寻找轮廓实现视频流的运动目标检测

本文研究的是一种在静止背景中基于轮廓的运动目标检测算法,该算法首先将图像转化为单通道,进行滤波,计算相邻两帧图像差分图像的阈值,将差分图像转化为二值图像,同时对背景进行更新,然后对二值图像进行边缘检测,得到运动目标的边界,再进行区域填充等处理,最终获得运动目标的区域。实验表明,本算法相对于传统的帧间差分法对运动目标速度要求低．较好得克服了其不能准确检剡运动目标大小的问题,保持其对背景渐变不敏感的优点,本算法检测有效、稳定,无论单目标检测还是多目标检测,均取得了较好的效果。     

基于证据理论的多特征联合数据关联算法研究

数据关联算法是雷达数据处理的核心技术之一。传统的数据关联算法利用目标位置信息进行关联,如最优邻近、概率数据关联等等。当目标环境异常复杂时,如目标在杂波区、目标密集区时,基于位置信息的传统数据关联算法性能下降,易造成目标跟踪丢失。文章根据证据理论思想,提出了一种基于目标多特征信息的联合数据关联算法。对于回波起伏缓慢的目标,将目标位置、目标方位变化率、目标能量和等特征信息代入目标点迹航迹关联过程。在杂波区、目标密集区时,利用目标点迹的特征变化来判断点迹是否为目标正确关联点迹。通过雷达实测数据验证表明,多特征联合数据关联算法可以改善目标在杂波区、目标密集区等环境下的稳定跟踪能力,具有一定的实际工程应用价值。     

光流法在视觉识别中的应用研究

文章利用光流算法对视觉识别的特定物体进行了解算。利用Python软件平台的综合性结合OpenCV作为基础,在高斯滤波和Canny获得特定颜色物体的基础上,通过光流算法进行了物体运动趋势分析,通过Python自带的图形显示,证明了光流能够较好地介入图像并且与实际运动方向相锲合。因此验证了光流算法在视觉识别中的可行性。     

基于态势解析的交错重叠多目标跟踪算法

文章提出了一种对海雷达跟踪系统中基于态势解析及特征提取技术的交错重叠多目标跟踪算法,在跟踪过程中建立起目标船只周围的态势信息,同时掌握周围其他船只的特征信息,通过合并拆分模型完成对复杂环境下重叠目标的跟踪过程。该方法较好解决了跟踪过程中目标交错、雷达回波重叠,无法正常跟踪的难题,提高了多目标在会遇、追越等复杂环境下的跟踪能力。     

一种改进的分数阶Fourier变换目标检测算法

传统的信号检测和噪声分离方法只限于在时域或是频域进行,如果信号和背景噪声有很强的时频耦合,就难于在时频域得到好的检测结果。对此提出了分数阶Fourier变换检测算法做出改进,新的算法具有解除时频耦合和抑制噪声的特性,当选择合适的旋转角度使之与处理信号相匹配,就可以在分数阶Fourier域获得较好的检测结果。仿真实验中利用改进的分数阶Fourier变换算法对运动目标进行检测,结果表明新的分数阶Fourier算法的检测性能优于原分数阶Fourier变换。     

并行多尺度特征增强的小目标检测

由于小目标像素点少，本身携带的特征较少，大多数目标检测算法不能有效利用特征图中小目标的边缘信息和语义信息,导致小目标检测精度低，漏检、误检现象时有发生。为解决RetinaNet模型小目标信息特征不足的缺陷，在RetinaNet模型中引入一个并行辅助的多尺度特征增强模块MFEM(muti-scale feature enhancement model)，通过使用不同扩张率的空洞卷积，避免多次下采样造成信息损失的同时，有利于辅助浅层提取多尺度上下文信息。另外，采用一种专门针对目标检测任务而设计的主干网改进方案，可有效保存高层特征图的小目标信息。传统自上而下的金字塔结构侧重于将高层语义从顶层传递到底层，单向传递的信息流不利于小目标的检测。将辅助MFEM分支与RetinaNet相结合，构造一个包含双向特征金字塔结构的模型，它可有效地融合网络高层强语义信息和底层高分辨率信息。为证明文中算法FE-RetinaNet (Feature Enhancement RetinaNet)的有效性，在MS COCO公共数据集进行实验。与原RetinaNet相比，改进的RetinaNet在MS COCO数据集上检测精度（mAP）取得了1.8%的提升，COCO AP为36.2%；FE-RetinaNet在小目标上检测效果良好，APs提高了3.2%。     

基于深度学习的变电站机器人仪表检测研究

为提升变电站巡检机器人对仪表的识别检测能力,将深度学习技术应用于变电站仪表检测中,提出一种适用于变电站巡检机器人的轻量级卷积神经网络.该网络以深度可分离卷积替代传统卷积作为特征提取基本单元,有效降低网络参数.同时,针对不同尺寸的目标,采用反卷积多通道融合和多支路空洞卷积相结合的方式,提升网络对图像多尺度特征信息的获取,保证网络检测精度.通过实验表明,所提网络在目标检测精度以及效率上都有较大提升,并能较好地应用于变电站巡检机器人仪表检测中,实现高效识别检测.     

基于改进模糊聚类算法的地铁站点重要性分析

为了研究地铁网络的节点重要性,研究一种改进模糊聚类算法:将地铁网络抽象为无向无权复杂网络,选取节点介数、接近中心性和特征向量中心性作为节点重要性的评价指标,利用k-means和熵权法改进的FCM模糊聚类算法,对地铁网络节点的重要性进行软化分.采用误判率交叉估计法对模糊聚类结果进行检验.实证表明,相比传统FCM算法,改进FCM算法目标函数收敛次数降低了58.06％,目标函数值降低了5.33％,误判率为0,更适用于地铁站点的重要性分析.     

帧间积累抑制海杂波算法研究

复杂海杂波中的目标检测一直是一个探索性强、难度大的研究领域[1],在非相参对海雷达检测领域,单帧恒虚警、多帧的TBD技术均会带来较大的虚警,文章提出一种多帧数据相关性积累算法,利用海杂波的帧间非相关性进行海杂波抑制与目标检测,解决了快速目标帧间跨距离单元、方位单元的帧间数据相关积累问题。经实际采集数据验证,比单帧恒虚警检测有较好的处理效果。     

基于混合蚁群算法的企业车间作业计划问题研究

文章研究了以最小化制造跨度为目标的，具有模糊加工时间的车问作业计划问题。针对该问题，采用三角模糊数来表征时间参数，并在此基础上构建问题目标函数。之后给出了一种混合蚁群求解算法，将模拟退火算法的全局优化特性嵌入蚁群算法来避免局部最优的问题。最后通过实例验证了算法的有效性。