涡旋的提取和跟踪算法研究

文中提出了基于特征流场[1]概念的平面时变流场多涡结构中涡旋的自动提取及跟踪算法研究。该算法是通过提取流场中的涡旋区域从而确定涡核范围,对涡核采用流线积分的方法来跟踪,精密跟踪三维特征流场内涡核以及在被积流线上记录其具体的演化路径,从而为流场中不同时段的演变过程能更直观的去观察奠定了基础。     

基于新最速下降法的目标跟踪算法

雷达目标跟踪滤波算法是雷达信号处理的重要组成部分, 在空防预警、战场监视、导弹制导等领域起着重要的作用。本文提出了基于一种新最速下降法的目标跟踪算法。首先建立一种基于改进多项式拟合模型的运动描述模型, 接着用一种新最速下降法来求解运动模型的最优参数, 通过实时的最优运动模型对运动目标航迹进行预测跟踪, 并采用正则化思想去除噪声影响。将本文算法与目前常用的交互多模型跟踪滤波算法进行对比, 仿真结果表明在目标机动和非机动的情况下, 本文算法的精度更高、计算量更小、实时性更好。     

基于扰动观测器的飞行器轨迹跟踪控制器设计

针对多种扰动作用下的固定翼飞行器三维轨迹跟踪问题, 设计了一种基于改进非线性扰动观测器的非奇异快速终端滑模轨迹跟踪控制器。首先推导固定翼飞行器三维轨迹跟踪误差模型, 考虑模型误差和飞行过程中的未知扰动, 设计了一种基于状态估计误差反馈的非线性扰动观测器对扰动进行观测。基于非奇异快速终端滑模控制方法, 采用双幂次趋近律设计轨迹跟踪控制器, 并证明了闭环控制系统的稳定性。仿真结果表明, 在多种扰动的作用下, 所设计的轨迹跟踪控制器能够对三维机动轨迹进行准确、稳定的跟踪。     

闽江河口三维潮流和余流特征及污染物运动轨迹的数值模拟

基于河口、陆架和海洋沉积物(ECOMSED)模型,将干湿网格判别技术引入潮汐潮流的漫滩过程,建立闽江河口的三维斜压潮流数值模型;开展闽江口潮流、余流的三维动力学特征研究,并基于Lagrangian粒子示踪法进行污染物迁移轨迹的模拟.结果表明:潮流受闽江径流作用影响明显,落潮流速大于涨潮流速;与涨急时相比,落急时的流速呈现明显的分层现象,且随水深的增大而逐渐减小,流速减小的幅度较大;北支水道余流强度大于南支水道;垂向上,表层余流流速大于底层余流流速,表、中层余流以落潮余流为主,而底层余流则以涨潮余流为主.粒子追踪的模拟结果表明:涨憩时刻是较理想的排污时间,梅花水道与川石水道以南沿岸是较理想的排污口位置,表层排放的污染物更容易且更快向闽江河口外迁移.     

基于Mask R-CNN的多目标跟踪算法

针对目前多目标跟踪算法在面对目标频繁遮挡时跟踪效果较差的问题, 提出采用Mask R-CNN作为检测器, 根据检测结果利用Kalman滤波器预测下帧图像中跟踪目标的位置, 用改进匈牙利算法进行数据关联, 并利用轨迹修正方案应对轨迹中断问题. 将该算法在MOT16数据集的各测试集上进行实验, 实验结果表明, 该算法目标跟踪准确率为55.1%, 且针对目标被遮挡问题效果较好.     

自适应高斯厄米特粒子 PHD 滤波多目标跟踪算法

针对高斯厄米特粒子概率假设密度(probability hypothesis density,PHD)算法可能导致滤波计算复杂度较高、精度不强,性能较差的问题,提出一种自适应高斯厄米特粒子PHD的改进算法,该算法通过在高斯变换的过程中引入阈值,以该闽值为界剔除权值较小的积分点,对大于阈值的积分点进行归一化处理,在保证滤波精度的基础之上,减小权值较小点在计算上带来的冗余;另外在高斯厄米特滤波的过程中引入了自适应因子,适当调整高斯厄米特滤波过程中的增益,自适应调节滤波的均值与方差,以提高滤波过程的精度.仿真结果表明:改进后的算法相比于高斯厄米特粒子PHD算法在精度上有明显提高,同时简化了计算复杂度,达到预期的目的.     

基于支持向量机优化的行人跟踪学习检测方法

提出一种基于SVM(Support Vector Machine)优化的TLD(Track-LearningDetection)行人检测跟踪算法.将行人作为正样本,背景作为负样本,提取出行人的HOG特征并投入线性SVM中进行训练,得到行人检测分类器,并标定出目标区域,实现行人自动识别;然后在TLD算法的基础上对行人进行跟踪和在线学习,估计检测出的正负样本并实时修正检测器在当前帧中的误检,利用相邻帧间特征点配准剔除误配点,同时更新跟踪器数据,以避免后续出现类似错误.实验表明,该算法能够适应遮挡变化且自动识别并稳定跟踪目标行人,较传统跟踪算法具有更强的鲁棒性.     

具有未知侧滑和打滑的WMR强化学习自适应神经网络控制

利用反演设计,提出一种强化学习自适应神经网络轮式移动机器人(WMR)轨迹跟踪控制方法.首先在极坐标下建立WMR的轨迹跟踪误差模型,并基于此设计运动学控制器.然后,针对WMR动力学系统,设计自适应神经网络控制器.结合强化学习机制,同时对系统未知侧滑、打滑和模型不确定性进行优化补偿,并引入鲁棒控制项来消除补偿误差的影响,进一步提高了控制效果.所提控制方法使得闭环系统稳定,且最终一致有界收敛,其有效性通过数值仿真结果得到了验证.     

粒子滤波算法在视频目标跟踪中的应用

首先介绍粒子滤波的基本理论,然后构建粒子滤波视频目标跟踪系统的状态模型和观测模型,进而根据状态模型和观测模型提出一种基于粒子滤波的视频目标跟踪算法,并通过实际的视频目标跟踪系统对算法进行实验分析,说明粒子滤波算法在视频目标跟踪中的优越性.     

一种改进Camshift算法及其ARM实现

基于视频序列的运动目标跟踪在安防、军事等领域用途广泛。针对传统Camshift算法易受颜色相近物体的干扰,丢失目标的情况,提出了一种改进的Camshift算法。该算法检测SIFT特征点并进行FREAK特征匹配,通过判断每一帧跟踪结果的跟踪精度修正跟踪矩形框,从而改善跟踪精度。为便于工程应用,在Linux系统上进行了算法移植,实现了基于ARM的运动目标跟踪系统。实验结果证实改进算法对部分遮挡、颜色相近干扰等情况具有稳定性,能够实现对运动目标的准确跟踪。