基于背景抑制和前景抗干扰的多尺度跟踪算法

针对尺度变化、目标形变、背景混乱及相似等导致的相关滤波跟踪算法模型漂移的问题,本文提出了一种基于背景抑制和前景抗干扰策略的多尺度相关滤波跟踪算法。前者应用自适应高斯窗和颜色概率模型,以解决背景混乱及相似问题;后者采用自适应密集采样和颜色概率模型,以抑制尺度变化和目标形变等干扰。最后,构建一维尺度滤波器实现对目标尺度的精确估计。在OTB-50数据集下的对比实验表明,本文算法取得了79.2%的精确度和65.5%的成功率,优于现有的主流相关滤波跟踪算法,在11种常见的干扰下性能亦为最优,展示出较高的跟踪精度和较强的鲁棒性。

基于下一跳前向转发节点密度的GPSR改进协议

分析了一种适用的地理位置路由协议——贪婪周边无状态路由协议(greedy perimeter stateless routing protocol,GPSR).针对其路由空洞过多带来的投递率下降、时延增加等问题,提出了一种综合考虑接近率和下一跳节点前向转发区域密度的改进算法GPSR-D.利用网络仿真平台NS3对AODV、GPSR和GPSR-D协议进行仿真研究,结果表明基于位置的GPSR在投递率和平均时延上均较基于拓扑的AODV更好,改进后的GPSR-D在不增加平均端到端时延的基础上减少了约1/2的路由空洞数,分组投递率提高了5%.

基于匹配策略融合的低误差快速图像拼接算法

针对目前多数拼接算法正确匹配率低、耗时及误差大的问题,提出了基于匹配策略融合的改进图像拼接算法。首先仅在图像的重合区域提取SIFT特征点,并计算SURF特征描述符;其次,融合改进的最近邻比次近邻、双向交叉检查及匹配差值的阈值化三种匹配策略,结合坐标约束及RANSAC算法完成特征匹配;最后,提出利用配准参数计算任意图像到参考图像坐标空间的投影变换模型的方法,并利用多线程技术将所有图像投影至参考坐标系,经过亮度校正、加权融合后合成全景图。实验结果表明,提出的拼接算法正确匹配率提高了10%～20%,拼接总耗时约为传统逐帧扩大式拼接算法的1/3,且累计误差大大降低,拼接图像畸变小。

基于改进SSD的行人检测模型

为提高小尺度行人检测的精度与实时性,提出改进的行人检测模型。以SSD检测框架为基础,首先将检测层的default box进行改进,使之更适应行人检测任务。其次,设计Top-Down融合单元将高层丰富的语义信息与低层丰富的细节信息进行融合,从而提高对小尺度行人的检测精度。最后,将主干网络改为轻量级的网络MobileNetV2,该网络将标准卷积替换为深度可分离卷积,使计算量降为1/9,从而提升实时性。这3种改进对检测精度均有一定的改善,其中引入Top-Down结构对精度的改善最为明显。该模型在Caltech测试集的漏检率比SSD网络低12.14%,且嵌入式平台TX2检测速度可达19.7FPS。