基于嵌入式技术的运动目标控制与自动追踪系统设计

针对目前移动机器人运动目标定位不准确和追踪过程中容易丢失的问题,设计了一种基于嵌入式技术的运动目标控制与自动追踪系统。本系统以光斑模拟运动目标,通过算法编程不但可以实现目标的运动轨迹控制,还可对其运动轨迹进行自动追踪。本设计以嵌入式芯片STM32F103为核心,通过OpenMV进行图像数据处理,并由PID精确算法调节舵机,从而控制光斑在屏幕上按照设定程序进行移动和追踪。经测试,该系统能够准确地完成运动目标的控制和自动追踪任务,反应灵敏,性价比高,可广泛应用于运动目标追踪等智能控制设备中。

基于EM-VB的分布式接收运动目标直接符号检测方法

相比于传统分布式组阵接收采用的参数差异估计、信号校准合成以及符号检测的逐级处理结构,直接利用多个观测信号进行符号检测能够抑制信号间校准精度不佳带来的性能损失问题,但现有方法主要针对收发均静止或收发理想同步的情形。研究了一种最大似然准则下的分布式接收运动目标直接符号检测方法,首先给出了直接符号检测求解模型,针对模型中多组未知参数的优化问题,推导分析了各参数近似闭式解,采用基于迭代重估的闭环处理结构,利用多个未知参数和信息符号进行联合寻优。仿真实验结果表明,所提方法性能明显优于传统合成处理方法,与现有联合处理结构相比,在观测站数目较多时具有明显优势。

距离角度失配条件下的FDA-MIMO雷达运动目标检测算法

频控阵-多输入多输出(Frequency Diverse Array-Multiple Input Multiple Output,FDA-MIMO)雷达是一种新体制雷达,其发射频率分集特性带来了额外的距离维信息,然而采样误差同样带来了导向矢量失配的问题,不仅如此,角度误差的存在也会进一步加重导向矢量的失配,极大地影响检测器的检测性能。此外,目标速度过快也会对FDA-MIMO雷达的目标检测性能产生影响。速度带来的影响具体表现在两个方面:一方面会导致目标的距离走动,从而导致不同慢时间的回波包络不能对齐,无法相干积累;二是频率增量引起的多普勒扩展,使得不同发射通道的多普勒频率不一样,这会进一步影响检测性能。针对上述问题,本文针对运动目标情况下的目标检测问题进行研究,为了解决目标运动带来的距离徙动和多普勒扩展效应,引入Keystone变换进行校正。此外,为了提升阵列失配条件下的目标检测性能,本文引入子空间模型,提出了距离角度失配情况下的子空间构建方法,并基于广义似然比检验(Generalized Likelihood Ratio Test,GLRT)准则推导了FDA-MIMO雷达在距离和角度失配条件下的自适应检测器。仿真结果表明:在高斯白噪声背景下,所提算法可以校正运动目标在速度较快情况下导致的距离徙动和多普勒扩展效应,且在阵列距离和角度失配条件下的检测性能优于传统的GLRT检测器。此外本文所提Keystone-空域处理检测器与Keystone-全空时处理检测器的性能接近,且计算复杂度更低。

基于改进残差网络的运动目标模糊图像复原方法

传统的残差网络在复原运动目标模糊图像时,在模糊程度较严重的情况下,存在特征提取不充分、噪声干扰等问题,导致恢复出的图像无法完全达到原始图像的清晰度和细节。对此,提出基于改进残差网络的运动目标模糊图像复原方法。对采集到的运动目标模糊图像,采用多损失函数融合方法改进传统残差块结构,构建编码器-解码器网络训练结构,训练损失函数,提升网络的特征学习能力。通过完成训练的网络,输出运动目标模糊图像复原结果。实验结果表明,该方法复原运动目标模糊图像的峰值信噪比高于30 dB,结构相似性高于0.9。

基于改进混合高斯模型的运动目标检测方法

智能监控系统全自动实时监控,利用计算机视觉技术和计算机数据处理能力自动识别视频源中的关键信息,可以快速准确地定位异常行为并预警。运动目标检测作为智能监控系统智能分析模块的基础,是智能监控系统中目标识别、异常行为分析及应对策略的基础。本文分析常用的运动目标检测方法,针对混合高斯模型在运动目标速度过慢、光照突变情况下产生空洞的问题,采用一种基于三间帧差法的混合高斯模型目标检测方法,该方法结合三间帧差法通过差分图像获取运动轮廓,具有计算简单、实时性强的优势,以及高斯背景模型减除法获取目标内部信息完整的优势。经实验验证表明该方法实现程序简单,能够有效地检测出背景中的运动目标,满足实时检测的需要。

基于结构相似度和鲁棒主成分分析的运动目标检测

运动目标传统检测方法只考虑图像的亮度或纹理等某一种特性,受特异值影响较大,对噪声比较敏感,鲁棒性也不够好,而且背景恢复精度不高。针对以上局限性,提出一种融合结构相似度(structural similarity,SSIM)全参考模型和鲁棒主成分分析(robust principal component analysis,RPCA)的运动目标检测方法。此方法综合考虑图像的亮度、对比度和结构三种特性,不采用传统的背景减除法,而是把图像像素点的结构相似度作为度量来实现运动对象与背景的分离。实验结果表明,此方法准确率可达0.95,且F度量较传统运动目标检测算法平均提升0.15,总体上比传统方法更具优势。

一种对高速运动目标的单光子测距方法

作为一种前沿的激光探测技术,单光子激光测距技术已成功应用于月球测距、卫星测距和地面测高等领域。然而,单光子测距在机载空对空、地对空平台上对高速运动目标进行跟踪测距时,回波光子落在不同的时间窗,导致直接计数无法有效提取信号的问题仍需解决。针对空对空条件下单光子激光测距的应用需求,基于时间相关光子计数技术设计一种适用于全天时、宽时域、多噪声条件下对高速运动目标的单光子测距方法。该方法采用阵列单光子探测器和相邻时间窗相关统计多帧处理算法提取激光回波光子信号,并在Matlab平台上对算法进行仿真实验,使用多元阵列单光子探测器实现最大测程百公里以上、背景噪声计数率约为5 MHz、单脉冲回波光子计数平均值为1条件下的回波光子信号提取。该方法能够克服传统单光子探测只能对准静态目标测距,只能在小接收视场和小波门范围等弱背景噪声及目标轨迹可预测条件下应用的限制,将单光子探测由只能固定平台夜晚对准静态目标测距推广至通用平台全天时对高速运动目标测距。

土壤表面与运动目标复合电磁散射的矩量法研究

为了满足土壤表面上方雷达目标检测、识别和分类等的需要,采用空间域合成法生成高度起伏遵守Alpha-stable分布的土壤表面,选用Topp模型模拟土壤的介电常数,运用矩量法研究了锥形波入射条件下土壤与其上方运动的三角形截面柱的复合电磁散射问题,通过数值计算得到了复合散射系数随散射角的变化曲线,分析了等边三角形和不规则三角形截面柱在土壤表面上方横向平移、纵向平移、转动以及电磁波入射角对复合散射系数的影响。数值计算结果表明:复合散射系数随散射角振荡地变化,等边三角形截面柱的纵向平移和转动对复合散射系数有较大的影响,而横向平移对复合散射系数的影响很小;不规则三角形截面柱的横向平移和纵向平移对复合散射系数产生的影响很小,转动对复合散射系数的影响较大。有关结果可为民用、军用领域工程问题提供理论依据和实践方法。

基于改进神经网络的视频序列运动目标识别方法

为改善运动目标检测效果,降低目标漏检率,提出一种基于改进神经网络的视频序列运动目标识别方法。构建改进YOLOv3的运动目标识别模型,以不同帧视频图像为模型输入,经过卷积层的初步特征提取后,输入到由5个残差模块组成的深层网络中。通过以上采样方式构建特征金字塔,实现对运动目标四尺度特征的捕捉。在特征金字塔的每一层,应用K-means算法对运动目标真实框进行聚类,确保候选框尺寸和比例与真实运动目标的统计特性相匹配;再利用获得的候选框和分类器对特征图上每个位置进行目标检测,运用非极大值抑制技术剔除重叠框,将斥力损失函数引入到网络训练总损失之中,使预测框无限贴近运动目标真实框,实现对运动目标的精准识别。实验结果表明,所提方法具有显著的运动目标识别能力,当聚类数目为12时,运动目标识别的AUC、F1指标可达到0.92、0.90,且计算量较少。

基于无人机航拍视频的运动目标检测与跟踪

针对无人机视角下拍摄物体尺寸小、外观模糊,以及无人机平台自身存在运动等问题,基于无人机航拍视频的运动目标检测与跟踪仍具有很大的挑战性。提出了基于改进LK光流法的运动目标检测与跟踪算法,利用卡尔曼滤波算法进行目标跟踪;针对传统LK光流法在动态环境下效果不佳的问题,引入语义分割线程筛选动态点和静态点,通过筛选后的静态点求解单应矩阵完成无人机的运动补偿、计算动态点的光流值获得光流点以降低误匹配率,最后通过聚类算法和形态学运算得到完整的运动目标;将所提的重识别模块引入卡尔曼滤波算法实现目标跟踪。实验结果验证了所设计的运动目标检测与跟踪算法在无人机视角下能够实时、准确地提取出运动目标,并持续稳定地跟踪目标。

基于相位追踪的SAR运动目标高阶距离徙动校正方法

距离徙动校正(RCMC)是合成孔径雷达(SAR)实现运动目标参数估计和聚焦成像的关键环节。当目标或平台运动复杂时,传统低阶RCMC方法将不再适用,而现有基于参数化的高阶RCMC方法易存在模型失配和计算复杂度高的问题、现有非参数化方法在低信噪比下性能也将大幅下降。对此,该文借助扩展卡尔曼滤波(EKF)对造成RCM的相位进行追踪,进而构建RCM补偿函数实现RCMC。所提方法不依赖于RCM的具体模型,追踪得到的相位包含高阶分量,因此可以实现SAR运动目标的高阶RCMC。此外,EKF在进行相位追踪的同时能对信号进行滤波处理,可有效降低所提方法的信噪比(SNR)门限。与传统方法相比,该方法适用性广,计算量适中,且能校正不可忽略的高阶残余距离徙动。该文详细阐释了所提方法的原理及数学模型,并通过多组仿真和实测数据处理验证了所提方法的有效性和优越性。

冻结土壤表面等边三角形截面柱运动目标复合电磁散射特性研究

针对高寒地区冻结土壤表面运动目标雷达回波特性的研究需求,采用介电常数混合模型模拟冻结土壤的介电常数,应用空间域合成法模拟表面起伏遵守alpha-stable分布的冻结土壤表面,运用矩量法研究了入射波为锥形波时在冻结土壤表面上横向翻滚的等边三角形截面柱运动目标的复合散射问题,仿真了复合散射系数随散射角变化的曲线。数值计算结果表明,在三角形截面柱作复杂翻滚运动时,目标自身旋转对复合散射系数的影响最大,目标重心纵向振荡对复合散射系数的影响较大,而水平移动对复合散射系数的影响较小,同时考虑冻结土壤特性对复合散射特性的影响,入射波频率影响较大且入射波频率与复合散射系数呈负相关,土壤温度对复合散射系数影响较小且土壤温度与复合散射系数呈正相关,土壤质地对复合散射系数影响显著,取决于不同土壤质地自身电特性。理论上进一步推广了目标与特殊地物背景复合电磁散射计算方法,复合散射特性在诸多实践中又可提供必要的理论依据和可靠的数据支撑。

烟雾环境下运动目标双目视觉定位技术研究

论文围绕烟雾环境下基于双目视觉的运动目标高精度被动式定位展开了系统研究,对其中的关键技术难题进行了理论探索与技术攻关,在图像去雾、运动目标检测、立体匹配、目标定位等环节取得了以下研究成果。

基于l^(1/2)-TV正则化RPCA的运动目标检测

针对复杂环境下背景干扰导致运动目标检测精度下降的问题,提出了一种基于l^(1/2)-TV正则化RPCA的运动目标检测方法。方法利用核范数来描述背景的低秩特性,采用l^(1/2)范数描述更稀疏的运动目标,以抑制运动目标中的背景干扰。同时结合TV正则化约束运动目标的空间连续性,使运动目标更加完整。利用Frobenius范数检测背景干扰。采用交替方向最小化策略扩展的增广拉格朗日乘子法求解所提出的约束最小化问题。实验结果表明,所提方法能有效去除背景干扰,提高运动目标的检测精度、改善视觉效果。

公共区域监控视频运动目标跟踪系统设计

公共监控区域中的运动目标在运动方向和运动速度方面具有一定的随机性,这增加了目标跟踪难度。为了提升运动目标的跟踪性能,设计了公共区域监控视频运动目标跟踪系统。通过设计系统总体框架,确定了系统工作流程;基于建立的总体框架完成了系统各个硬件模块的设计,并着重设计了系统检测跟踪模块,使用Kalman滤波算法预测视频运动目标状态辅助该模块完成目标的精准跟踪;依据系统工作流程完成了系统的软件流程设计;结合系统的硬件、软件设计实现对公共区域的视频运动目标检测跟踪。实验结果表明,设计系统在跟踪公共区域的视频运动目标时,跟踪时间短、跟踪精度高、检测跟踪性能高。

无监督缺失值预测的运动目标检测算法

针对运动目标检测过程中由于背景复杂、目标易发生遮挡而产生的漏检问题,提出一种基于无监督缺失值预测的运动目标检测算法。将漏检的目标视为标签数据中的缺失值,根据待检测目标的类别和数量,利用无监督的生成对抗插补网络(generative adversarial imputation networks,GAIN),通过已获取的标签数据对缺失值进行预测,以牺牲较少的精确率为代价大幅提高召回率。在小样本的牛只特征部位数据集上的实验结果表明,在标签数据缺失率低于40%的情况下,缺失值预测的准确率约为95%,对于不同程度的被遮挡目标,检测的平均F1分数为0.92。该方法在小样本条件下,对运动目标具有较好的检测性能,可减小实际应用中的不确定性,以及算法对样本数据的依赖性,改善运动目标检测过程中的漏检问题。

基于多普勒偏移补偿的非线性FDA-MIMO雷达运动目标检测算法

非线性频控阵-多输入多输出(Frequency Diverse Array-Multiple Input Multiple Output,FDA-MIMO)雷达具有非线性增加的阵元频偏,使得雷达的距离-角度波束图不再呈现“S”型,而聚焦为点波束,以此将发射能量聚焦到目标位置能够获得更优异的目标检测性能。不过,FDA-MIMO雷达检测运动目标时,由于发射阵元间的频偏与目标速度存在耦合,导致在慢时间维出现多普勒偏移。基于插值滤波的重采样算法能够补偿阵元频偏带来的多普勒偏移,但对于非线性FDA-MIMO雷达,由于阵元间频偏不再是线性变化,上述算法将会失效。本文提出了一种新的算法,可以利用Keystone变换和多普勒偏移补偿的方法,来检测非线性FDA-MIMO雷达中的运动目标。建立了非线性FDA-MIMO雷达运动目标的回波模型,指出了基于插值滤波的重采样算法存在的不足,提出了一种基于速度搜索的算法来补偿非线性FDA-MIMO雷达检测运动目标时出现的多普勒偏移。首先利用Keystone变换消除目标回波的距离徙动,然后根据阵元间频偏构造多普勒补偿函数,利用多普勒补偿函数和各阵元脉压后的回波信号构造速度搜索函数,通过设定合适的速度搜索范围对其进行搜索,当该函数取得峰值时对应的速度即为真实速度,最后利用搜索的速度补偿多普勒偏移后再做相干积累检测目标。仿真结果表明:所提算法可以准确补偿阵元间的多普勒偏移,且在非线性FDA-MIMO雷达体制下的检测性能优于基于插值滤波的重采样算法。

移动健康信息服务的个性化运动目标决策研究

随着物联网技术在智能健康管理领域的不断发展,用户能够通过智能设备感知和监测个人健康状况,并借助移动设备实现与健康信息服务提供商的数据交互,生成个性化运动锻炼方案。在这种实时交互的健康干预服务中,健康信息服务提供商采用数据驱动的方法,适应性地调整为用户推送的个性化运动目标,目的是实现用户长期健康效用最大化和提升用户的服务满意度。为了研究最优的个性化运动推送目标,首先对研究问题进行界定,构建实时交互的个性化运动目标决策模型;随后针对问题中用户行为不确定的特点,采用深度强化学习算法,结合了离轨策略时序差分学习方法以及神经网络非线性拟合方法,从用户的历史数据中学习策略;最后使用Fitbit的真实数据集验证了所提方法的有效性。研究结果表明,基于深度强化学习的个性化运动目标推送服务,通过实时分析用户行为数据,对用户进行科学的引导和适时的激励,有助于帮助用户培养健康的生活方式,提高个人健康管理水平。

基于ADMM的SAR多运动目标成像方法

为提高合成孔径雷达(SAR)多运动目标同时聚焦性能和成像效率,利用多运动目标信号的多分量线性调频信号形式和稀疏先验知识,提出基于交替方向乘子法(ADMM)的SAR多运动目标成像方法。通过建立SAR多运动目标稀疏观测模型,将多运动目标成像问题建模为稀疏特征约束下的逆问题求解。基于自适应Chirplet分解方法对目标多普勒调频率进行估计,从而实现观测矩阵设计。为获得较高的动态响应范围和较低的旁瓣响应,采用ADMM对多运动目标进行稀疏重构,ADMM将复杂的凸优化问题分解为多个交替寻找最优解的子优化问题,从而实现多运动目标图像精确且高效重构。最后通过仿真实验和机载SAR实测数据验证所提算法在聚焦成像质量和工作效率方面优于其他成像方法。

基于改进ViBe的自适应运动目标检测算法

针对ViBe算法无法去除动态背景,易出现鬼影及不能自适应光照变化的问题,提出一种复杂环境自适应的ViBe改进算法。通过计算区域的复杂度、闪烁波动度,对分类半径R和更新率T进行动态调整,对样本点进行有效性权重的计算,更高效地过滤背景噪声和适应光照渐变;在检测物体状态变化时,动态调整R和T,通过融合前景点计数和帧差法优化鬼影消除;通过识别最小外接矩阵区域差异加快去除鬼影;利用帧差法实时检测光照突变,及时进行重新初始化,避免大量误检。实验结果表明,改进ViBe算法在适应动态背景、光照变化及抑制鬼影等方面比原算法均有更好检测效果,检测精度平均提升了40.7%。