高校校园快递研究--以南京审计大学为例

随着淘宝,唯品会,亚马逊,当当等电商平台在近几年的飞速发展,网购已成为如今大学生购物的主流方式,尤其以淘宝为首开创的"双十一狂欢节","双十二亲亲节","年货节","三八女王节"等购物狂欢节极大地增加了网购的交易额,也增大了物流的压力。而大学生成为购物狂欢的主体,这也对校园内部的快递的营运造成了极大的压力。本文首先介绍了当今高校校园快递的现状以及校园快递所存在的问题,介绍了以微信公众号或者app作为平台的快递模式。

尺度估计和多特征融合的目标跟踪算法研究

针对核相关滤波器跟踪算法(Kernel Correlation Filter,KCF)在特征提取单一以及尺度估计不足而导致跟踪效果不佳的问题,本文提出了一种多特征融合的尺度自适应核相关滤波目标跟踪算法。首先,使用帧差法将相邻帧图像对应像素值相减得到差分图像;其次,提取差分图像的方向直方图特征,与目标的均一局部二值纹理特征以及颜色特征进行线性加权融合;最后,加入一种尺度估计策略,将尺度滤波器的估计值与分块算法的估计值融合计算得出目标的尺度和位置。实验数据表明,本方法能有效改善核相关滤波器的跟踪性能,且与其他主流算法相比,在尺度变换下也有较好的跟踪效果。

相关滤波的运动目标抗遮挡再跟踪技术

针对相关滤波在抗遮挡方面效果不佳的问题,本文在ECO_HC(efficient convolution operators handcraft)的基础上提出了一种多特征融合的抗遮挡相关滤波算法。在相关滤波算法的框架下,将目标ULBP(uniform local binary pattern)纹理特征和目标HOG(histogram of oriented gridients)特征进行线性加权融合;在模型建立与更新阶段通过高斯掩码函数缓解循环移位造成的边界效应;通过计算目标最大响应值的峰值均值比来判断目标状态,并将卡尔曼算法作为目标被遮挡后重定位策略。实验结果显示,在16个视频序列上,该文算法的平均精确度达到87.3%,成功率达到76.5%,相比基线算法,分别提升了27.7%和23.7%。

基于旋转的尺度自适应运动目标跟踪算法

针对相关滤波器对平面内旋转和尺度变化等跟踪效果不佳的问题,在ECOHC (efficient convolution operators handcraft)的基础上提出了一种具有旋转特性的尺度自适应相关滤波目标跟踪算法。训练一个旋转和尺度滤波器,采用相位相关算法求得尺度因子和旋转角度;在进行旋转和尺度模型更新时,采取动态自适应更新策略;在位置模型更新阶段,通过融合前序帧的背景信息提高模型的稳定性。实验数据表明,所提方法不仅对平面内旋转和尺度变化有较强的鲁棒性,而且能够达到实时要求。