基于Brew平台的人脸检测技术

基于类Haar特征的人脸检测技术具有较好的实时性和高检测率,该文介绍了从类Haar特征出发在高通公司Brew手持设备开发平台上实现的人脸检测技术。人脸检测算法在PC机运行实现比较容易,该文对opencv库中类Haar特征检测算法在Brew平台上重新编译、优化,并将其移植在手机应用软件中。该实现方法经过手机模拟测试后表明具有较好的实时性以及较高的运行效率。     

嵌入式人脸检测摄像机的开发与应用研究

针对视频实时人脸识别存在服务器开销过大的问题,研究了适合人脸识别的嵌入式人脸检测摄像机,首先改进JDA算法,解决了服务器与摄像机传输无效数据问题;然后将改进后的算法嵌入到摄像机内,实现人脸检测与人脸识别无缝对接.在"商超"场景,测试了嵌入式人脸检测摄像机性能,结果表明:嵌入式摄像机与非嵌入式摄像机对比,服务器携带的摄像机由原来的2路提高到8路,部署成本降低了30%;人脸识别速度提高了近2个百分点.     

人脸检测的一种混合方法研究

人脸检测作为自动人脸识别系统的第一个环节具有非常重要的作用,为了解决目前大部分人脸检测方法存在的分类器训练困难和检测计算量大等问题,提出了一种人脸检测的混合方法.该方法由两级分类器组成,第一级为粗分类器主要过滤大部分非人脸区域,第二级为核心分类器,在由第一级粗分类的基础上利用非线性SVM算法进行人脸检测.在CMU数据库上的实验结果表明,该方法具有较高的人脸检测率,检测速度得到大幅提高.     

人脸检测的一种混合方法研究

人脸检测作为自动人脸识别系统的第一个环节具有非常重要的作用，为了解决目前大部分人脸检测方法存在的分类器训练困难和检测计算量大等问题，提出了一种人脸检测的混合方法。陔方法由两级分类器组成，第一级为粗分类器主要过滤大部分非人脸区域，第二级为核心分类器．往由第一级粗分类的基础上利用非线性SVM算法进行人脸检测。在CMU数据库上的实验结果表明，该方法具有较高的人脸检测率，检测速度得到大幅提高。     

动态规划算法在被动声呐目标检测中的应用

基于动态规划的检测前跟踪方法可用于检测跟踪低可观测目标。它利用检测前跟踪的技术在检测目标的同时给出目标航迹的优点,实现对低信噪比下目标的检测与跟踪。本文分析了动态规划法进行弱小目标检测的基本原理,结合水下目标检测的特殊性对该算法进行了修正,得到了适应水下目标的检测前跟踪方法。通过实际的海试数据进行验证,证实了检测前跟踪技术在水声领域进行目标检测跟踪的可行性。     

舰载光电跟踪系统软件优化研究

为了解决与战场环境相适应的红外目标警戒与跟踪问题,在介绍传统的目标检测与跟踪算法基础上,分析了先检测后跟踪算法（DBT）与先跟踪后检测算法（TBD）的优缺点,并结合海空背景下运动目标红外成像特点,提出了一个研究方向—边检测边跟踪算法模型。该模型通过对序列图像中相邻帧间进行匹配,完成一个基本的检测与跟踪过程,与输入单帧图像同步输出目标运动轨迹,适用于舰载光电跟踪仪的软件优化升级,具有较高可靠性、实时性和军事应用价值。     

云环境舰船目标检测与跟踪

目标检测与跟踪是舰船应用中的一个重要研究方向,针对当前舰船目标检测与跟踪存在的一些难题,为提高舰船目标检测与跟踪效果,设计了一种云环境下的舰船目标检测与跟踪方法。首先收集舰船目标检测与跟踪的数据,并对舰船目标的背景进行建模,然后采用卡尔曼滤波算法实现舰船目标检测与跟踪,并利用云环境作为舰船目标检测与跟踪的平台,最后在Matlab 2016平台上进行仿真实验,测试舰船目标检测与跟踪的效果,本文方法的舰船目标跟踪精度高,具有良好的舰船目标跟踪实时性。     

基于隐马尔可夫模型的线谱跟踪技术

线谱检测和跟踪是被动声呐信号处理中的重要内容,本文给出一种基于隐马尔可夫模型的线谱跟踪方法。它采用前向后向算法对LOFAR谱图上线谱进行状态估计,然后根据连续检验对每根线谱的起始和终止时间进行检测,实现对单根线谱和多根线谱的检测与跟踪。通过计算机仿真和海试数据处理,验证了基于隐马尔可夫模型的线谱跟踪技术的有效性和稳定性。     

基于激光雷达的无人艇海上目标检测与跟踪方法研究

针对基于导航雷达和光电探测的传统感知方法难以对近距离障碍物进行稳定精确探测的问题,结合激光雷达的优势和水面场景的特点,提出了一种基于激光雷达的无人艇海上目标检测与跟踪方法。首先分析和建立了水面场景点云的平面栅格模型,提出了基于高度差的尾浪点滤除方法;其次采用改进的自适应DBSCAN算法对海上障碍物进行分割和聚类,优化了检测效果;最后结合多假设跟踪模型（MHT）和卡尔曼滤波器实现了对动态目标的多帧连续跟踪。试验结果表明,该方法能以每帧100 ms的处理速度实现对目标的实时探测和跟踪,对近距目标的聚类跟踪准确度达95%,航速、航向跟踪误差分别为8.10%和4.68%,能够实现对目标的实时、准确、稳定的检测和跟踪。     

基于小波神经网络的船舶导航雷达航迹相关外推方法

采用小波神经网络实现船舶导航雷达跟踪的航迹相关外推,本算法采和神经网络的并行处理方式,结合小波分解理论中局部Lipschitz指数信息,实现雷达的高精度在线相关跟踪滤波,仿真结果表明,该算法的计算量不随目标运动模型复杂性增加而增加,并且具朋在线处理精度高、实时检测误跟踪准确等特点。     

基于UKF的GPS L1 C/A码微弱信号跟踪算法

为了实现高灵敏度的软件接收机,提出了一种基于UKF的GPS L1C/A码微弱信号跟踪算法。该算法使用UKF实现了微弱信号的L1C/A码和载波跟踪。通过构建模型,建立方程,并通过采用仿真噪声干扰下的微弱GPS C/A中频信号对该算法进行实验性能分析。仿真实验结果表明,UKF算法可以实现对载波相位跟踪、载波频率跟踪以及码相位跟踪性能的改善,并且大大简化了计算的复杂度,具有较高的跟踪灵敏度和精度,是一种适合软件接收机实现的算法。     

基于人脸识别技术的船员身份检测研究

针对船员身份检测时间长的缺点,以缩短船员身份检测时间为目的,提出了基于人脸识别技术的船员身份检测研究。在引入人脸识别技术的基础上,采用阈值分割得到船员人脸图像,依据船员肤色像素点的计算,得到船员人脸的二值图像,利用船员人脸的相似程度计算步骤,设计了船员人脸区域的提取流程,完成船员人脸区域的提取;通过分析船员身份的检测原理,设计了船员身份的检测流程,实现了船员身份的检测。实验结果证明,基于人脸识别技术的船员身份检测方法与基于图像处理技术的船员身份检测方法相比,船员身份的检测时间短。     

机动目标无源自适应跟踪算法研究

论文提出了一种对空中机动目标进行三位测向无源自适应跟踪的新算法.该算法把目标机动加速度看成是未知的输入向量附加到状态方程中去,然后利用状态向量扩维情况下的伪线性滤波算法对目标进行三维无源跟踪,跟踪过程中在对原来目标状态向量进行估计的同时估计目标加速度,仿真结果表明,该算法不需要对目标进行机动检测,它能够适应目标机动和非机动两种工作模式,实现对空中机动目标的自适应无源跟踪.     

基于支持向量机的模式识别方法研究

本文对支持向量机的原理和应用进行了综合论述。首先,概要叙述了支持向量机(SVM)的产生背景和发展前景。简要介绍了SVM的定义、分类及算法。最后,对SVM在文本识别、数字识别、人脸检测、人脸识别、人脸认证、回归分析及预测、图像检索、特征提取等方面的应用进行了讨论。     

基于UKF的GPS L1C/A码微弱信号跟踪算法

为了实现高灵敏度的软件接收机,提出了一种基于UKF的GPS L1 C/A码微弱信号跟踪算法.该算法使用UKF实现了微弱信号的L1 C/A码和载波跟踪.通过构建模型,建立方程,并通过采用仿真噪声干扰下的微弱GPS C/A 中频信号对该算法进行实验性能分析.仿真实验结果表明,UKF算法可以实现对载波相位跟踪、载波频率跟踪以及码相位跟踪性能的改善,并且大大简化了计算的复杂度,具有较高的跟踪灵敏度和精度,是一种适合软件接收机实现的算法.     

基于视觉搜索的舰船跟踪方法研究与仿真

基于视觉图像处理方法实现对舰船目标的跟踪识别,提高对舰船目标的搜索和打击能力。传统方法采用舰船目标轮廓亮点检测方法实现对目标的视觉搜索,在图像模糊和背景干扰较强时,检测效果不好。本文提出一种基于相邻帧补偿和尺度不变特征变换的舰船视觉搜索跟踪算法。为提高舰船目标图像视觉特征采集的清晰度和稳定性,采用电子稳像技术对舰船视觉信息采集进行直方图均衡处理,采用尺度不变特征变换SIFT技术对舰船目标进行角点特征提取。采用相邻帧补偿技术进行背景干扰滤波,在相邻两帧之间求解舰船的运动参量,实现对舰船目标的视觉搜索和跟踪。仿真实验表明,采用该算法实现对舰船目标的视觉搜索跟踪,舰船视觉特征的稳像性能较好,对舰船目标的准确识别率较高,展示了较好的应用价值。     

基于深度学习的港区内制车牌识别技术

港口集卡车牌的自动识别是港口自动化管理中的一项重要任务。针对车牌图像畸变大、面积小、车速较快等情况，提出一种基于深度学习的车牌识别算法，采用多路视频流作为输入，实现集卡车牌的实时在线检测。经过现场测试，车牌识别率可达99%。     

基于粒子群优化粒子滤波的声呐目标检测前跟踪

针对传统固定粒子数粒子滤波算法计算量大、复杂环境下声呐微弱目标检测与跟踪鲁棒性不强的问题，提出基于粒子群优化（PSO）算法的粒子滤波检测前跟踪方法（IPSO-PF-TBD）。该算法在滤波预测与步骤更新之间加入PSO算法，结合预测信息和更新完成的粒子分布状态进行优化，将粒子集合转移到后验概率密度较大的区域，并充分利用声呐回波信号中目标粒子的权重信息设置粒子自适应采样策略，通过检测前跟踪（TBD）技术的数据帧间能量累积和目标检测，提高目标检测前跟踪的性能。仿真试验结果表明，提出的检测前跟踪处理方法对低信噪比及快速机动等复杂环境下的目标进行跟踪时，在位置估计精度和误差值方面明显优于粒子滤波（PF）和PSO-PF算法，具有一定研究和应用价值。     

利用轨迹跟踪的视频交通事件检测算法

由于基于车辆检验知识和像素强度等传统的视频交通检测手段受到诸多因素影响,检测算法准确率低.轨迹跟踪算法能够提高视频交通事件检测的准确性.针对不同交通事件的特性,提出了分别适用于易形变的非刚性行人目标和形状同定的刚性车辆目标的跟踪算法,通过对可疑目标进行轨迹跟踪、行为分析,给出可靠、稳定的交通事件判定依据.采用轨迹跟踪及行为分析方法使视频交通事件检测较传统视频检测方式具有更高的可靠性和通用性.     

节点信息融合的舰船目标跟踪算法

舰船目标跟踪成为各国关注的热点,针对当前舰船目标跟踪算法存在的跟踪速度慢、跟踪精度低等缺陷,以提高舰船目标跟踪效果为目标,设计了基于节点信息融合的舰船目标跟踪算法。首先采用多个传感器对舰船目标状态信息进行收集,并对信息进行一定融合,减少舰船目标状态信息的重复率,然后引入跟踪-学习-检测技术对舰船目标进行跟踪,最后采用舰船目标跟踪实验测试其性能。结果表明,本文算法可以动态、准确地对舰船目标进行检测和跟踪,相对于当前其他舰船目标跟踪算法,无论是跟踪精度或者是跟踪实时,均具有十分明显的优势。