目標跟蹤
- 基于Lucas-Kanade算法的目標跟蹤研究
景下,傳統(tǒng)的目標跟蹤算法容易出現(xiàn)人員跟丟、身份變換、目標被遮擋無法識別等情況,無法做到對目標的準確實時跟蹤。該文選擇Lucas-Kanade算法,用以對視頻中的移動目標進行檢測與跟蹤研究。在時間流運動目標軌跡不相同時,利用各幀圖像上的運動目標軌跡偏差對算法進行評估,主要估算算法對運動目標的跟蹤具體情況。實驗結(jié)果表明,該算法能有效防止被跟蹤點因被遮擋、隱沒或紋理特性改變而引起的跟蹤失敗,實現(xiàn)對運動目標的準確、實時和穩(wěn)定跟蹤,從而為變電站在復(fù)雜環(huán)境中的運動目標
電腦知識與技術(shù) 2023年31期2023-12-25
- 概率密度函數(shù)信息融合概述
機器學(xué)習(xí); 目標跟蹤中圖分類號:? TJ760文獻標識碼:A文章編號: 1673-5048(2023)03-0001-10DOI: 10.12132/ISSN.1673-5048.2022.02050引言目前, 針對狀態(tài)信息的信息融合表達較多是以變量(標量、 向量、 矩陣)及隨機變量的形式表示。 通過對變量的加權(quán)平均求融合中心或者通過對隨機變量的均值和方差進行加權(quán)平均, 從而實現(xiàn)對多狀態(tài)信息的融合。 然而, 均值和方差僅僅代表隨機變量的一階和二階統(tǒng)計量信息
航空兵器 2023年3期2023-07-20
- 復(fù)雜場景下自適應(yīng)特征融合的圖像運動目標跟蹤算法研究
? ? 針對目標跟蹤所面臨的尺度變化、 快速運動導(dǎo)致的跟蹤漂移或失敗問題, 提出一種復(fù)雜場景下自適應(yīng)特征融合的圖像運動目標跟蹤算法。 本文分別設(shè)計了目標分類和目標估計模塊, 并將其有效結(jié)合。 在目標分類模塊, 設(shè)計了一種自適應(yīng)特征融合機制。 該機制融合了多層深度特征以實現(xiàn)有效的在線跟蹤。 此外, 設(shè)計的聯(lián)合更新策略通過優(yōu)化投影矩陣層和相關(guān)層, 在處理運動模糊、 嚴重目標形變時具有更強的魯棒性。 在目標估計模塊, 引入IoU(Intersection ove
航空兵器 2023年2期2023-06-25
- 自動全局上下文感知相關(guān)濾波器跟蹤算法
效果.關(guān)鍵詞目標跟蹤;相關(guān)濾波;自動空間正則化;全局上下文 ;時間感知中圖分類號TP391.4文獻標志碼A收稿日期2021-07-30資助項目國家自然科學(xué)基金(61601230)作者簡介胡昭華,女,博士,副教授,主要研究方向為視覺跟蹤、模式識別.zhaohua_hu@163.com0 引言目標跟蹤是機器視覺和大數(shù)據(jù)領(lǐng)域的重要研究任務(wù)之一.利用第1幀給出的目標對象的相關(guān)信息,在之后的連續(xù)視頻幀定位跟蹤對象的位置,主要涉足視頻監(jiān)控、交通巡邏、醫(yī)學(xué)圖像、無人機等
南京信息工程大學(xué)學(xué)報 2023年1期2023-06-14
- 圖像識別技術(shù)在錄播系統(tǒng)中的研究
;目標檢測;目標跟蹤中圖分類號:TP391? ? ? ? 文獻標識碼:A文章編號:1009-3044(2023)06-0097-06開放科學(xué)(資源服務(wù))標識碼(OSID)0引言國家“十三五”教育改革提出通過提升教育信息化促進教育公平、提高教育質(zhì)量的方針[1]。近年來隨著云計算、大數(shù)據(jù)等技術(shù)的實現(xiàn),使利用信息化手段擴大優(yōu)質(zhì)教育資源覆蓋面、縮小區(qū)域、城鄉(xiāng)、校際教育資源不均衡再次提上議程。錄播采集課堂教學(xué)資源,促進優(yōu)質(zhì)教育資源共享的特點,使得錄播系統(tǒng)成為教育均衡
電腦知識與技術(shù) 2023年6期2023-04-14
- 基于深度霍夫優(yōu)化投票的三維時敏單目標跟蹤
維點云時敏單目標跟蹤問題,提出了一種基于深度霍夫優(yōu)化投票的深度學(xué)習(xí)算法。首先, 采用PointNet++網(wǎng)絡(luò)分別從模板點云和搜索點云中計算種子點、提取幾何特征,并通過面向目標的特征提取方法將目標模板信息編碼到搜索區(qū)域中。其次,通過種子點投票計算并篩選出具有高置信度的潛在目標中心。最后,通過目標中心點的采樣、聚集產(chǎn)生多個提議,選取具有最高得分的提議生成三維目標框。該算法能夠有效避免耗時的三維全局搜索,且對點云的無序性、不規(guī)則性和稀疏性保持魯棒。為了驗證該網(wǎng)絡(luò)
航空兵器 2022年2期2022-05-18
- 快速魯棒高光譜目標跟蹤算法
? 針對傳統(tǒng)目標跟蹤的難點如目標與背景混淆及目標外觀急劇變化等問題,利用高光譜視頻包含的二維空域信息和豐富的一維頻譜信息,提出一種快速魯棒目標跟蹤算法FRHT。首先,在傳統(tǒng)的空域注意力機制上基于高光譜數(shù)據(jù)的特點引入頻譜注意力機制,設(shè)計了相關(guān)濾波框架下自適應(yīng)更新學(xué)習(xí)的跟蹤器; 其次,手工設(shè)計高光譜運動目標特征以加快跟蹤器運算速度; 最后,提出一種運動目標異常檢測機制,以增強跟蹤器對各種干擾的魯棒性。仿真結(jié)果表明,在高光譜數(shù)據(jù)集上,跟蹤器FRHT的速度和精度顯
航空兵器 2022年2期2022-05-18
- 基于相關(guān)濾波器的雷達單擴展目標跟蹤
在傳統(tǒng)的雷達目標跟蹤算法中,目標通常作為點目標來進行跟蹤濾波。隨著雷達傳感器分辨率的不斷提高,一個目標可占據(jù)多個分辨單元,雷達可以提供高分辨率的觀測結(jié)果。當目標變成擴展目標時,由于單個目標多個量測的產(chǎn)生,基于傳統(tǒng)點目標假設(shè)的目標跟蹤算法無法實現(xiàn)對擴展目標的穩(wěn)定跟蹤。本文基于計算機視覺領(lǐng)域的相關(guān)濾波算法提出了一種雷達單擴展目標跟蹤算法。該算法首先對雷達回波數(shù)據(jù)進行歸一化, 從而得到可視化的雷達距離-方位向圖像,然后將該圖像從極坐標系轉(zhuǎn)換到笛卡爾坐標系,最后利
航空兵器 2022年2期2022-05-18
- 基于QT的雷達目標跟蹤系統(tǒng)設(shè)計實現(xiàn)
QT平臺雷達目標跟蹤系統(tǒng)的設(shè)計方案。該系統(tǒng)能根據(jù)環(huán)境自適應(yīng)選擇跟蹤算法,實現(xiàn)目標跟蹤處理和目標信息實時顯示的功能。系統(tǒng)功能較為完備、界面友好,具有易操作、易維護、可移植到多種平臺等優(yōu)點。關(guān)鍵詞:QT平臺;目標跟蹤;信息顯示雷達目標跟蹤系統(tǒng)是操作員與雷達系統(tǒng)進行交互的一個重要平臺,主要負責(zé)目標跟蹤處理和目標信息實時顯示,實現(xiàn)操作員對戰(zhàn)場狀態(tài)的監(jiān)控。目前QT開發(fā)框架相比于其他開發(fā)產(chǎn)品,界面化程度更高,而且QT界面構(gòu)建更直觀、迅速、簡潔,因此本文選用QT進行軟件
科技風(fēng) 2022年11期2022-04-22
- 基于DeepSORT與改進YOLOv3的車間安全帽檢測系統(tǒng)研究
epSort目標跟蹤技術(shù)提高檢測算法的實時性?;陂_源SHMD數(shù)據(jù)集進行測試,結(jié)果顯示優(yōu)化YOLOv3算法的平均檢測準確率達到96.80%,比現(xiàn)有YOLOv3算法提高12%,執(zhí)行速度每秒32幀,在各種自然場景下都有出色的檢測效果。關(guān)鍵詞:DeepSORT;改進YOLOv3;車間安全;安全帽;目標跟蹤中圖分類號:TP391文獻標識碼:A文章編號:1009-3044(2022)05-0091-03近些年,我國建筑行業(yè)發(fā)生的安全事故中有60%以上的傷亡者未佩戴安
電腦知識與技術(shù) 2022年5期2022-04-11
- 基于孿生網(wǎng)絡(luò)的目標跟蹤研究綜述
于孿生網(wǎng)絡(luò)的目標跟蹤算法由于在跟蹤精度和跟蹤效率之間能夠?qū)崿F(xiàn)良好的平衡而備受關(guān)注。通過對基于孿生網(wǎng)絡(luò)的目標跟蹤算法的文獻進行歸納,對現(xiàn)有孿生網(wǎng)絡(luò)目標跟蹤算法進行了全面總結(jié),對孿生網(wǎng)絡(luò)的2個分支結(jié)構(gòu)進行了討論。首先,介紹了基于孿生網(wǎng)絡(luò)目標跟蹤的基本架構(gòu),重點分析了孿生網(wǎng)絡(luò)中主干網(wǎng)絡(luò)的優(yōu)化,以及主干網(wǎng)絡(luò)的目標特征提取問題。其次,對目標跟蹤過程中的分類和回歸2個任務(wù)展開討論,將其分為有錨框和無錨框2大類來進行分析研究,通過實驗對比,分析了算法的優(yōu)缺點及其目標跟蹤
河北科技大學(xué)學(xué)報 2022年1期2022-03-13
- 智慧交通中的目標識別技術(shù)研究
慧交通中的多目標跟蹤技術(shù)進行歸納,分析了多目標跟蹤的流程及主要步驟。關(guān)鍵詞:智慧交通;目標識別;目標跟蹤;特征提取中圖分類號:G642? ? ? ? 文獻標識碼:A文章編號:1009-3044(2022)01-0095-031 前言隨著國內(nèi)經(jīng)濟的發(fā)展以及各種類型汽車數(shù)目的增加,我國面臨的交通問題也越來越突出。如何在復(fù)雜的交通情況下進行車輛的目標識別和跟蹤,已經(jīng)成為智慧交通必須要解決的首要問題。在對車輛目標進行特征檢測和目標識別、跟蹤后,通過實時監(jiān)控車輛信息
電腦知識與技術(shù) 2022年1期2022-03-11
- 基于深度學(xué)習(xí)的無人機目標檢測系統(tǒng)
;目標檢測;目標跟蹤近幾年,關(guān)于無人機應(yīng)用方面的科學(xué)技術(shù)快速進步,推動了以無人機為絕對主力的“低、慢、小”航空器的迅猛快速發(fā)展,國內(nèi)的無人機“黑飛”事件也在逐漸增多。僅僅依靠政府出臺的法規(guī),依靠廣大無人機愛好者自覺自律,是無法徹底解決無人機的“黑飛”“濫飛”問題。因此,本文基于深度學(xué)習(xí)技術(shù),提出了對無人機目標檢測系統(tǒng)的研究。1無人機目標檢測模型的選取現(xiàn)在主流的目標檢測算法包括兩階段和單階段目標檢測算法,本文選擇具有代表性的Fast-RCNN、Faster-
科技風(fēng) 2022年6期2022-03-04
- 視頻目標跟蹤綜述
近年來主流的目標跟蹤算法。通過文獻閱讀和歸納對比,分析了使用生成式模型和判別式模型的目標跟蹤算法。結(jié)果顯示,對于存在復(fù)雜干擾因素的場景,采用第二類模型的目標跟蹤算法的跟蹤效果更好。文章為視頻跟蹤領(lǐng)域的研究者們提供了一個關(guān)于目標跟蹤算法的客觀分析。關(guān)鍵詞: 目標跟蹤; 深度學(xué)習(xí); 相關(guān)濾波; 計算機視覺中圖分類號:TP399? ? ? ? ? 文獻標識碼:A? ? ?文章編號:1006-8228(2022)01-32-04Overview on video
計算機時代 2022年1期2022-01-22
- 融合深度特征和FHOG特征的尺度自適應(yīng)相關(guān)濾波跟蹤算法
應(yīng)的相關(guān)濾波目標跟蹤算法。首先,通過深度殘差網(wǎng)絡(luò)(ResNet)提取圖像中被跟蹤區(qū)域的深度特征,再提取目標區(qū)域方向梯度直方圖(FHOG)特征,通過核相關(guān)濾波器學(xué)習(xí),分別得到多個響應(yīng)圖,并對響應(yīng)圖進行加權(quán)融合,得到跟蹤目標位置。其次,通過方向梯度直方圖(FHOG)特征,訓(xùn)練一個PCA降維的尺度濾波器,實現(xiàn)對目標尺度的估計,使算法對目標尺度發(fā)生變化有很好的自適應(yīng)能力。最后,根據(jù)響應(yīng)圖的峰值波動情況改進模型更新策略,引入重新檢測機制,降低模型發(fā)生漂移概率,提高算
河北科技大學(xué)學(xué)報 2021年6期2021-12-22
- 基于輕量孿生網(wǎng)絡(luò)的目標跟蹤算法
瑛摘要:行人目標跟蹤是智能監(jiān)控領(lǐng)域的一個重要課題。傳統(tǒng)的目標跟蹤技術(shù),在跟蹤精度上沒有深度網(wǎng)絡(luò)高,但深度卷積神經(jīng)網(wǎng)絡(luò)計算量極大,導(dǎo)致計算速度緩慢無法實時跟蹤。隨著卷積網(wǎng)絡(luò)的不斷發(fā)展,孿生網(wǎng)絡(luò)在目標跟蹤這一課題上脫穎而出,其根據(jù)子網(wǎng)共享權(quán)重的特點,可以訓(xùn)練出有效的網(wǎng)絡(luò)只需要少量的參數(shù),少量的參數(shù)也就意味著不易于過擬合以及運行速度快等突出的優(yōu)點,適用于實時行人目標跟蹤。文中采用孿生網(wǎng)絡(luò)和輕量骨干網(wǎng)絡(luò)構(gòu)建目標跟蹤網(wǎng)絡(luò),實現(xiàn)實時高精度的目標跟蹤算法。關(guān)鍵詞;目標跟
電腦知識與技術(shù) 2021年32期2021-12-19
- 淺析網(wǎng)球收集的智能機器人系統(tǒng)設(shè)計
;機器視覺;目標跟蹤隨著社會經(jīng)濟的蓬勃發(fā)展,我國的科學(xué)技術(shù)也逐漸成長壯大起來,智能機器人作為一種全新的自助機器人應(yīng)運而生,并在軍用、娛樂以及水下作業(yè)等領(lǐng)域中發(fā)揮著越來越重要的作用。網(wǎng)球收集智能機器人是通過嵌入式系統(tǒng)開發(fā),將機器視覺與精準定位技術(shù)融為一體,實現(xiàn)對機器人的智能控制、路徑規(guī)劃以及目標識別的一種智能化系統(tǒng)。提取網(wǎng)球的顏色與輪廓特征作為目標識別的基礎(chǔ),同時利用算法實現(xiàn)網(wǎng)球的目標定位,將網(wǎng)球收集工作更加智能化,效率得到了大大提升。一、硬件設(shè)計1、整體方
科技信息·學(xué)術(shù)版 2021年31期2021-12-03
- 基于核學(xué)習(xí)的運動目標跟蹤算法綜述
為解決非線性目標跟蹤問題提供了一種新的有效途徑。 傳統(tǒng)的目標跟蹤方法往往利用跟蹤模型預(yù)測目標當前運動狀態(tài), 并確保跟蹤的準確性與實時性, 核方法則提供了線性化處理的一般途徑, 且可以不依賴具體模型, 具備高效計算能力, 將核學(xué)習(xí)方法引入目標跟蹤領(lǐng)域有望提升目標跟蹤的環(huán)境適應(yīng)性。 本文基于核方法基本思想, 著重梳理了核學(xué)習(xí)目標跟蹤當前的研究進展, 包括基于核學(xué)習(xí)的目標檢測算法、? 生成式和判別式目標跟蹤算法, 以及構(gòu)造不同核函數(shù)的多核學(xué)習(xí)方法, 并對核學(xué)習(xí)目
航空兵器 2021年5期2021-11-12
- 基于深度學(xué)習(xí)的目標跟蹤算法研究現(xiàn)狀及發(fā)展趨勢
各個領(lǐng)域。在目標跟蹤領(lǐng)域,基于深度學(xué)習(xí)的方法也取得了巨大的成功。文章主要介紹基于深度學(xué)習(xí)的目標跟蹤算法研究現(xiàn)狀及發(fā)展趨勢。首先,介紹了視覺目標跟蹤傳統(tǒng)算法。然后,對基于深度學(xué)習(xí)的目標跟蹤算法進行分類,并進行問題分析。最后,對基于深度學(xué)習(xí)的目標跟蹤算法的發(fā)展趨勢進行預(yù)測。關(guān)鍵詞:目標跟蹤;深度學(xué)習(xí);孿生網(wǎng)絡(luò);相關(guān)濾波中圖分類號:TP391.41 ? ? ?文獻標識碼:A 文章編號:2096-4706(2021)08-0082-04Research Statu
現(xiàn)代信息科技 2021年8期2021-11-03
- 目標跟蹤機器人算法分析
文將詳細介紹目標跟蹤機器人算法的具體流程,通過專業(yè)的研究與調(diào)查,精準找出機器人算法在目標跟蹤中的具體應(yīng)用,如匹配轉(zhuǎn)角點、強化仿射變換等,并利用Mean-Shift算法來完善機器人的目標跟蹤水平,從而提升機器人算法的實用性。關(guān)鍵詞:機器人算法;目標跟蹤;仿射變換引言:在探索機器人內(nèi)部功能的過程中,實時的目標追蹤屬其內(nèi)部的重要功能,在研究目標跟蹤下機器人的算法時,相關(guān)人員應(yīng)明確機器人算法的具體要求,借助適宜的跟蹤算法,有效達成相關(guān)項目的實用性需求,全面改善相關(guān)
錦繡·下旬刊 2021年11期2021-10-12
- 人流量檢測及口罩佩戴檢測在樓宇節(jié)能與安防中的應(yīng)用
:神經(jīng)網(wǎng)絡(luò);目標跟蹤;智慧樓宇實時人流量統(tǒng)計信息在智慧樓宇場景中具有重要意義,一方面可以與樓宇空調(diào)、照明等系統(tǒng)進行聯(lián)動,根據(jù)特定區(qū)域的當前人數(shù)、人流量等信息,對空調(diào)的溫度、風(fēng)量等參數(shù)進行實時調(diào)整,在保證舒適環(huán)境溫度的同時降低能耗成本,實現(xiàn)節(jié)能降耗,提升能源利用率的目的;另一方面可以減少物業(yè)管理人員工作量,實現(xiàn)減員增效??谡峙宕鳈z測系統(tǒng)具備重要意義,在避免檢測人員和他人接觸感染的風(fēng)險的同時,還能夠提高檢測的效率。可用于機場、地鐵、車站等人員流動密集場所的監(jiān)控
科技風(fēng) 2021年24期2021-09-25
- 基于檢測的艦載機多目標實時跟蹤算法
的基于檢測的目標跟蹤算法跟蹤性能不佳且易受干擾的問題, 提出了將YOLO v3目標檢測算法和卡爾曼濾波相結(jié)合的艦載機多目標實時跟蹤算法。 通過K-means聚類算法優(yōu)化了原YOLO v3算法的錨點框大小, 結(jié)合卡爾曼濾波算法對艦面艦載機目標實現(xiàn)有效的跟蹤, 并在自建的艦載機多目標跟蹤數(shù)據(jù)集和MOT16多目標跟蹤數(shù)據(jù)集上與基于光流法的跟蹤算法、 SORT多目標跟蹤算法進行了對比實驗。 結(jié)果表明, 本文提出的跟蹤算法準確性、 魯棒性、 穩(wěn)定性更高, 且當目標框
航空兵器 2021年4期2021-09-18
- 對等結(jié)構(gòu)下的相對導(dǎo)航源選擇研究
雷達信號; 目標跟蹤中圖分類號:??? TJ765; V294.3 ??文獻標識碼:??? A 文章編號:1673-5048(2021)04-0043-060 引? 言多傳感器目標跟蹤中常采用集中式與分布式結(jié)構(gòu)。 集中式結(jié)構(gòu)中各節(jié)點發(fā)送數(shù)據(jù)至融合中心進行信息融合, 對通信和計算能力提出了較高要求[1]。 分布式結(jié)構(gòu)中各節(jié)點獨立處理局部觀測數(shù)據(jù)后匯總到融合中心進行處理, 減輕了通信量、 計算量的負擔(dān), 且能達到與集中式相近的精度[2]。 集中式與分布式結(jié)構(gòu)都
航空兵器 2021年4期2021-09-18
- 基于信息質(zhì)量選擇的動態(tài)航跡融合算法
航跡融合; 目標跟蹤中圖分類號:TJ765; TP391 ??文獻標識碼:??? A? 文章編號:1673-5048(2021)04-0030-070 引? 言機動目標跟蹤領(lǐng)域的研究工作大都假設(shè)量測數(shù)據(jù)完備, 但在實際應(yīng)用中, 由于傳感器本身故障、 外來干擾等一些不確定因素的影響, 導(dǎo)致傳感器獲得的信息為不完備信息[1]。 近年來, 國內(nèi)外一些學(xué)者針對不完備信息, 尤其是量測丟失情況下的傳感器融合估計問題進行了研究, 并取得一定的成果。 文獻[2-6]基于
航空兵器 2021年4期2021-09-18
- 基于粒子濾波的多徑伯努利目標跟蹤算法
伯努利濾波;目標跟蹤1引言目標跟蹤即為利用傳感器獲得的參數(shù)對目標位置信息進行估計的過程,根據(jù)目標個數(shù)的不同目標跟蹤分為單目標跟蹤和多目標跟蹤兩種。傳統(tǒng)的單目標跟蹤過程即利用基于目標運動和測量方程的濾波算法對目標狀態(tài)進行估計,從而實現(xiàn)目標跟蹤。傳統(tǒng)的多目標跟蹤算法首先對目標和傳感器獲得的測量值進行數(shù)據(jù)關(guān)聯(lián),然后分別利用單目標跟蹤算法對每個目標進行跟蹤。傳統(tǒng)的多目標跟蹤過程即為先關(guān)聯(lián)后濾波過程,此類算法需要目標跟蹤的數(shù)目個數(shù)已知且不變的條件。而實際跟蹤過程中往
電腦知識與技術(shù) 2021年22期2021-09-14
- 基于改進粒子濾波算法的豬只跟蹤研究
化;豬養(yǎng)殖;目標跟蹤中圖分類號 S-058 ??文獻標識碼 A? 文章編號 0517-6611(2021)16-0230-03doi:10.3969/j.issn.0517-6611.2021.16.060?? 開放科學(xué)(資源服務(wù))標識碼(OSID):Pig Tracking Based on Improved Particle Filter AlgorithmSHU Ping, WU Hong-hao, SUN Juan et al(Yancheng B
安徽農(nóng)業(yè)科學(xué) 2021年16期2021-08-30
- 基于孿生卷積神經(jīng)網(wǎng)絡(luò)的目標跟蹤算法研究
要: 傳統(tǒng)的目標跟蹤算法采用人工特征描述物體特征,這類人工設(shè)計的特征不能全面地表達一個物體的特點,在跟蹤過程中這些特征點容易受到外界因素的影響,導(dǎo)致跟蹤效果不穩(wěn)定。基于卷積神經(jīng)網(wǎng)絡(luò)的目標跟蹤算法由于采用卷積神經(jīng)網(wǎng)絡(luò)提取物體的深層次特征,這類特征能夠模仿人腦描述學(xué)習(xí)一個物體的深層特征,使得在跟蹤中具有較高的穩(wěn)定性,目標不容易丟失且跟蹤的準確性更高,能夠適應(yīng)復(fù)雜多變的環(huán)境魯棒性更好。本文提出的算法采用Tensorflow搭建網(wǎng)絡(luò)框架,離線訓(xùn)練模型,然后利用Op
智能計算機與應(yīng)用 2021年3期2021-08-09
- 基于LMB平滑的雷達弱小目標跟蹤
平滑器實現(xiàn)多目標跟蹤;最后在軌跡連續(xù)性判斷和有效軌跡提取后輸出目標的最終軌跡。LMB平滑器可以得到目標平滑后的軌跡,提高距離和速度的估計精度。軌跡連續(xù)性判斷和有效軌跡提取,可以有效克服速度抖動引起的斷裂軌跡和速度模糊引起的虛假軌跡問題。應(yīng)用本文算法處理多個測試數(shù)據(jù)的綜合得分率為96.67%,從而驗證了算法的有效性和穩(wěn)健性。關(guān)鍵詞: 脈沖多普勒雷達;軌跡連續(xù)性判斷;標記多伯努利;濾波平滑;目標跟蹤中圖分類號:TJ765.4; TN957.51 文獻標識碼:
航空兵器 2021年2期2021-08-05
- 基于均值漂移理論的機動單目標跟蹤方法研究
條件下機動單目標跟蹤問題進行了研究,首先在初始幀采用交互方式,目標搜索,選定待跟蹤目標,然后應(yīng)用漂移理論方法,對機動單目標進行有效跟蹤。仿真結(jié)果表明,使用漂移方法可以實現(xiàn)對范圍內(nèi)的機動單目標進行后續(xù)幀序列中的目標行進方向預(yù)測和跟蹤,彌補了傳統(tǒng)跟蹤算法的短板、保留了均值漂移算法的低計算復(fù)雜度和實時性。關(guān)鍵詞:機動目標? 均值漂移? 目標跟蹤? 圖像預(yù)理中圖分類號:TP391.41 ? ? ? ? ?文獻標識碼:A? ? ? ? ? ? ? ? ? ?文章編號
科技創(chuàng)新導(dǎo)報 2021年9期2021-07-28
- 基于空間正則化約束的支持向量相關(guān)濾波器目標跟蹤方法
,SCF)的目標跟蹤方法存在嚴重的樣本邊界不連續(xù)問題,因此模型判別能力受到嚴重限制。本文將空間正則化項引入到SCF中,提出了基于空間正則化約束的支持向量相關(guān)濾波器(Spatially Regularized SCF,SRSCF)模型。相比于SCF,SRSCF不僅可以借助更大的圖像區(qū)域進行模型學(xué)習(xí),同時也能緩解樣本的邊界不連續(xù)問題對模型學(xué)習(xí)的負面影響,由此得到判別能力更強的模型。此外,本文提出了一種ADMM(Alternating Direction Met
智能計算機與應(yīng)用 2021年1期2021-07-11
- EKF在機器人目標跟蹤中的應(yīng)用
濾波在機器人目標跟蹤中有非常重要的應(yīng)用,該文重點介紹了擴展卡爾曼濾波的工作流程以及如何應(yīng)用在機器人目標跟蹤中。但EKF算法應(yīng)用在非線性系統(tǒng)中會產(chǎn)生二次項以上的截斷誤差,累計會影響機器人的定位精度。該文主要從拓展卡爾曼濾波的收斂性上進行分析,利用雙估計用觀測殘差對過程噪聲進行補償,利用新息和觀測值估測觀測噪聲矩陣,通過多次預(yù)測、更新迭代從而達到對機器人更精準的定位。關(guān)鍵詞:擴展卡爾曼濾波;目標跟蹤;噪聲補償;觀測噪聲中圖分類號:TP3? ? ? ? 文獻標識
電腦知識與技術(shù) 2021年36期2021-03-07
- 一種基于自適應(yīng)網(wǎng)格機制的強機動目標濾波算法
計, 以提高目標跟蹤精度。 首先, 對強機動目標濾波算法開展分析, 提出以交互式多模型算法為基礎(chǔ)的混合網(wǎng)格多模型(HGMM)算法。 其次, 針對混合網(wǎng)格多模型算法開展詳細設(shè)計。 最后, 通過數(shù)字仿真驗證了該算法可行且跟蹤效果良好, 跟蹤精度提高了約20%。關(guān)鍵詞:???? 自適應(yīng)網(wǎng)格; 交互多模型; 混合網(wǎng)格多模型; 機動目標; 目標跟蹤; 濾波算法; 空空導(dǎo)彈中圖分類號:???? TJ760; V212.13+5 文獻標識碼:??? A 文章編號:???
航空兵器 2021年6期2021-01-06
- 計算機視覺在物流倉儲安全管理中的應(yīng)用
積神經(jīng)網(wǎng)絡(luò)的目標跟蹤算法,并經(jīng)實驗結(jié)果驗證了該算法的可行性。關(guān)鍵詞: 計算機視覺;圖像處理;相關(guān)濾波;卷積神經(jīng)網(wǎng)絡(luò);目標跟蹤;傅里葉中圖分類號: TP3? ? 文獻標識碼: A? ? DOI:10.3969/j.issn.1003-6970.2020.10.046本文著錄格式:王夢嘯. 計算機視覺在物流倉儲安全管理中的應(yīng)用[J]. 軟件,2020,41(10):180183【Abstract】: Safety management of logistics
軟件 2020年10期2020-12-23
- 一種融合有效卷積操作子和顏色直方圖的目標跟蹤算法
算法能夠提高目標跟蹤的魯棒性,提升跟蹤精度和速度。最后,采用數(shù)據(jù)集的方法驗證了該算法的有效性。關(guān)鍵詞:目標跟蹤;相關(guān)濾波;有效卷積操作子;顏色直方圖中圖分類號:TP391.4? ? ? ?文獻標志碼:A? ? ? ? ?文章編號:2095-2945(2020)36-0073-04Abstract: The correlation filtering tracking algorithm based on effective convolution oper
科技創(chuàng)新與應(yīng)用 2020年36期2020-12-14
- 基于相關(guān)濾波的重檢測目標跟蹤算法
明摘要:針對目標跟蹤中因嚴重遮擋、變形、快速運動等因素導(dǎo)致的跟蹤失敗問題,提出一種基于相關(guān)濾波的重檢測跟蹤算法。首先使用相關(guān)濾波算法Staple對目標進行位置估計,然后構(gòu)造一個檢測濾波器對Staple算法跟蹤結(jié)果進行置信度檢測,將檢測分數(shù)作為跟蹤結(jié)果的置信度評估結(jié)果。若檢測分數(shù)小于給定閾值,則激活在線SVM分類器對跟蹤結(jié)果進行重檢測。同時用檢測濾波器對SVM分類結(jié)果進行檢測,若檢測分數(shù)大于Staple跟蹤算法檢測分數(shù),則采用SVM的跟蹤結(jié)果。在基準數(shù)據(jù)集O
軟件導(dǎo)刊 2020年10期2020-12-01
- 基于KCF的多條件綜合判斷行人跌倒檢測方法
;目標檢測;目標跟蹤;HOG特征;OpenCV;SVM中圖分類號:TP391.41文獻標識碼:A文章編號:2095-1302(2020)09-00-040 引 言如今社會中空巢老人的數(shù)量逐步增多,老人發(fā)生跌倒的概率也相應(yīng)增加,逐漸引起人們的關(guān)注。目前主要通過行人跌倒自動檢測系統(tǒng)預(yù)防老人跌倒后無法得到及時救護,其主要分為基于可穿戴裝置的系統(tǒng),基于場景設(shè)備的系統(tǒng)以及基于計算機視覺的跌倒自動檢測系統(tǒng)?;诳纱┐餮b置的跌倒自動檢測系統(tǒng)通過穿戴具有加速度傳感器的設(shè)備
物聯(lián)網(wǎng)技術(shù) 2020年9期2020-10-09
- 視頻目標跟蹤算法研究
摘 要 視頻目標跟蹤一直是計算機領(lǐng)域的熱點問題,近些年,深度學(xué)習(xí)等技術(shù)的發(fā)展使得目標跟蹤算法的正確率獲得很大提升,但是目標發(fā)生變化如被遮擋等情景時,易導(dǎo)致跟蹤錯誤,為了進一步提高目標跟蹤算法的準確性,文中將在目標跟蹤中引入新的算法,并對該流程做了系統(tǒng)概述。關(guān)鍵詞 計算機領(lǐng)域;深度學(xué)習(xí);目標跟蹤本文主要通過基于目標檢測的跟蹤算法,將視頻中的每一幀的目標檢測出來,并將結(jié)果關(guān)聯(lián)成軌跡,從而確定每個行人目標各自的運動軌跡?;谀繕藱z測的跟蹤分為兩大部分:行人檢測和
科學(xué)與信息化 2020年23期2020-09-06
- 基于核相關(guān)濾波器的運動目標跟蹤算法研究
個熱點之一,目標跟蹤具有重要的應(yīng)用價值。影響目標穩(wěn)定跟蹤的因素有很多,想在任何影響下都能穩(wěn)定跟蹤在領(lǐng)域內(nèi)是一項重大的挑戰(zhàn)。相關(guān)濾波跟蹤算法具有較高的跟蹤精度以及優(yōu)秀的跟蹤處理速度,然而在目標有尺度變化或者受到遮擋時的跟蹤效果不是很理想。針對這兩個問題,本文提出一種基于核相關(guān)濾波并融合HOG特征與SIFT特征的跟蹤算法。該算法能在一定程度上解決目標尺度變化劇烈以及短暫遮擋后目標框漂移的問題。關(guān)鍵詞 目標跟蹤;相關(guān)濾波;尺度自適應(yīng);抗遮擋;特征融合1相關(guān)濾波跟
科學(xué)與信息化 2020年23期2020-09-06
- 一種基于視覺的車載照明自動跟蹤系統(tǒng)
;步進電機;目標跟蹤DOI:10. 11907/rjdk. 201432 開放科學(xué)(資源服務(wù))標識碼(OSID):中圖分類號:TP319文獻標識碼:A 文章編號:1672-7800(2020)008-0161-04Abstract:Aiming at the problems such as limited illumination range and complicated direction adjustment of vehicle lighting
軟件導(dǎo)刊 2020年8期2020-09-02
- 基于目標跟蹤算法的點云標注軟件設(shè)計
計了一款基于目標跟蹤算法的標注軟件。該軟件除了很好的完成點云標注功能,還實現(xiàn)了對相應(yīng)圖片的映射標注,使用的目標跟蹤算法極大的提高了標注效率。本文主要從以上三個方面介紹軟件的設(shè)計思路,最后介紹軟件的標注流程。關(guān)鍵詞:點云標注;目標跟蹤;軟件設(shè)計Abstract:Aiming at the problem of point cloud data labeling in autonomous driving scenarios,a labeling softwa
科學(xué)導(dǎo)報·學(xué)術(shù) 2020年34期2020-08-14
- 基于嵌入式設(shè)備與深度學(xué)習(xí)模型的智能小車的設(shè)計與研究
智能小車實現(xiàn)目標跟蹤。關(guān)鍵詞:樹莓派;Arduino;深度學(xué)習(xí);目標跟蹤中圖分類號:TP23 文獻標識碼:A 文章編號:1007-9416(2020)05-0161-020引言視頻目標跟蹤是計算機視覺領(lǐng)域的重要研究方向之一,它在智能視頻監(jiān)控、人機交互等領(lǐng)域有廣泛應(yīng)用。隨著深度學(xué)習(xí)方法的發(fā)展,視頻目標跟蹤變得越來越精準。樹莓派是一款具備高級功能的嵌入式主板,Arduino是一款便捷的嵌入式開發(fā)工具,可做實時信號采集和控制。然而樹莓派硬件擴展能力差,Ardui
數(shù)字技術(shù)與應(yīng)用 2020年5期2020-08-04
- 典型相關(guān)濾波跟蹤算法的比較與分析
算機視覺; 目標跟蹤; 相關(guān)濾波; 深度學(xué)習(xí); 卷積特征; 尺度估計中圖分類號: TN911?34; TP391? ? ? ? ? ? ? ? ? ? ? 文獻標識碼: A? ? ? ? ? ? ? ? ? ?文章編號: 1004?373X(2020)05?0030?06Comparison and analysis of typical correlation filter tracking algorithmLIN Bin, SHAN Mingmei,
現(xiàn)代電子技術(shù) 2020年5期2020-07-23
- 基于卡爾曼濾波的多特征加權(quán)最近鄰數(shù)據(jù)關(guān)聯(lián)與跟蹤算法
;數(shù)據(jù)關(guān)聯(lián);目標跟蹤;卡爾曼濾波;最近鄰中圖分類號:TN958.98 文獻標識碼:Adoi:10.7535/hbkd.2020yx03003Multi-feature weighted nearest neighbor data association andtracking algorithm based on Kalman filterZHAO Feng1, WANG Lihui1, CHEN Junji2, ZHANG Ming2, XU Weiye
河北科技大學(xué)學(xué)報 2020年3期2020-07-14
- 基于卡爾曼濾波的SiamRPN目標跟蹤方法
ese框架的目標跟蹤方法取得了突破性的進展。為了提高跟蹤效果,有效解決跟蹤過程中干擾和遮擋問題,本文提出了一種基于卡爾曼濾波的SiamRPN(Siamese+RPN)目標跟蹤方法。首先,利用訓(xùn)練好的SiamRPN跟蹤算法和卡爾曼濾波跟蹤模型分別對目標物體進行跟蹤,得到2種跟蹤算法跟蹤結(jié)果的置信度,然后,基于置信度加權(quán)融合模型得到最后的跟蹤框??柭鼮V波器可預(yù)測目標在一定遮擋干擾等情況下的位置,SiamRPN算法利用區(qū)域候選網(wǎng)絡(luò)RPN將每一幀的跟蹤轉(zhuǎn)換為一次
智能計算機與應(yīng)用 2020年3期2020-07-04
- 基于機器人視覺的目標識別與跟蹤技術(shù)應(yīng)用研究
;目標識別;目標跟蹤;特征提取中圖分類號:TP311 文獻標識碼:A文章編號:1009-3044(2020)15-0202-021引言隨著工業(yè)4.0時代的到來,機器人在工業(yè)生產(chǎn)領(lǐng)域已得到廣泛應(yīng)用,代替了大量人工完成生產(chǎn)線上的工作,提高了企業(yè)的生產(chǎn)效率和降低了人力成本?;跈C器人視覺對運動目標進行識別與跟蹤是機器人技術(shù)領(lǐng)域的研究熱點之一。隨著AI領(lǐng)域深度學(xué)習(xí)技術(shù)的發(fā)展,進一步推動了機器人視覺的應(yīng)用研究。通過研究目標識別準確度和效率的改進,分析在不同場景環(huán)境下
電腦知識與技術(shù) 2020年15期2020-07-04
- 基于改進的Boosting算法的倉庫監(jiān)控區(qū)域目標跟蹤研究
合現(xiàn)有的多種目標跟蹤算法,通過對比分析算法的用時、跟蹤運動目標數(shù)、提取前景數(shù)、漂移現(xiàn)象存在、是否丟失目標和需創(chuàng)建跟蹤器個數(shù)這6個方面,選擇跟蹤效果及綜合性能最佳的改進的Boosting算法作為倉庫視頻運動物體的跟蹤算法,為智能化倉庫管理實踐提供重要參考依據(jù)。關(guān)鍵詞:倉庫管理;智能監(jiān)控;目標跟蹤;Boosting算法Abstract:At present, intelligent video surveillance systems are widely u
微型電腦應(yīng)用 2020年5期2020-06-29
- 基于特征融合的復(fù)雜場景多目標跟蹤算法研究
景條件下,多目標跟蹤算法通常表現(xiàn)出目標識別與跟蹤能力較差問題,特別在被其它地物遮擋后目標跟蹤丟失更嚴重。提出一種改進的基于多源特征提取與特征融合的多目標跟蹤算法。為提高目標在復(fù)雜背景下的空間分辨力,充分利用對異類物體判別能力較強的高層特征和針對同類不同物體判別能力較強的淺層特征,提高復(fù)雜背景下地物目標的識別能力。同時,為了解決物體被遮擋后導(dǎo)致跟蹤算法丟失目標問題,利用濾波器獲得追蹤目標的空間尺度大小,提高跟蹤算法的準確性與可靠性。實驗表明,多目標跟蹤算法識
軟件導(dǎo)刊 2020年4期2020-06-19
- 基于視頻跟蹤的水下裂縫缺陷智能標注系統(tǒng)
水下裂縫進行目標跟蹤,結(jié)合標注系統(tǒng)功能需求,展開對該系統(tǒng)的設(shè)計與實現(xiàn)。實驗結(jié)果表示,提出的目標智能標注系統(tǒng)符合設(shè)計需求,能夠?qū)崿F(xiàn)對水下裂縫缺陷準確、快速、可靠的智能標注。關(guān)鍵詞: 水下裂縫缺陷; 智能標注; 模型訓(xùn)練; 目標跟蹤; 系統(tǒng)設(shè)計; 仿真實驗中圖分類號: TN915.5?34 ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼: A ? ? ? ? ? ? ? ? ? ? 文章編號: 1004?373X(2020)12?0155?0
現(xiàn)代電子技術(shù) 2020年12期2020-06-19
- 結(jié)合Kalman濾波和LBP紋理的CAMShift改進算法
果應(yīng)用到特定目標跟蹤中。實驗結(jié)果表明,改進后的算法在跟蹤特定目標方面具有較高的準確性和魯棒性。關(guān)鍵詞: CAMshift算法; Kalman濾波器; LBP紋理; 圖像采集; 位置預(yù)測; 目標跟蹤中圖分類號: TN713?34; TP391.41 ? ? ? ? ? ? ? ?文獻標識碼: A ? ? ? ? ? ? ? ? ? ? 文章編號: 1004?373X(2020)12?0065?04Abstract: As the traditional CA
現(xiàn)代電子技術(shù) 2020年12期2020-06-19
- 基于幀間差分與時空上下文的人臉檢測跟蹤算法
;自動檢測;目標跟蹤;人臉識別【中圖分類號】TP391.41 【文獻標識碼】A 【文章編號】1674-0688(2020)05-0056-020 引言隨著信息技術(shù)的高速發(fā)展,檢測與跟蹤技術(shù)成為視覺領(lǐng)域的研究熱點,尤其在人臉檢測和跟蹤方面,發(fā)展尤為迅速。在人臉檢測算法方面,目前主要有基于特征的人臉檢測算法、基于統(tǒng)計的人臉檢測方法、基于統(tǒng)計的人臉檢測方法3類,主要是在視頻圖像中確定人臉所有的具體位置及大小[1]。隨著人臉檢測應(yīng)用范圍的逐步擴大,對人臉檢測精準性
企業(yè)科技與發(fā)展 2020年5期2020-06-19
- 基于自適應(yīng)粒子濾波的無人機目標跟蹤算法研究
用日漸普及,目標跟蹤成為國內(nèi)外學(xué)者的研究熱點,該文針對無人機目標跟蹤易受遮擋、形變、等復(fù)雜背景的干擾導(dǎo)致跟蹤失敗等問題提出一種基于自適應(yīng)的粒子濾波的無人機目標跟蹤算法。實驗結(jié)果表明,該算法能有效地減少因復(fù)雜因素干擾導(dǎo)致的目標跟蹤精度下降的問題,具有良好的魯棒性。關(guān)鍵詞:自適應(yīng)融合;粒子濾波算法;無人機;目標檢測;目標跟蹤中圖分類號:TP273+.2 文獻標識碼:A文章編號:1009-3044(2020)09-0255-02目標跟蹤算法主要應(yīng)用于無人機目標檢
電腦知識與技術(shù) 2020年9期2020-05-21
- 一種改進的核相關(guān)濾波跟蹤算法
春寶摘要:在目標跟蹤過程中,由于跟蹤目標的移動、變形或者被遮擋,容易造成目標丟失。對KCF算法進行改進,增加目標丟失檢測和運動軌跡估計的功能。根據(jù)響應(yīng)峰值異常來檢測目標丟失。若出現(xiàn)響應(yīng)峰值異常,則中止對目標模板的更新和目標位置的檢測,采用運動軌跡估計的方式來預(yù)測目標出現(xiàn)的新位置。實驗結(jié)果表明,改進的KCF算法可以顯著提高目標跟蹤的精度和穩(wěn)定性,并能及時對目標丟失進行判斷和處理。關(guān)鍵詞:核相關(guān)濾波;目標跟蹤;丟失檢測;運動軌跡估計中圖分類號:TP391.41
數(shù)字技術(shù)與應(yīng)用 2020年2期2020-05-11
- 融合運動狀態(tài)信息的高速相關(guān)濾波跟蹤算法
高速相關(guān)濾波目標跟蹤算法. 在傳統(tǒng)DCF算法基礎(chǔ)上做出以下改進:(1)在跟蹤框架中融入卡爾曼(Kalman)濾波器,利用目標運動狀態(tài)信息對預(yù)測運動軌跡進行修正,以解決目標復(fù)雜運動時易跟丟問題,提高跟蹤精度;(2)訓(xùn)練一個獨立的尺度相關(guān)濾波器進行目標尺度預(yù)測,并利用主成分分析法(Principal Component Analysis,PCA)進行特征降維處理,提高跟蹤速度;(3)提出一種高置信度更新策略判斷是否對位置濾波器進行模板更新,以及是否采用Kalm
湖南大學(xué)學(xué)報·自然科學(xué)版 2020年4期2020-05-06
- ADS-B數(shù)據(jù)處理中心—大批量目標顯示技術(shù)
量、高頻率的目標跟蹤顯示方面,論述簡單的技術(shù)實現(xiàn)。關(guān)鍵詞:廣播式自動相關(guān)監(jiān)視;二級數(shù)據(jù)中心;目標跟蹤廣播式自動相關(guān)監(jiān)視(Automatic Dependent Surveillance-Broadcast,ADS-B)二級數(shù)據(jù)中心系統(tǒng)中的目標跟蹤顯示是基于Qt的圖形視圖框架(Graphics View Framework)實現(xiàn)的,提供了支持大量自定義的二維圖形對象交互管理器,提供基于圖像對象的方式實現(xiàn)model-view的編程模式。本文將不重點介紹圖形視圖
科學(xué)大眾 2020年2期2020-04-16
- 關(guān)于校園多攝像頭協(xié)同工作的運動目標跟蹤應(yīng)用研究
案。關(guān)鍵詞:目標跟蹤;信息分析和處理;智能算法中圖分類號:TP391.41? ? ? ?文獻標識碼:A 文章編號:2096-4706(2020)01-0079-03Abstract:With the development of communication technology,the data transmission of high-speed data acquisition becomes possible. This system combine
現(xiàn)代信息科技 2020年1期2020-04-10
- 基于人體步態(tài)識別技術(shù)的視頻監(jiān)控應(yīng)用研究
護。關(guān)鍵詞:目標跟蹤;姿態(tài)檢測;區(qū)域保護算法1? ? 研究背景人體步態(tài)識別是一種新興的生物特征識別技術(shù),它就是根據(jù)人走路時的姿態(tài)對人進行身份識別、認證和行為分析等,該項技術(shù)可廣泛用于智能監(jiān)控、遠距離身份識別、計算機人體行為分析等領(lǐng)域。相對于指紋識別,人臉識別,語音識別等其他生物特征識別技術(shù)有著非侵犯性和非接觸性、難于隱藏和偽裝、易于采集、可遠距離識別等獨特的優(yōu)點,因此,具有重要的理論研究意義和實用價值。2? ? 實施過程在智能監(jiān)控系統(tǒng)中要對運動目標進行辨識
無線互聯(lián)科技 2020年3期2020-04-09
- 基于單目攝像機的無人機動態(tài)目標實時跟蹤
的目標識別和目標跟蹤問題。設(shè)計由單目相機、視覺計算機(樹莓派3B)和飛行控制系統(tǒng)組成的自主跟蹤控制系統(tǒng)框架,利用Camshift運動目標識別算法對目標位置進行識別并預(yù)測動態(tài)目標運動軌跡,通過Mavlink協(xié)議將無人機的位置信息實時發(fā)送給飛行控制系統(tǒng),從而控制無人機進行動態(tài)目標跟蹤。實現(xiàn)無人機對動態(tài)目標的目標識別,目標跟蹤。關(guān)鍵詞:四旋翼無人機;動態(tài)目標;目標跟蹤中圖分類號:V279? ? ? ? ? 文獻標志碼:A? ? ? ? ?文章編號:2095-29
科技創(chuàng)新與應(yīng)用 2020年8期2020-03-13
- 多雷達/聲吶場景下的去相關(guān)無偏量測轉(zhuǎn)換模型
。關(guān)鍵詞: 目標跟蹤; 非線性量測; 無偏轉(zhuǎn)換; 雷達/聲吶跟蹤; 去相關(guān); 性能評估中圖分類號: TN98?34 ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼: A ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號: 1004?373X(2020)01?0114?05Decorrelated unbiased measurement conversion modelfor situation of multiple radar
現(xiàn)代電子技術(shù) 2020年1期2020-03-03
- 基于計算機視覺的魚類攝食行為研究現(xiàn)狀及展望
繞目標檢測、目標跟蹤、尺寸測量、形狀分析、質(zhì)量估計、紋理分析和顏色判定等多個方面詳細分析了計算機視覺在魚類攝食行為研究方面的國內(nèi)外研究現(xiàn)狀;同時,分析了利用計算機視覺技術(shù)研究魚類行為對精細化養(yǎng)殖帶來的機遇和挑戰(zhàn),并給出了今后在高精度檢測和活躍性等方面的研究趨勢和發(fā)展方向。關(guān)鍵詞:計算機視覺;魚類攝食;特征提取;目標跟蹤;水產(chǎn)養(yǎng)殖中圖分類號: TP391.4 ?文獻標志碼: A ?文章編號:1002-1302(2020)24-0031-06水產(chǎn)養(yǎng)殖是我國農(nóng)業(yè)
江蘇農(nóng)業(yè)科學(xué) 2020年24期2020-02-22
- 一種改進的基于粒子濾波的交互式多模型車載跟蹤算法
循環(huán)從而提高目標跟蹤效果;最后,通過matlab仿真分析了這兩種算法的目標跟蹤性能,仿真結(jié)果表明,交互式多模型粒子算法較交互式多模型算法( IMM)具有更優(yōu)的跟蹤性能,轉(zhuǎn)彎過程中優(yōu)勢更加明顯。關(guān)鍵詞:目標跟蹤;交互式多模型算法;粒子算法;車載雷達無線傳感技術(shù)的高速發(fā)展使得傳感器節(jié)點能夠組成自組織網(wǎng)絡(luò),雷達方式的無線傳感技術(shù)具有成本低、容錯性高、部署快速等多個優(yōu)勢,適合用于無人駕駛汽車、機動目標跟蹤以及目標定位等多種領(lǐng)域[1-2]。1 車載模型目標跟蹤模型及
電子技術(shù)與軟件工程 2020年13期2020-02-21