基于统计分类的多行人跟踪算法

为了使视频监控系统具备多行人自动跟踪能力,提出了一种基于统计分类的多行人跟踪算法。首先采用了背景差和Canny算子准确提取出运动区域,然后利用特征匹配实现帧间目标的对应,最后提出一种利用人体表面颜色空间分布信息的统计分类方法,完成合并或遮挡时多个行人的分离和单独跟踪。实验表明,在相互遮挡时,该算法也能有效地分割和跟踪多个行人,适于智能视觉监控应用。     

改进的粒子滤波人体目标跟踪算法

针对现有基于粒子滤波(PF)的行人目标跟踪算法跟踪精度不高、速度慢以及遮挡鲁棒性不好的问题,提出一种结合支持向量机(SVM)检测的改进跟踪算法。在跟踪的置信度小于阈值时进行行人跟踪目标的再检测,以校正跟踪位置。对粒子群优化(PSO)算法在优化时可能陷入局部解的现状,进行混沌粒子优化(CPSO)寻优全局解。实验结果表明,提出的算法在一定的粒子数目前提下精度优于其他基于粒子滤波的行人目标跟踪算法,有效降低PF所需粒子数,算法可实时跟踪。     

Mean Shift算法和粒子滤波相结合的运动目标视频跟踪技术

基于帧间视频图像的运动目标跟踪技术,已经成为计算机视觉领域的一个研究热点,在很多领域被越来越广泛使用,特别在航空航天、医药卫生、国防建设以及国民经济的实用性逐渐被人们重视,具有良好的发展前景。文章结合Mean Shift算法、粒子滤波算法两种算法的优缺点,提出了将Mean Shift算法与粒子滤波算法相结合,利用Mean Shift算法的聚类作用,将粒子样本收敛在更接近目标的真实位置的区域,满足鲁棒性、实时性和抗遮挡的要求,能够应用于高实时性的视频图像处理领域。     

时频分析在旋转机械状态监测及故障诊断中的应用

本文简要介绍了时频分析方法的发展及其在旋转机械状态监测、故障诊断领域中的应用。并以一个实际监测系统为例，对其检测信号应用时频分析的方法进行了数据处理，对用传统傅立叶变换处理的结果与采用时频分析方法处理的结果进行了对比分析．     

基于信息熵的自适应窗长STFT算法在AFVISAR中的应用

在用短时傅里叶变换（STFT）对全光纤速度干涉仪（AFVISAR）的输出信号进行瞬时频率估计时,由于窗长固定,频谱的时频分辨率不能根据信号特点而改变。为了解决这个问题,提出一种基于最小信息熵准则的自适应窗长STFT算法。仿真结果表明,该算法可以根据信号特征有效地解决时间分辨率和频率分辨率之间的折衷,提高瞬时频率估计的准确性。     

一种抗遮挡自适应粒子滤波目标跟踪方法

针对传统视觉跟踪算法在目标发生遮挡时容易发生偏离或失败的缺陷,提出了一种新的抗遮挡自适应粒子滤波(PF)目标跟踪方法。在粒子传播过程中,利用目标SSD(sum of squareddifference)残差所生成的高似然区域能自适应地调整状态空间中的粒子采样区域范围和采样粒子数量,使跟踪中粒子采样覆盖目标的各种状态可能性,全面提高状态空间质量。预测状态和粒子估计状态通过噪声协方差很好地融合起来,能够较有效地解决遮挡情况下的跟踪问题,使目标定位更加精确。粒子数量的自适应不仅能很好提高跟踪精度,而且在一定程度上降低了计算代价。实验结果表明,本文算法对跟踪目标遮挡具有较好的容错性和跟踪鲁棒性,能有效实现复杂场景下的目标跟踪。     

部分遮挡目标的稳健局部特征点提取方法

部分遮挡目标的特征提取是目标检测中的难点问题。针对这一问题,提出一种基于稳健性度量统计分析的部分遮挡目标稳健局部特征点提取方法,该方法建立在目标图像训练集的局部特征点逐步提纯基础上。它首先对目标在不同条件下获取的图像集分别应用SIFT提取相应局部特征点;然后基于统计分析对局部特征点进行粗提取,再通过计算置信度进一步筛选出较稳健的局部特征点;最后分析局部特征点的空间分布等因素提取出最稳健的局部特征点集。实验结果表明,该方法耗时仅为SIFT检测算法的30%,并且保证了检测精度。     

用光信息处理方法对分形图象实现分数傅里叶变换

用光学方法成功地实现了雪花分形的分数傅里叶变换 ,采用掩膜板遮挡的方法对分形图形的分数傅里叶变换谱及自相似结构进行了研究 ,并与常规傅里叶变换频谱作了比较 ,提供了用光学方法实现分形图形分数傅里叶变换的方法 ,对光学信息处理具有实用价值     

基于STFT谱图滑窗相消的微动杂波去除方法

微动杂波往往具有较大的多普勒展宽,会抬高噪底、湮没弱目标,造成虚警和漏检。有效去除微动杂波对提高雷达性能具有重要意义。该文利用匀速目标回波和微动杂波在短时傅里叶变换(STFT)谱图中的形态差异,提出了一种基于STFT谱图滑窗相消的微动杂波去除方法。具体地,匀速运动目标回波在STFT谱图中表现为特定频率单元上平行于时间轴的直线型能量条带,而微动杂波具有时变非平稳特性,在STFT谱图中呈现出横跨多个频率单元的时变复杂形态。将原始STFT谱图沿时间维滑窗得到新的STFT谱图,则目标回波分布在这两种谱图中的相同位置,而微动杂波在这两种谱图中的位置存在明显差异。因此将上述两种谱图相减,根据相减前后谱图中各单元的强度变化情况,即可将目标回波和微动杂波分离,达到去除微动杂波的效果。仿真和实测结果均验证了所提方法的有效性。与常见基于时频变换的L-statistics算法相比,所提方法能够在去除微动杂波的同时,较好地保留了目标回波。     

声发射信号分类研究

声发射信号具有时变的特征,对声发射信号进行短时分析技术,并采用快速傅里叶变换后提取信号的有效特征,进而采用fisher准则对信号特征数量进行压缩,最后采用神经网络技术对信号进行分类,分类结果表明这种方法对声发射信号特别有效.