基于在线Boosting和LK光流的视频跟踪算法

为了克服现实环境中光照、遮挡、相似物体干扰等因素对在线跟踪算法的影响,提出了一种鲁棒的在线学习视频跟踪算法。该算法结合了半监督Boosting和多实例学习Boosting各自的优点,较好解决了Boosting的漂移现象,同时用Boosting做检测器、金字塔LK光流做跟踪器,二者结合,克服了光流算法在跟踪过程中丢失目标不能继续跟踪的问题。实验证明,基于在线Boosting和LK光流的视频跟踪算法具有较好的鲁棒性,且满足实时性要求。     

结合光流法与最近邻算法的运动目标检测

运动目标检测具有广泛的理论和现实意义,光流法是检测运动目标的重要方法之一。但是用于运动目标检测的光流算法却有着计算量大、处理复杂的问题。一种聚类分析算法和改进的LK光流法相结合检测方案可以很好地解决此类问题。对基于改进的LK光流法的运动目标检测算法进行了分析和仿真,再加以聚类分析使得检测出的运动目标更加准确。首先对图像序列进行采样与预处理,并利用LK光流法计算得出相邻帧图像的光流场,然后再利用最近邻聚类算法对得到的光流场进行处理,进而检测出图像中的运动目标,最后使用Matlab软件进行算法程序验证。通过实验可知,基于金字塔LK光流法与最近邻算法的运动目标检测方案可以更加有效地检测出运动物体。     

基于密集光流的步态识别

作为一种生物特征,步态在视频监控、行为分析等领域具有很大的应用前景.提取步态特征的关键在于对步态在时间、空间两个维度上的变化模式进行描述.基于密集光流提出了一种步态特征提取算法,通过密集光流表征每帧图像人体区域各部位的运动强度和方向,综合一个步态周期内所有单帧特征作为步态周期的特征.利用主成分分析、线性判别分析对步态特征进行降维处理,用支持向量机进行分类,验证提取特征的分类性能.实验结果表明,所提算法采用光流特征,提供了丰富的动态信息,可以很好地描述步态在时间维度上的变化,在与现有步态特征描述算法的对比中,体现出了良好的识别性能.     

基于HS光流法的机器人避障策略优化

机器人的自主避障功能是其在未知环境中顺利行驶的最基本的功能,针对使用光流法进行机器人避障时,机器人因盲目避障、过早障碍而造成的避障效率低的问题,提出了优化避障策略的方法。在两轮式机器人上搭建实验平台,采用Horn&Schunck（HS）光流算法计算机器人运行前方的光流场,由光流场中信息来计算机器人与障碍物的碰撞时间TTC（Time to Contact）,根据碰撞时间设计机器人的避障系统。通过在真实环境下进行的避障实验,验证了避障系统的有效性,并提出将机器人避障时的旋转角度与光流矢量值 的大小建立关系,从而更加合理高效的避开障碍物。     

基于光流法的运动目标检测与跟踪算法

选用Harris角点作为跟踪对象,将尺度空间引入角点检测,提取特征尺度上的Harris角点,并进行曲率非极大值抑制,滤除"伪角点",提高角点检测对尺度变化的抗扰能力.跟踪算法选用结合图像金字塔的光流法,迭代计算光流,并提出基于光流误差的跟踪算法,即用不同时间流的运动轨迹在同一帧图像的误差来衡量运动跟踪情况,避免跟踪点因被遮挡、消失或者纹理特征发生变化而导致跟踪失败.通过对不同视频图像进行检测的结果证明基于改进的角点提取和图像金字塔的光流法具有良好的跟踪效果,引入光流误差可以有效地滤除跟踪失败的特征点,准确估计运动目标的位置.     

基于模板匹配和光流法的图像配准方法

光流法是一种广泛应用的像素级非刚性图像配准方法。该方法对发生平移、旋转以及放缩变换的图像能够很好地配准,但是光流法在待配准图像比较大且初始位置远离目标位置时,配准速度及位置较差。文章提出了结合模板匹配和光流法的改进算法,首先通过模板匹配算法进行粗定位,再使用光流法进行精确定位。实验表明,该方法大大提高了原算法的配准能力。     

梯度优化的多尺度视频光流估计

提出一种基于梯度优化的不同运动幅度视频图像光流估计的新算法。先用Loggabor滤波器对原视频图像进行相位、尺度滤波,再用所得的特征图像来计算时空梯度,最后根据时空梯度计算光流。该算法模型同时运用由粗到精的图像金字塔方法对视频图像分层处理。理论分析和实验结果表明,该算法适用于大幅度的视频运动光流估计,不仅能得到适合人眼视觉分辨率特性的图像,而且使时空梯度更加优化,光流计算更准确。并且在时间复杂度上与传统光流计算方法相当,在计算精度上优于Horn和Schunck、段先华等人提出的算法。     

基于光流及耦合隐马尔可夫模型的动态手势识别

基于块的相关算法来计算光流，并利用光流跟踪双手的运动．双手的运动轨迹取相邻两点的速度向量，经8方向链码量化后作为观察向量．和直接利用位置信息相比较，提高了识别的鲁棒性．采用耦合隐马尔可夫模型来识别双手动态手势，提出并实现了最大后验概率的训练．对6个双手动态手势的试验表明，耦合隐马尔可夫模型(CHMM)比常规隐马尔可夫模型(HMM)能更有效地对双手动态手势建模．     

基于边缘光流法向分量的运动区域划分

为克服传统运动区域分割算法对光流求解正确度的依赖,提出了一种基于光流法向分量的运动区域分割算法.该算法利用有区别的同区域判决函数对各个边缘点及其邻域进行光流法向分量的相关性聚类.利用Matlab软件对合成图像和真实图像进行了仿真.结果表明,在参数选择合理的情况下,该算法能够正确地对图像序列中的运动区域进行分割;并且由于仅对于边缘点处的光流法向分量进行处理,算法速度也比基于完全光流矢量的算法有所提高.     

基于光流法和无人机的大型风力机结构动力特性测试

针对大型风力机结构以人工检测为主费时耗力且危险的劣势,提出一种基于光流法和无人机的大型风力机结构动力特性识别方法.首先研究无人机空间悬停振动规律,提出基于背景不动点结合自适应比例因子的无人机镜头空间位移补偿方法;其次,使用无人机拍摄风力机结构在摆振与挥舞方向的振动视频,采用光流法对监测点进行视觉跟踪得到其位移响应,并与传统监测方法进行时域与频域信息的对比分析;最后,结合分段监测方法识别风力机结构全局模态振型,并通过振动台试验进行验证.结果表明,背景不动点结合自适应比例因子的位移补偿方法有效地解决了无人机悬停过程中由于振动引起的空间位移漂移影响.结合分段监测方法,利用无人机搭载计算机视觉监测系统可以很好地识别大型风力机结构的模态振型,实现了远距离、非接触、低成本的结构健康监测,可为风力机等大型结构状态评估提供依据.     

采用线阵型光学传感器的晶圆预对准方法

为提高晶圆圆心定位算法的效率和缺口定位算法的精度,设计了基于线阵型光学传感器的晶圆预对准装置。圆心定位采用改进的线性化最小二乘圆拟合方法,缺口定位采用Leven-berg-Marquardt算法。仿真结果表明,该方法可有效减少圆心定位算法的计算时间,缺口定位精度较现有定位方法提高近1倍。该方法可用于晶圆预对准的实际应用。     

基于光流技术和滤波器方法的多尺度微运动测量

将光流技术和多尺度方法相结合,提出了一种基于光流技术和梯度滤波器的多尺度高精度微运动测量方法.该方法将微运动测量看成是光流的计算,采用滤波器方法计算图像的梯度,并利用多尺度方法将较大像素的图像运动转化为多个小像素的图像运动进行估计,从而提高运动估计精度.该方法用于测量2个像素附近的微陀螺图像运动时,最大测量偏差小于0.008个像素.实验模拟结果表明,这种采用光流技术和多尺度相结合的方法能够实现高精度的微运动测量.     

基于光锥结构的红外厚度传感器研究

提出一种基于光锥结构的红外厚度传感器,用于样品厚度的检测.给出输出功率与样品厚度、供电电流及供电频率的理论模型,采用生物地理学优化算法对参数进行多参量系统优化,找出最佳参量条件,与实验数据获得的最佳参量基本吻合.根据面型设计理论及高、低折射率交替镀膜技术制作顶角为20°、长45 mm、内表面反射率高达99％的光锥,实现了红外厚度检测中光线的聚集与准直,提高了光电探测器单位面积上接收的光能量,减少了在传统红外厚度检测中光学镜片结构复杂且成本高的不足.结果表明,实验结果与该模型边界条件基本吻合,通过高、低折射率交替镀膜技术实现了一次曲面光锥内表面反射率达99.45％,防止基底缓慢氧化引起的反射率衰减从而影响测量精度.     

FIFS:一种基于流序列的分组流识别方法

为了在高速网络中实时、准确地识别多种协议产生的分组流,首先分析现有的识别方法,然后从应用协议有限状态机角度出发,提出使用完美有限状态机统一描述不同识别方法的思想。在此基础上,提出了基于流序列的分组流识别方法,利用协议有限状态机中状态变化特征识别特定协议产生的分组流,并提出了一个状态特征聚合算法,以构造协议状态特征集合。通过识别基于UDP的Skype语音流,说明此方法的可行性和有效性。     

SVM-PSO混合算法的光学电压传感器内电场优化

对光学电压传感器内电场的优化多采用有限元计算结合穷举搜索,无法反映电场分布与传感结构参数之间的非线性映射关系,且计算与搜索费时、效率低,容易落入局部陷阱。提出基于支持向量机(SVM)与粒子群(PSO)的电场优化混合算法,通过PSO优化SVM的参数以建立电光晶体内电场分布的模型,再由PSO对模型求解得到最优电场分布。以介质包裹结构为例,构建包裹介质的介电常数、厚度以及长度与晶体内电场分布之间的非线性映射关系,且求解过程能够有效地避开局部陷阱,优化后晶体内电场均匀度提高了20.8%、训练时间节省了89%。最后通过实验验证了模型的有效性。     

基于深度学习的管道焊缝超声检测缺陷识别方法

目前深度学习的方法已经很好的应用于基于图像数据的管道焊缝缺陷自动检测,但是对于深度学习辅助超声无损检测却进展缓慢。主要原因是超声无损检测数据的复杂性(步长大、多模态、多峰分布等),神经网络训练往往出现梯度消失或爆炸的问题,而且能用于训练的标准数据集也严重匮乏。为了克服这些困难,首先引入特殊标准化方法和全连接隐含层实现了一种超声无损检测数据增强方法FMC-GAN构建虚拟数据集,再根据改进的LSTM-FCN模型并引入门函数,以此彻底克服超声无损检测数据复杂性。最后实验表明LSTM-FCN网络识别真实检测数据中的缺陷漏检率为0,各缺陷综合正确识别率高于95.6%,达到工业检测的要求,为超声无损检测智能化发展提供重要研究基础。     

基于超声波的沥青--集料粘附性试验方法研究

对比试验了现有的沥青-集料粘附性,提出了运用超声波模拟动水压力作用下沥青从集料表面剥落的粘附性测试方法。从试验结果可以看出,这一试验方法可以较好地区分不同集料的粘附性能。集料的粘附性不仅与其岩性有关,还受到表面形态的影响。     

基于光流重构和深度姿态特征的行人跌倒检测方法

随着我国老龄化人群数量的增长,老年人实时行为轨迹的跟踪检测成为当前智慧社区研究的热点。本文针对现有行人跌倒检测算法在面临电动车流和行人影子的干扰而导致识别准确率不高的问题,提出了一种基于优化yolov5的路边行人跌倒检测方法。首先基于视频抽帧的方式将原始数据输入到yolov5网络进行监控行人视频数据的预处理,实现行人背景重构;然后提取光流和anchor框作为其运动特征;最后对此特征进行判定,进行信息融合的跌倒检测网络进行跌倒特征识别,并在不同帧序列和不同背景下进行对比试验。本文所提出的方法在行人跌倒数据集Multiple cameras fall和Le2i上进行了实验,结果表明本文的算法在基于电动车流和行人影子干扰场景下较传统方法在准确率和召回率上分别提升了9%和10%。     

基于机器学习链路权重优化的无人机网络路由算法

针对分布式“马赛克战”场景下侦察-判断-决策-行动(observe orient decide act,OODA)环通信加速的要求,提出了基于机器学习链路权重优化的无人机集群网络路由算法。针对OODA环当前阶段业务量通信需求,对业务量通信的完成时间进行建模,以最小化业务量通信完成时间为优化目标,通过利用机器学习梯度下降方法实现无人机集群网络分布式路由链路权重的优化,从而满足OODA环的通信加速要求,使己方可以先敌行动,获得战场主动权。仿真表明,相比于现有无人机网络的路由算法,提出的算法能显著降低OODA环的通信时间,提高数据报文传输成功率。