参数进行切片处理, 然后通过卷积神经网络(convolutional neural networks, CNN)和长短期记忆(long-short term memory, LSTM)神经网络实现飞行动作的模块化处理, 有效代替了传统方法中对原始数据的逻辑推理。并且该方法可以利用基本飞行动作对飞行过程实现飞行数据分割, 具有良好的扩展性, 能够快速处理批量飞参数据。最后对13种基本飞行动作、两种复杂飞行动作和整段飞行数据进行仿真实验。仿真结果表明, 该方法具有良好的识别性能。     

基于规划识别的社会安全事件识别方法

社会安全事件发生之前通常要进行筹划、准备,并逐步成型,通过观察这一过程中参与者的行为和动作有可能识别正在酝酿的社会安全事件.一些社会安全事件的行动单独来看并不一定表现出异常特征,需要综合分析发现多个参与者行动相互关联后可能形成的事件.文章假设参与者在事件准备和形成过程中的部分行动是可以被观察到的,提出了基于规划识别的社会安全事件识别方法.首先构造了社会安全事件识别模型框架,描述了社会安全事件识别的领域知识和问题模型,进而采用plan recognition as planning (PRAP)规划识别方法,利用领域知识进行推理,动态地识别可能发生的社会安全事件.最后以人员聚集事件为例设计了实验算例,检验了方法的有效性.实验结果表明该方法能够准确识别参与者行动对应的社会安全事件,并且具备较强的提前识别能力,能够提高社会安全事件监测预警能力.     

Extraction of affine invariant features for shape recognition based on ant colony optimization

A new approach to extraction of affine invariant features of contour image and matching strategy is proposed for shape recognition.Firstly,the centroid distance and azimuth angle of each boundary point are computed.Then,with a prior-defined angle interval,all the points in the neighbor region of the sample point are considered to calculate the average distance for eliminating noise.After that,the centroid distance ratios(CDRs) of any two opposite contour points to the barycenter are achieved as the representation of the shape,which will be invariant to affine transformation.Since the angles of contour points will change non-linearly among affine related images,the CDRs should be resampled and combined sequentially to build one-by-one matching pairs of the corresponding points.The core issue is how to determine the angle positions for sampling,which can be regarded as an optimization problem of path planning.An ant colony optimization(ACO)-based path planning model with some constraints is presented to address this problem.Finally,the Euclidean distance is adopted to evaluate the similarity of shape features in different images.The experimental results demonstrate the efficiency of the proposed method in shape recognition with translation,scaling,rotation and distortion.     

基于自适应聚类流形学习的增量样本降维与识别

为了解决局部线性嵌入(locally linear embedding, LLE)流形学习算法无法自适应确定重构区间和不能进行增量学习等问题,提出了一种自适应聚类增量LLE(clustering adaptively incremental LLE,C-LLE)目标识别算法。该算法通过建立高维非线性样本集的局部线性结构聚类模型,对聚类后的类内样本采用线性重构,解决了LLE算法样本重构邻域无法自适应确定的问题;通过构建降维矩阵,解决了LLE算法无法单独对增量进行降维和无法利用增量对目标进行识别的问题。实验表明,本文算法能够准确提取高维样本集的低维流形结构,具有较小的增量降维误差和良好的目标识别性能。     

空间注意机制下的自适应目标跟踪

针对现有的分层卷积特征跟踪算法在遭遇多种复杂环境时会发生跟踪失败的问题,提出一种空间注意机制下的自适应目标跟踪算法。在跟踪的过程中,根据当前帧的颜色直方图基于贝叶斯分类器建立空间注意机制,在提取VGGNet19中多层卷积特征后分别与空间注意图进行融合,从而构建稳健的目标表观模型。之后利用学习到的相关滤波器得到各响应值,通过加权求和准则求出最终响应,同时利用帧差法调整学习速率,最终实现自适应的目标跟踪。实验结果表明,所提算法在大多数复杂环境下的跟踪准确度和鲁棒性均优于现有的跟踪算法。     

基于边界矩和改进FCM聚类的水下目标识别

水下目标的识别是水下机器人对环境动态感知、快速定位与跟踪视觉目标的关键, 本文针对水下成像的特殊性以及成像环境的复杂性,旨在设计一种快速、准确的目标识别系统以指导水下机器人进行下一步的任务. 首先, 综合运用一些流行的算法, 简要介绍了一种有效的边界分割算法; 然后通过对边界矩的分析和修正, 构造了具有平移、旋转及比例变换不变性的仿射变换; 最后详细描述了改进的FCM聚类识别的设计理念. 通过对实测的4类物体组成的水下目标的识别实验, 证明了所提水下目标识别系统可以用于水下目标识别, 并且具有较高的鲁棒性和实时性.     

基于耗散结构理论的极大熵目标分群算法

为快速准确实施战场目标分群,从信息交互角度,结合耗散结构理论将战场态势认为是能够出现"有序" 状态的动态开放系统.据此,建立用于战场目标分群的OG-Brusselator 模型,并且改进了MEC 算法,在航路勾径基础上提出航路股径概念统一目标彼此间距离和运动方向两要素的量纲,将其和目标与分群中心隶属度分别作为影响目标群属关系明晰度的可量化正、负熵指标, 提出以OG-Brusselator 模型控制算法迭代的目标分群算法DS-MEOC.最后针对空中目标进行分群实验分析,结果表明DS-MEOC 算法有效可行,相比MEC算法,能够提供更合理的目标分群方案.     

基于相关滤波的视觉目标跟踪算法新进展

相关滤波跟踪算法凭借其优良的综合性能,已成为视觉目标跟踪领域中理论研究和实践应用的热点.尽管目前已有大量研究,但仍缺乏从跟踪框架层面对现有相关滤波跟踪算法的系统分析.因此,文中从视频目标跟踪算法基本框架出发,深入剖析了相关滤波跟踪算法的特性以及各工作阶段存在的基本问题.以此为依据,归纳总结了近十年来其主要技术新进展及相...     

Video segmentation using multiple features based on EM algorithm

Object-based video segmentation is an important issue for many multimedia applications. A video segmentation method based on EM algorithm is proposed. We consider video segmentation as an unsupervised classification problem and apply EM algorithm to obtain the maximum-likelihood estimation of the Gaussian model parameters for model-based segmentation. We simultaneously combine multiple features (motion, color) within a maximum likelihood framework to obtain accurate segment results. We also use the temporal consistency among video frames to improve the speed of EM algorithm. Experimental results on typical MPEG-4 sequences and real scene sequences show that our method has an attractive accuracy and robustness.