融合检测机制的鲁棒相关滤波视觉跟踪算法

为了解决相关滤波视觉跟踪算法在复杂场景中产生的跟踪漂移问题, 提出一种融合检测机制的相关滤波跟踪框架。利用时空正则化滤波器作为跟踪器, 同时使用线性核相关滤波器作为检测器。当跟踪器与目标进行相关计算得到的响应图为多个峰值时, 激活检测器, 对多个峰值进行相关匹配, 获得重检测结果; 同时, 使用平均峰值相关能量的滤波器模型更新策略得到更加可靠的检测器, 以达到提高跟踪精度和算法鲁棒性的目的。在OTB2015、Temple color 128和VOT2016数据平台上的实验结果表明, 与近年提出的性能较出色的跟踪算法相比, 本文算法在目标运动模糊、相似背景干扰和光照变化等复杂场景中具有更好的鲁棒性和准确性, 且跟踪精度和成功率上均有提高。     

非对称空间外差光谱仪自适应频率跟踪处理方法

非对称空间外差光谱技术是一种新型的超高分辨率遥感探测技术,要求后期的数据处理技术也具有相应的超高准确度.从数字信号处理的角度,提出了一种自适应的频率跟踪处理方法,根据信号的空间频率来插值补偿信号的相位偏移,并且递归迭代出最接近真实值的相位信息.经仿真实验对比验证表明,在噪声干扰强度不大的条件下,相较于传统傅里叶变换方法,本文算法对信号频率和相位提取的准确度提高了约100倍以上,能够有效降低非对称空间外差光谱技术的系统误差.     

大气湍流对空间激光通信跟踪系统的影响

基于大气信道内的空间激光通信演示验证实验,对系统光斑跟踪精度的影响因素进行了分析,研究了大气湍流对光斑跟踪精度的影响,建立了光斑质心检测模型,设计了一套信标光光斑粗精复合跟踪系统.搭建了室内测试实验系统,完成了大气湍流对光斑跟踪精度影响的测量,结果表明在中弱湍流时,跟踪精度随湍流增大有近似线性关系,系统整体跟踪精度在5~15μrad之间,可较好地完成光斑跟踪功能.在野外环境开展的飞机-飞机激光通信演示实验中,对伺服系统的跟踪性能及跟踪精度进行实际测量,整体跟踪精度不大于15μrad,与室内实验测试系统基本一致.     

谐波显著度的基频提取方法

我们提出的谐波显著度的基频提取方法,目的是从语音信号中自动获取人声基频,该方法利用抑制因子计算出基频的谐波显著度谱,对各次谐波显著度加权求和之后进行基频轨迹跟踪确定语音的基频序列。在TIMIT掺噪数据集和音乐信息检索评测2005主旋律数据集上,谐波显著度方法的准确率分别达到了88.5%和73.3%,使倍频、半频错误相对降低了80%。实验表明,基于谐波显著度的基频提取方法增强了系统的抗噪性能以及抗倍半频错误的能力。      

基于改进巴氏指标和模型更新的视觉跟踪算法

传统的Mean Shift算法采用巴氏系数度量模型与候选模型之间的统计特征相似性,但是由于背景特征的影响,有时应用巴氏指标进行匹配得到最优解的位置并不一定是目标的实际位置,在跟踪过程中可能导致目标定位出现偏差。该文提出一种改进的巴氏系数相似度指标,指标由于引入了前景/背景置信值,能够有效抑制待匹配区域中背景特征的影响,突出目标特征的权重,与原始的巴氏指标相比,明显提高了目标匹配的准确性。基于改进的巴氏指标,对目标与背景区域双模型相似度系数进行综合分析,合理地判断干扰目标匹配的原因,从而采取相应的模型更新策略。采用4段具有挑战性的视频序列对5种跟踪算法进行了测试,通过定量实验分析可知,文中算法处理1帧视频所需的平均时间为75.76 ms,实时性仅次于原始的Mean Shift跟踪算法,同时跟踪误差在5种跟踪算法中取得了最优结果。实验结果表明,该算法能够有效抑制背景干扰和避免模型漂移,在不同的复杂场景下都具有一定的鲁棒性。     

夹心式压电换能器的谐振频率跟踪方案设计

分析了夹心式压电换能器的阻抗特性,讨论了基于相位方式的现有跟踪方案的不足,提出了一种新的频率跟踪方案,介绍了实现该方案的电路系统。该方案的特点是:采用先扫频后跟踪的策略,解决了频率范围设定难的问题;增加解锁控制,使得系统在死锁或误跟踪时自动回到频率搜索状态;采用直接数字合成器(DDS)作为频率调整和信号产生的器件,实现了全数字系统,调整方便,精度高;采用复杂可编程逻辑器件(CPLD)做相位比较和DDS控制,使频率跟踪速度快,并且跟踪精度和速度均可控制。     

光电跟踪系统计算机辅助控制实现

建立了基于数值微分的目标运动状态滤波预测模型,用s-函数实现了卡尔曼滤波预测算法。利用目标位置拟合方法给出角位置信息,并以此为观测信息通过卡尔曼滤波预测出当前角位置和角速度信息,将其引入跟踪控制系统中以克服脱靶量滞后问题,同时也实现了系统的等效复合控制。仿真结果表明,基于数值微分的模型适用于角度跟踪,滤波预测具有较好的鲁棒性。通过对两个不同等效正弦输入的验证,可知角位置合成精度对共轴跟踪影响较大,在脱靶量和跟踪架角位置采样匹配对应时,跟踪仿真精度较高,而对等效复合控制跟踪误差影响较小,输入信号角频率增大时误差增大。     

遮挡情况下目标跟踪算法综述

目标跟踪是机器视觉的核心问题之一。由于被跟踪目标本身特征的多样性,所处环境的复杂性,使得目标跟踪成为一个极富挑战性的课题。特别是跟踪过程中出现的遮挡问题,一直是目标跟踪中的难点。如何有效处理遮挡,尤其是严重遮挡和全部遮挡,成为限制目标跟踪算法鲁棒性的关键因素。本文对国内外现有的遮挡情况下的目标跟踪算法进行了总结和分类,阐述了各种算法的基本思想,简要介绍了其代表性的算法,指出了算法的适用场合,分析了算法的优缺点。文章最后对遮挡情况下的目标跟踪做了必要的讨论。     

应用角点匹配实现目标跟踪

角点特征是图像的一个重要局部特征,因其具有计算量小、匹配简单以及旋转、平移、缩放不变的性质,而在图像配准与匹配、目标识别、运动分析、目标跟踪等应用领域都起着非常重要的作用。本文提出了一种新的基于角点特征的向量匹配方法,该方法利用Harris算子检测出目标角点,通过角点的矩特征形成目标的特征向量,最后通过对序列图像的目标特征向量进行匹配来实现目标跟踪。此算法在一般情况下能匹配80%以上角点,在遮挡情况下仍能正确匹配70%左右,处理速度达到20 frames/s,满足了实时要求。实验结果证明此方法可有效地抵御目标的变形和遮挡情况。