基于背景感知的相关滤波抗遮挡优化算法

针对相关滤波目标跟踪中由于目标遮挡、出视野引起的跟踪失败等问题,以背景感知相关滤波(background aware correlation filters, BACF)算法为基础,提出一种抗遮挡优化算法。首先特征提取部分融合方向梯度直方图(histogram of oriented gradient, HOG)特征与颜色名称(color name, CN)特征;其次提出层级遮挡优化算法,在目标跟踪过程中根据平均峰值相关能量(average peak to correlation energy,APCE)和最大响应峰值判断目标外观是否发生较大变化,并通过巴氏距离进一步计算目标相邻滤波器模板特征相似程度,以此判断造成目标外观变化的真正原因,进而决定是否更新模板;针对目标出视野问题,提出模板筛查策略,跟踪过程中每隔K帧对滤波器模板进行置信度考查,若目标丢失,则生成新的模板并对目标进行全局搜索重新抓取目标。通过在目标跟踪数据集OTB2015上测试,优化算法精确度与成功率分别为83.0%与78.8%,有效提高了算法性能。     

一种3D眼镜虚拟试戴系统的实现

针对人脸图像试戴3D眼镜过程中存在的镜腿遮挡人脸问题,文中提出一种基于人脸图像的3D眼镜虚拟试戴技术。利用构建的人脸形状的三维模型,使其在虚拟试戴中对镜腿起到消隐作用,解决镜腿的遮挡问题。文中对输入的人脸图像进行关键点检测,结合Graham扫描法求得人脸形状的凸多边形,利用平移扫描构建人脸形状的三维模型。此外,文中根据定位人脸图像上的关键点以及姿态估计后对三维眼镜模型的变换,将眼镜模型佩戴到人脸图像上。实验结果表明,该方法对于多视角的人脸图像实现了虚拟试戴效果,解决了多种视角下人脸图像试戴过程中镜腿的遮挡问题,虚拟试戴中镜腿遮挡平均准确率为94.5%,遮挡精度较高。     

配网带电作业新型绝缘遮挡装置

网络庞杂、覆盖面大和其辐射式的配电网络使得传统的停电检修方式不能满足当前社会的需求。一种新型绝缘遮挡装置弥补了原有绝缘遮挡装置遮蔽不全而存在的安全性问题。该工具采用环氧树脂玻璃布压板材料，通过工频耐压及泄露电流试验得到在干燥环境下泄露电流不大于0μA，潮湿环境下泄露电流不大于40μA的实验结果。使用该新型绝缘遮挡装置共开展114次带电业项目，累计实现增供电量达到28．3万千瓦时，同比增长8％的效益目标。     

基于Unity 3D的第三人称摄像机被遮挡的处理

针对涉及第三人称视角游戏中,因摄像机和游戏主角之间存在一定的距离,容易出现障碍物遮挡,会影响用户体验的情况.可采用射线方法来探测障碍物,并在出现遮挡时将遮挡障碍物做透明化处理.     

基采用时频区域检测的雷达信号盲分选算法

为了解决欠定条件下密集雷达信号分选问题,提高雷达信号盲分选算法精度,提出了一种采用时频区域检测的雷达信号盲分选算法,首先利用短时傅立叶变换将混合信号映射至时频平面进行处理,然后通过聚类算法估计出混合矩阵,从而反解出源信号矩阵,进而估计出每一雷达源信号,能够在信号的时频平面投影相交且欠定的条件下,实现信号分选功能.仿真实验结果表明:提出的算法相比于传统的类MUSIC算法及其衍生的相关改进算法具有更高的分选精度和算法收敛性,且估计得到的源信号时域波形更优,体现了其有效性和优越性.     

基于MAC序列的相位编码准连续波的研究与应用

本文在讨论用二相编码信号构成的准连续波的数学模型和模糊函数的基础上,引入新的二元序列--MAC序列,并对其产生以及自相关特性进行了详细研究。通过对采用该序列编码的准连续波信号的周期单码重复时和多码重复的模糊函数进行仿真,其结果具有很好的图钉状,即有较高的距离和多普勒分辨率;并将MAC序列的相位编码准连续波应用在波形设计中,脉压仿真结果表明相比较m序列码,MAC序列更适用于目标检测。     

基于改进型双门限语音端点检测算法的研究

语音端点检测是语音信号处理过程中的一个重要步骤,其检测准确性直接影响语音信号处理的速度和效果.传统的基于双门限法语言检测技术,在语音处于纯语音情况下判断语音端点较准确,但在语音处于噪声情况下,尤其是低信噪比的情况下,端点识别率很低,出错率很高.基于提高此方法识别率的目的,采用调整阈值个数,平滑滤波,引入语音结束最小长度的方法对其进行改进,通过了Matlab仿真实验,得出了较好的语音端点检测准确率.     

基于BP神经网络和模糊推理系统的短时交通流预测

本文研究短时交通流预测。短时交通流预测是智能交通系统研究和实践的必要基础。本文提出和建立了一个短时交通流量预测模型,该模型利用一个基于规则的模糊系统,非线性地组合BP神经网络模型和自适应卡尔曼滤波模型的交通流量预测结果,使得短时交通流量的预测结果更加准确可靠。该模型将传统方法和人工智能方法有机结合,一方面,利用人工神经网络强大的动态非线性映射能力,从而提高预测精度;另一方面,充分发挥卡尔曼滤波的静态线性稳定性,解决了单独使用BP神经网络进行预测时识别率不理想和可信度不高的问题。实验结果表明,本文提出的短时交通流预测模型具有较高的准确度和可靠度。     

基于块的Mean-shift跟踪算法

针对传统Mean-shift跟踪算法在目标发生遮挡和形态变化时跟踪性能下降的缺点,提出了一种基于块的Mean-shift跟踪算法,该算法主要特点有：(1)将跟踪目标平均分块,每小块独立进行传统Mean-shift跟踪,利用小块跟踪未被遮挡的目标部分;(2)跟踪检测器检测目标小块跟踪的有效性,筛选出无效跟踪的目标小块,解决了目标分块造成跟踪性能下降的问题;(3)归一化互相关检测器和邻域一致检测增加了对目标空间信息的检测,弥补了Mean-shift算法的局限性,增加了跟踪的鲁棒性。实验表明,该算法在目标发生遮挡和形态变化时仍然可以有效的实现跟踪。     

联合Kalman和自适应Meanshift的稳健相关视频跟踪方法

相关视频跟踪器存在计算量大、模板漂移、对机动目标,杂波影响大以及遮挡情况无法跟踪的问题,而Kalman滤波能通过利用相关跟踪器的输出结果来预测目标在下一帧里在图像中的坐标,可以在高概率的小范围内对目标进行搜索,以大幅减小计算量和杂波的影响.然后,当跟踪器由于受到杂波或遮挡的影响而提供了错误的测量信息时,跟踪的性能将大幅下降.大量研究表明,Mean-Shift跟踪器具有运算速度快和跟踪性能好的特点,而当目标柱状图和待选图像区域相近时,其跟踪性能也将大幅下降,甚至无法进行跟踪.为了解决该问题,结合上述3种思想提出了一种改进的、稳健的视频目标跟踪方法,并通过理论分析和仿真结果表明了算法的有效性和优越性.