基于NPU的实时深度学习跟踪算法实现北大核心CSCD

深度学习在检测领域高速发展,但受限于训练数据和计算效率,在基于嵌入式平台的边缘计算领域,尤其是实时跟踪应用中深度学习的智能化算法应用并不广泛。针对这一现象,同时为满足现阶段国产化、智能化的技术需求,提出了一种改进的孪生网络深度学习跟踪算法。在特征网络加入微调网络,解决了网络模型无法在线更新的问题,提升了跟踪的准确性;在IoUNet损失函数中加入中心距离惩罚项,解决了IoUNet当IoU相同时位置跳跃,存在收敛盲区和收敛速度慢的问题;将训练后的网络通过通道剪枝,缩减网络模型尺寸,提升了模型加载和运行的速度。在华为Atlas200NPU平台上实现了实时运行,算法准确率高达0.90(IoU>0.7),帧率达到66 Hz。     

目标自适应分割算法的研究

初步探讨和分析几种实际典型场景目标与背景的特征，提出相应的目标分割算法，并对几种方法加以融合。实际跟踪算法中，实现目标分割方法的自动转换．自动调整自适应分割门限及搜索方案．实验表明，该算法转换灵活，跟踪平稳。自适应能力强，抗干扰性能好．易于软件实现．     

一种基于DSP的红外图像防空导弹检测与跟踪方法

提出一种基于DSP的红外图像防空导弹检测与跟踪算法,算法分为导弹飞行锥形尾烟跟踪和发动机脱落导弹跟踪2个阶段。其中,采用基于轮廓近似曲率表示算法跟踪带有尾烟的导弹,采用基于区域生长的小目标跟踪算法跟踪发动机分离后的燃烧弹标。文章中提出的算法在基于C6416DSP平台中实现,多次外场实验结果表明:该算法能够实时稳定地实现防空导弹光电跟踪制导。     

基于SPIHT的改进图像压缩算法

针对渐进式图像传输算法都受限于庞大的内存空间和计算复杂度，提出一种基于SPIHT的改进型算法——静止图像编码方法，即对变换后的小波系数高频区块进行细分，并对不同频率图像块分别设置阈值，采取新的阈值判别策略，减少了链表的结点数。使用MATLAB 6.5开发环境对上述改进编码方法进行仿真。仿真结果表明: 通过对原算法构架进行改进，减少了内存空间占用，降低了计算复杂度，取得了较好的压缩效果。