一个基于知识的目标跟踪信息处理系统

提出了一个基于知识的目标跟踪信息处理系统，系统采用结构化的黑板模型．领域知识不仅用来指导高级的目标识别与跟踪，也用来指导低级的图像分割．研究了一种不确定性知识的表示方法和推理模型，知识用产生式规则和过程表示．实验表明，所提出的方法是切实可行的．基于知识的目标跟踪系统在目标识别、跟踪精度、抗干扰能力和自适应能力等方面比传统方法优越．     

基于前景策略和场景信息的目标跟踪系统

为解决目标跟踪算法中的某些难点问题,提出以Mean-shift算法为基础,基于高斯混合模型(GMM)前景分割和场景信息的MGSI方法.该方法基于运动预测和前景分割为目标跟踪提供感兴趣区域(ROI),解决了跟踪目标与背景相似情况下目标识别中的误报问题.同时,通过场景信息的预先设定来获取某些先验知识,如屏蔽区域的划分、区域中目标模板更新的频率、遮挡类型的预判等,并根据先验知识来调整跟踪策略,一定程度上解决了遮挡问题.实验证明,基于MGSI方法的目标跟踪系统在一定程度上解决了光照变化、背景干扰、模板更新、遮挡等传统跟踪系统中存在的问题,有效提高了跟踪的准确率.     

基于模板匹配的运动目标快速检测与跟踪

在图像跟踪系统中，运动目标的快速检测与识别是至关重要的．通过分析视频序列图像的特点，并结合帧差法和多分辨率图像匹配的优点，提出了一种基于模板匹配的快速检测识别目标的方案．实验结果表明，该方法能快速有效地识别目标，基本上达到了实时跟踪的要求．     

基于远程虚拟实验的实时智能指导系统

提出了一个基于远程虚拟实验的实时智能指导系统(intelligent tutoring system,ITS),该系统用来模拟教师的决策,在虚拟实验过程中给学生提供实时指导.该系统扩展了传统的ITS四库体系结构,并运用面向对象的技术,设计和实现了多级知识库结构和混合模式的多级目标推理机.详述了该实时智能指导系统的知识库结构、知识表示和推理技术,并通过实例验证了该系统的可行性和有效性.     

捷联导引头中基于知识的目标分割方法研究

为了保证处理效率,需要通过图像分割出可疑目标来减少干扰、减少运算,提出了一种基于知识的目标分割方法.将图像区域作为研究对象,结合目标先验知识通过区域划分、特征提取及判定来选取合适的目标分割阈值.实验结果表明:该方法能够克服全局场景的影响,有效地将可疑目标分割出来,提高了系统的实时性,为目标的识别提供依据,同时降低了后面目标识别跟踪的难度.     

基于船舶自动识别系统信息的目标跟踪

探讨了基于目标船舶舶自动识别系统播发的信息，采用目标船的呼号，船名和海上移动业务识别码的三参数静态信息，以及通过建立被跟踪目标的跟踪信息链表，对目标进行识别与跟踪的“三参数静态信息目标识别与跟踪法”，并对目标的录取，信息的存储方法等进行了讨论，利用其动态信息，完成对目标的距离与舷角、dDCPA与tTCPA，危险判断的计算方法以及跟踪算法流程 ，并进行计算机仿真，该方法相对于ARPA跟踪目标方法，具有易于识别，不易丢失目标，跟踪速度快，精度与可靠性高，方法简单等优点。     

视频监控中的目标检测及自动跟踪技术

目标跟踪是计算机视觉和图像处理领域的重要研究课题.本文提出了一种目标跟踪方法,包括检测和跟踪两个模块.检测模块完成识别目标,生成具有最佳学习的、可靠性的目标信息;跟踪模块使用特征点提取的目标信息跟踪感兴趣区域,该模块使用Camshift和光流估计来测算目标位置.实验结果表明,所提出的方法可以用来自动跟踪视频中移动的目标.     

基于粒子滤波的变电站内动态目标跟踪技术

为实时智能监控变电站安全生产区域内的移动目标,克服现有视频系统人工切换图像和肉眼判断所造成的漏检和滞后问题,对变电站内运动目标的自动检测与识别跟踪技术进行了研究;基于背景差分法实现了人物动态目标检测,提出了基于颜色直方图的粒子滤波人物动态目标跟踪方法;通过提取目标颜色特征,建立目标状态模型和系统模型,进而准确定位目标;研发了变电站安全事件视频自动识别跟踪系统.系统应用结果表明:算法检测与跟踪的时间性能良好,能够快速识别目标,并准确跟踪目标运动轨迹,有效提升了全天候智能监控站内的安全生产能力.     

基于目标跟踪的信息反馈融合方法研究

针对目标跟踪问题环境的复杂性,信息的多样性,传统的信息融合方法有很多弊端,本文将反馈融合思想引入到传统的信息融合框架,提出了基于目标跟踪的信息反馈融合系统,利用信息反馈融合方法为指导,针对不同目标跟踪场景中传统跟踪技术的技术瓶颈,提出相应的改进方法。经过多次仿真验证,基于目标跟踪的信息反馈融合系统进一步提高了历史融合信息的整体利用率,并且可以得到精度更高、鲁棒性更好的融合估计效果。     

基于合作目标的精确跟踪算法及其在图像识别中的应用

为降低目标动态识别跟踪系统中目标识别和定位的难度,设计了一种新型的合作目标,并提出基于结构约束的合作目标精确跟踪算法.首先,从不变性、对比度、鲁棒性等方面设计合作目标,以适应不同识别距离的要求.然后,采用自适应阈值分割与连通域标记提取候选的合作目标子部件集合,并采用基于上下文的滤波方法剔除背景干扰.最后,根据合作目标的结构模型计算其在图像中的精确位置.实验结果表明,该合作目标的设计合理,识别算法具有较好的准确性和鲁棒性.     

复杂背景下的红外小目标图像信息提取

针对红外小目标跟踪测试系统的目标检测、识别和跟踪,存在着目标面积小、形态特征弱化、背景图像复杂等因素而影响目标信息提取的问题,提出了利用图像处理技术方法,对跟踪系统获取的图像进行改善处理.根据跟踪测试原理和复杂背景目标图像特征,研究了基于低通滤 波法的目标图像的预处理算法,目标图像增强,目标图像与背景分离和Sobel边缘检测算法等图像处理技术,从而对红外小目标图像定位.实验结果表明:所采取的图像处理方法可以对复杂背景下的目标信息提取,结合跟踪系统的控制机制,现实远程目标的动态跟踪.     

基于知识的无约束手写数字识别系统

研究一种基于知识的无约束手写数字识别系统．系统运用专家系统的知识表示、知识推理等方法，通过未知样本与知识库模糊匹配，得到识别结果．系统对随意书写的５０００个样本进行识别，得到较好的结果     

基于卡尔曼滤波改进压缩感知算法的车辆目标跟踪

针对传统的基于压缩感知技术的目标跟踪算法存在的跟踪漂移问题，提出了一种采用改进压缩感知算法和卡尔曼滤波方法相结合的车辆目标跟踪算法. 首先，通过传统压缩感知目标跟踪算法识别出本帧目标存在概率最大的区域得到观测值； 其次，利用卡尔曼滤波预测本帧的跟踪轨迹得到预测值，通过卡尔曼滤波增益系数对预测值与观测值进行修正，获得最终目标跟踪结果； 最后，在修正后的目标区域周围进行正负样本采样以实现朴素贝叶斯分类器更新，进而实现目标跟踪轨迹的实时更新. 通过实验室试验以及野外实测验证了所提方法的可行性，相较于基于压缩感知技术的目标跟踪算法，本文所提方法的跟踪结果平均误差分别降低了48%和89%，跟踪轨迹更加趋近车辆真实运动轨迹.     

一个基于知识的彩色肺癌图像理解系统

介绍一个智能识别肺癌细胞的医学图像理解系统，该系统通过图像特征提取和智能图像分析识别两个模块，将图像处理技术和模糊知识表示技术相结合，实现对彩色肺癌细胞切片图像的理解，诊断识别出图像中的肺癌细胞，系统建立一个基于规则的两层模糊知识模型来表示用于肺癌图像理解的领域知识，实验表明，该模型能实现较高的肺癌分析识别准确率，是行之有效的。     

一种基于稀疏表示的判别式目标跟踪算法

目标跟踪是计算机视觉领域中具有挑战性的问题.提出了一种基于稀疏表示的判别式目标跟踪算法,用于在复杂场景中对运动目标进行鲁棒跟踪.该算法首先对目标进行滑动窗口稠密采样,构建目标的稀疏表示字典,然后将目标表示为该字典的稀疏编码,从而构造具有判别力的目标特征表示.在跟踪过程中,将目标跟踪问题看作是背景与目标的判别性问题,使用目标和背景的特征表示在线训练朴素贝叶斯分类器,根据分类结果得到目标的跟踪结果.为了适应场景及目标外观变化,设计动态更新机制对字典与分类器进行在线更新.和传统基于稀疏表示的跟踪方法相比,该算法将稀疏表示与判别式分类器结合,利用稀疏表示获得具有判别力的目标特征表示,而在线的朴素贝叶斯分类器则确保了目标跟踪的快速有效.与流行的多种跟踪算法比较结果表明,本算法能够在复杂条件下实现目标的鲁棒跟踪.     

基于视频图像处理的机场航空器冲突检测

 针对场面监视雷达成本较高、不适用于流量较小的中小机场等问题, 采用多摄像机对机场场面航空器进行动态跟踪, 采用图像边缘检测和形态学处理方法对目标进行识别, 跟踪和提取航空器的飞行轨迹并分析其位置和速度参数, 提出了运动目标跟踪算法和基于DCPA 和TCPA 的滑行冲突检测模型, 开发了基于视频图像处理的机场航空器冲突检测原型系统, 并应用于西南某通航机场。实验表明, 视频图像处理技术和冲突检测模型可用于中小机场的航空器识别和冲突检测, 提高机场安全运行水平。     

基于稀疏模型和Gabor小波字典的跟踪算法

基于稀疏表示理论的目标跟踪方法可以通过激活少量神经元完成目标的动态跟踪,但是要求在当前图像背景中的遮挡或者目标物的姿态变化是可以进行稀疏表示的小面积范围.针对这一问题,基于Gabor函数和稀疏理论提出一种强鲁棒性的目标跟踪算法.该算法首先使用目标模板在初始帧中创建Gabor字典,其次使用该字典对候选目标完成稀疏表示,最后通过对Gabor字典的更新完成目标跟踪.实验结果表明了算法的有效性.     

基于多传感器数据融合的目标识别和跟踪

基于单传感器（雷达或红外）系统存在局限性,提出了基于多传感器（雷达和红外）信号融合的目标识别和跟踪系统,它能利用不同传感器的数据互补和冗余。特征层融合能通过利用其他传感器模块提供的目标特征信号来提高目标检测概率和降低虚警概率;决策层融合能矫正因受干扰等原因而失去目标跟踪能力的传感器模块的伺服跟踪回路,并提高抗干扰性。     

基于多特征混合模型的视觉目标跟踪

用单一特征训练跟踪模型进行跟踪鲁棒性较差,为解决这一问题,提出一种多特征表示的混合模型跟踪方法,将生成跟踪模型与判别跟踪模型结合.在生成模型中,利用金字塔结构计算基于颜色的直方图特征表示并以此来计算目标和候选之间的匹配度;判别模型则采用由灰度特征,HOG特征和LBP特征融合训练得到的SVM分类器来判别候选是否为跟踪目标,接着将匹配度和分类结果结合产生对候选的评估,最终评估最高的候选作为跟踪结果同时也用来更新判别模型的训练集.在CVPR2013跟踪数据集上的实验结果表明,该方法能有效克服局部遮挡和背景干扰等问题,实现在复杂背景下的目标跟踪.     

基于特征点光流和卡尔曼滤波的运动车辆跟踪

提出一种基于特征点光流的运动目标跟踪方法,将卡尔曼滤波跟踪技术和多边形跟踪策略应用于智能交通系统的运动车辆实时跟踪,使跟踪变得简单和稳定,计算机仿真结果表明,采用所提出的方法,能够以较高精度实现运动目标跟踪的目标模型选择、目标特征点选取、特征点光流计算、特征点光流聚类和目标识别,且计算量小、易于实现。