融合CN跟踪算法改进的TLD实时目标跟踪算法

针对TLD算法跟踪框在目标非刚性形变、旋转、背景杂乱等情景中容易导致跟踪漂移的问题,提出了一种融合CN跟踪算法改进的TLD实时目标跟踪算法(TLD-CN)。首先对跟踪框内区域计算图像显著性得到BRISK算法采样特征点的阈值,获得合适的特征点以建立旋转和尺度归一化的描述子,再融合颜色特征和纹理特征对前后帧跟踪框内描述子进行最优相似性匹配,得到匹配的特征点集合,对集合内特征点进行判别式字典的稀疏编码后,分别与CN跟踪框和TLD跟踪框的中心像素点进行相似度的度量,得到输出框调整的权重系数。实验结果表明,TLD-CN跟踪算法通过特征点度量出2种算法融合的权重值调整输出框,在目标形变、旋转、背景杂乱、快速运动等复杂跟踪情景中,具有很高的精度和成功率。权重系数自适应更新也避免了模型过拟合,达到实时跟踪效果。

基于跳数加权与跳距优化的3D-DVHop定位算法

为降低定位成本及计算量,在三维空间中常使用无需测距的3D-DVHop算法定位节点,而算法自身对跳数与跳距计算产生的误差会导致无法有效降低平均定位精度值,为此提出一种基于跳数加权与跳距优化的3D-DVHop定位算法,利用节点接收与传送的RSSI值有所差异,将两者商值作为跳数权值用以优化跳数值。结合跳数值使用算术平均法计算平均跳距,对所得平均跳距值采用最小均方误差和无偏估计进行优化处理,使得后续节点间的距离值计算更为精确,从而达到降低节点平均定位精度值的目的。

融合TLD框架的DSST实时目标跟踪改进算法

针对目标快速运动导致的图像模糊,使DSST算法难以区分目标与背景信息,滤波器在训练阶段循环移位采集密集样本容易产生边界效应,导致跟踪漂移的问题,提出了一种融合TLD框架的DSST实时目标跟踪改进算法(TLD-DSST)。改进DSST算法的位置滤波器,通过空间正则化的方法加入权重系数矩阵,降低非目标区域的响应,对快速运动目标进行粗定位;与此同时,引入朴素贝叶斯分类器改进TLD检测器,提高检测器对目标与背景信息的区分能力,然后将DSST目标响应的位置与TLD检测器得到的目标区域进行最优相似性匹配,得到精确定位的结果。通过TLD检测器正负样本在线更新机制,不断优化算法的鲁棒性。实验结果表明,TLD-DSST算法对于快速运动等复杂情景下的目标跟踪,具有很高的精确度和成功率。

云南种子植物特有属领域本体构建及其推理

针对目前云南种子植物特有属信息资源数据格式多样、集成整合不足、检索效率低等问题,提出使用基于本体查询推理的解决方法。利用本体编辑器Protégé,采用七步法构建云南省种子植物特有属领域本体,构建云南种子植物特有属领域本体的推理规则,并综合运用Jena和SPARQL实现基于规则的本体推理查询。通过对云南省种子植物特有属领域本体实例的测试,得出潜在的语义查询结果,为相关领域语义信息检索提供一种新方法和思路。