基于非线性Kalman滤波器的长序列立体图象运动估计

讨论一种基于运动模型的，从长序列含噪立体图象中估计目标运动参数的方法，目标的运动模型具有恒进动的旋转分量和恒加速的平移分量，而模型参数和估计采用一个带阻尼因子的迭代Ｋａｌｍａｎ滤波器，为以非线性滤波器的发散性，文中建立了一个产生状态初始值的线性算法，最后给出计算机模拟的结果。     

应用小波模历史图像的运动车辆视频检测

为提高车辆目标检测的稳定性和准确性,提出了基于背景减除和小波分解模历史图像的运动车辆检测算法.首先对原始图像进行小波分解,对低频分量用混合高斯模型和纹理特征相结合的方法,自适应更新背景并标记运动目标初始区域;然后,基于高频分量计算模值,并通过逐帧历史累积得到模历史图像;最后,利用车辆目标与阴影相比富含边缘细节的特点,对目标进行倾斜校正后,将目标边缘分别沿图像x和y方向投影,利用投影曲线将边缘信息与目标初始区域信息迭代融合,得到最终检测结果.实验结果表明,用本文方法检测车辆的捕获率达到99.0%,有效率为92.5%;与使用单一自适应背景提取方法相比,在实际交通场景中可有效处理阴影导致的多目标粘连问题,检测结果更准确.     

改进的混合高斯模型视频运动目标检测算法

针对混合高斯模型背景建模在视频运动目标检测中的不足,提出了将混合高斯模型与三帧差分相结合来对视频中运动目标进行检测的算法。由混合高斯模型得到前景和背景,利用当前帧与混合高斯模型所得到的背景相减可以得到一个前景,使用三帧差分和边缘检测得到运动物体的精确轮廓,对此轮廓进行填充得到一个前景,将此三步前景进行运算得到最终的结果;通过新的更新策略来快速地对背景进行建模,以像素点的稳定性来调整像素点的更新速度,从而减少算法运算量,提高算法的运行速度。     

改进的混合高斯模型视频运动目标检测算法

针对混合高斯模型背景建模在视频运动目标检测中的不足,提出了将混合高斯模型与三帧差分相结合来对视频中运动目标进行检测的算法。由混合高斯模型得到前景和背景,利用当前帧与混合高斯模型所得到的背景相减可以得到一个前景,使用三帧差分和边缘检测得到运动物体的精确轮廓,对此轮廓进行填充得到一个前景,将此三步前景进行运算得到最终的结果;通过新的更新策略来快速地对背景进行建模,以像素点的稳定性来调整像素点的更新速度,从而减少算法运算量,提高算法的运行速度。     

基于颜色差分特性的图像篡改检测

由于自然场景中目标物体表面的反射特性,以及图像采集过程中的CFA插值算法会使得图像三颜色分量之间具有相关性,特别是颜色分量的高频信息之间有近似相等的关系.拼接篡改操作会降低颜色高频分量的谱间相关性,同时也会给图像带来额外的高频信息.本文利用自然图像颜色通道高频分量之间的相关性,分析颜色差分图像中高频信息的分布情况来检测是否有拼接篡改操作.实验证明本文提取的高频特征分类效果较好,能够检测出图像的拼接篡改边缘.     

基于多模型和辅助粒子滤波的机动目标跟踪算法研究

机动目标跟踪的本质是随机动态混合系统中的状态估计问题,其难点在于每一时刻运动模式的高度不确定性.在实际问题中,系统状态往往还呈现非线性、非高斯、不完全观测的特点.文中将多模型理论和辅助粒子滤波算法相结合,提出了一种新的机动目标跟踪算法——MM APF.仿真结果表明,该算法与传统的交互多模型——扩展卡尔曼滤波算法、辅助粒子滤波算法相比,在计算量相当的情况下,具有更高的滤波精度和较好的稳定性.     

储运一体化的二级物流网非线性规划模型及算法

通过对已有运输和仓储优化模型的分析,针对现代物流配送网络的特点,提出了基于储运一体化的非线性二级网络配送模型．并构造了具有能力与需求约束、费用与距离综合目标函数的非线性数学规划模型,求证了最优解,并提出算法实现的步骤,最后用实例对算法进行了验证．该问题的提出与算法的可行,为研究多阶段、多路线、多目标的物流配送模型找到了更好的途径．     

һ�����͵��˶�Ŀ��ʶ��������㷨�о�

提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法。针对帧间差分提取运动目标的缺陷与不足,提出了一种基于冗余小波变换的运动目标识别算法,即直接在冗余小波变换域提取运动区域,从而检测出运动目标。对于检测出来的运动目标,本文对mean-shift算法进行了改进,采用自适应mean-shift算法,对目标进行跟踪。实验结果表明,本文提出的算法可以有效地提取运动目标,即使目标与背景具有较高的相似度,也可以较准确的提取出前景运动信息,效果要好于传统的帧差法;跟踪目标准确度高,不受目标大小变化的影响。本算法具较高的实用价值和应用前景。     

基于分块EnKF的非线性目标跟踪算法

针对滤波航迹的相关性以及初始状态的选择会对跟踪性能产生影响的问题,将集合卡尔曼滤波算法引入到非线性目标跟踪领域,验证了其可行性和有效性,提出了基于分块集合卡尔曼滤波的非线性目标跟踪算法.采用分块思想生成初始集合,使用协方差矩阵加权方法解决分块间的航迹相关问题.仿真结果表明基于分块集合卡尔曼滤波的目标跟踪算法计算复杂度和以往的集合卡尔曼滤波算法同阶的情况下可以提供更高的运动参数估计精度,解决了粒子滤波算法计算量大难以进行实时跟踪的问题.      

基于三维高斯混合码本模型的运动目标检测算法

为解决智能视觉监控中码本模型参数调节困难和高斯混合模型概率分布计算的复杂性,提出了一种基于三维高斯混合码本模型的运动目标检测算法.该算法基于RGB空间建立码本模型,然后基于码字中的R、G、B分量建立三维高斯模型,从而使整个码本具有三维高斯混合模型的特征.实验结果表明:该算法具有较高的实时性(该算法的平均帧率约23.0帧/s,而iGMM(improved Gaussian mixture model)算法约9.0帧/s,BM(Bayesmodel)算法约6.2帧/s,CBM(codebook model)算法约10.7帧/s),且具有良好的检测质量.     

基于智能Agent的车辆自适应跟踪技术

为了研究复杂环境下快速移动车辆目标检测与跟踪问题,提出了基于知识库的智能Agent自适应图像分割与滤波算法,建立了帧间差异积累动态矩阵自适应背景模型,在跟踪过程中,设计了改进的SSD算法预测初始迭代点,根据Jensen不等式推导了具有自适应核窗宽迭代更新的M eanSh ift算法,实现了对视频车辆目标的自适应智能跟踪.实验结果表明,该算法能有效、准确地跟踪视频中的运动目标,自适应能力强;与其他算法比较,跟踪误差降低了54.4%,平均跟踪时间延长了41.3%.     

桥梁结构非线性模型修正研究综述

针对桥梁服役期间由于结构力学性能减弱从而表现出具有时变特征的非线性振动问题,在回顾非线性模型修正发展的基础上,分别从非线性系统识别、非线性模型修正方法和非线性模型不确定性量化3个方面入手,总结了结构非线性模型修正技术中存在的一些关键问题;结合复杂结构损伤识别、性能评估与安全监测等内容,对其在桥梁结构中的应用展开了讨论。研究结果表明:以固有频率和模态振型为代表的响应特征量仅能反映时不变结构的物理特性,对于非线性结构而言其力学性能随外激励作用而不断变化,基于线性系统特征量的模型修正方法不能很好地适用于具有明显时变特性的非线性结构;结构动力响应主分量的瞬时频率和瞬时幅值包含了振动响应信号的相位信息和幅值信息,可以较为全面地反映动力荷载作用下结构响应的非平稳特性,选择具有时变特性的瞬时特征量来构建目标函数能够更为合理地表征非线性结构的动力特性;不确定性模型修正方法通过综合利用实测响应数据,考虑了测量噪声、模型误差和数值计算方法等不确定因素的影响,提高了模型修正结果的准确性;复杂结构非线性模型修正过程中涉及的参数众多,计算量大,极大地限制了其在实际工程结构中的应用,因此,合理选择具有代表性的非线性模型参数以及提高模型修正的计算效率是当前亟需解决的问题。      

水轮发电机组轴系松动-碰摩耦合故障的动态响应

为研究非线性因素引起水轮发电机组轴承松动和转子碰摩故障,考虑定子与基础间的连接刚度和阻尼,建立了轴承松动与转子碰摩耦合故障下,具有6自由度的水轮发电机组轴系动力学模型.通过分岔图、Poincaré映射图和幅值谱图,分析了机组轴系随转频比和转子质量偏心变化的非线性动态响应.研究表明:机组转子和松动轴承有周期1运动、周期3运动及复杂的拟周期运动;在1/3倍频处存在幅值较大的低频谐波分量;随着转子质量偏心的增大,转子与定子间发生碰摩的区域不断增大,其动力学响应趋于复杂.     

基于模拟退火算法的经济批量和运送问题

研究简单的供应链模型生产批量和运输调度问题,主要目标是找到经济批量调度合理排序,使单位时间的平均库存费用、建立费用、运输费用最小。建立该问题的多目标非线性混合整数规划模型和最佳枚举方法来解决这个问题。由于在大中型的问题中很难获得最优解,所以运用模拟退火算法,它结合邻域搜索技术,以一定的概率选择邻域中最好的状态,从理论上来说是一个全局最优算法。     

改进MOG-LRMF 的铁轨动态异物检测

针对复杂铁路环境下动态入侵异物检测精度低和抗扰能力差等问题,提出一种基于改进MOG-LRMF算法的铁路轨道异物入侵实时检测方法. 引入仿射变换,对视频序列可能出现的抖动进行预校正处理;分析MOG-LRMF模型特点,利用MOG模型对视频帧中的背景进行建模,用前一帧背景中学习到的知识对当前帧背景进行预测,优化MOG-LRMF参数求解模型;利用EM算法对改进MOG-LRMF模型进行参数求解,实现背景在线实时更新. 实验结果表明,改进的MOG-LRMF算法在光照充足、光线较弱、相机存在抖动、背景复杂及存在多个目标情形下都能提高目标检测精度,具有较好的抗干扰性、鲁棒性和快速性.     

水下超高速航行体非线性鲁棒控制器设计

水下航行体在高速运动时,其表面大部分被空泡包裹.航行体尾部与空泡壁的相互作用力的存在使航行体模型具有较强的非线性.文中将基于反馈线性化的非线性鲁棒控制策略应用于水下超高速航行体纵向运动控制.反馈线性化可以实现航行体动力学模型的非线性解耦,得到系统精确线性化模型.针对线性化模型设计系统鲁棒控制器,解决由于模型不准确、参数摄动等引起的鲁棒性问题,仿真结果表明,所设计的鲁棒控制器是有效的.     

机动目标跟踪的一种新的方差自适应滤波算法

针对"当前"统计模型自适应滤波算法跟踪非机动或弱机动目标时存在跟踪精度不高以及受目标机动加速度极限值先验设置的制约等问题,提出了一种方差自适应滤波算法,该方法利用新息与加速度变化量之间的关系,实现了加速度方差的实时估计和自适应调整,能更好地适应目标非机动和强机动的各种情况,避免了"当前"统计模型在目标非机动或弱机动时加速度方差过大而带来的跟踪精度不高的问题;同时也避免了对目标加速度的极限值设定.理论分析和仿真结果表明,相对于"当前"统计模型,无论是跟踪常速运动目标还是跟踪强机动目标,本算法都具有较高的跟踪精度.仿真结果验证了算法的有效性.     

基于粒子滤波的跟踪算法研究

在非线性条件下,扩展Kalman 滤波（ EKF）的应用最为广泛。但是,由于它采用了Taylor展开的线性变换来近似非线性模型,因而存在计算量大、实时性差、估计精度低等缺点。粒子滤波（ PF）用一些带有权值的随机样本（粒子）来表示所需要的后验概率密度,并通过这些粒子的加权来估计目标运动的状态,从而得到基于物理模型的近似最优数值解,具有精度高、收敛速度快等特点。通过仿真实验将PF与EKF的性能进行了对比,并且研究了噪声协方差与粒子数对PF的影响。 PF与EKF的对比实验结果表明,在强非线性条件下,PF比EKF跟踪精度更高,误差更低。     

基于图像序列区域混沌特征的海面舰船目标检测算法

为了检测复杂海面背景中的舰船目标,提出了一种基于图像序列区域混沌特征的目标检测新算法,算法利用小数据量法计算图像序列区域的最大Lyapunov指数,分析运动目标存在时背景信号混沌特征的变化,并利用混沌特征的变化差别检测淹没在混沌背景信号中的目标信号,最后对100帧图像进行了目标检测.计算结果表明:新算法检测率为100%,虚警率为5%,检测结果优于利用统计分析方法的结果.     

运动车辆检测与跟踪方法

为提高城市智能交通综合管理能力,提出了基于视频分析的运动车辆检测与跟踪方法。在城市交通干道路面环境中,根据运动目标与道路背景统计特性的差异,基于贝叶斯概率准则,提出一个自适应背景更新算法,检测分离运动车辆目标前景,采用卡尔曼滤波器实现对视频序列中车辆目标的运动检测与实时跟踪,并对在重庆某交通干道的交通流视频进行检测。试验结果表明:该方法在常规视频分辨率下能实现实时处理视频,平均检测准确率为94%,具有较好的实时性与鲁棒性,能够实现城市交通环境中各类运动车辆的检测与跟踪。