基于视觉感知的运动目标跟踪算法

针对运动目标跟踪问题,为解决跟踪过程中因遮挡、目标尺度变化等易造成跟踪失败的现象,提出一种基于视觉感知的跟踪算法。该算法以神经元响应为视觉特征,首先从自然图像中学习初级视皮层细胞感受野;然后计算背景图像和视频序列图像的神经元响应并得出差值,与动态阈值比较,识别出运动目标,通过迭代实现目标跟踪。多类别实验结果表明,该算法实现了运动目标稳定跟踪,目标跟踪准确率达93.5%且鲁棒性增强,与典型算法Camshift和SIFT相比,提高了跟踪算法的准确性和鲁棒性。

基于脑认知信号的水声信号智能辨识方法探索研究

水声信号辨识技术是实现水下武器装备智能化的关键技术之一。由于极其复杂的水下背景环境,水声信号辨识技术发展缓慢。为探索研究新型水声信号辨识技术,本文提出基于脑认知信号的水声信号辨识方法。从大脑认知出发,获取水声目标信号辨识时的脑认知信号,通过范式设计,构建水声目标与脑认知信号的相关模型,并验证脑认知信号用于水声信号辨识的可行性。

视觉感知的目标识别算法

针对图像的目标识别问题,采用视觉感知的方法,模拟感受野的分层信息处理机制,并引入神经元间的侧抑制机制,对神经元响应进行筛选,通过检测视觉基本特征的方式识别图像中的目标.算法首先在简单细胞的感受野中对图像进行预处理;其次,在复杂细胞的感受野中,将简单细胞的感受野刺激进一步拓扑特征提取,得到感受野刺激响应;最后,通过侧抑制机制对响应神经元筛选,找出对刺激响应较强烈的神经元,将其输出作为目标识别的参数标准.实验结果表明,基于视觉感知的算法可以用少量样本解决大量图像中的目标识别问题,识别率高于边缘检测和图像分割方法,算法的目标识别率达到95.56%.

融合脑电信号的雷达目标探测新方法研究

高频雷达在海洋环境监测上有着独到的优势,但由于噪声及其他外界干扰的影响,其规律性受到了较大的影响。文章提出基于脑认知的雷达目标探测系统,融合脑-机接口(Brain Computer Interface,BCI)技术与机器图像智能识别的各自优势,降低了雷达图像目标探测的难度,提高了系统工作效率,为雷达图像的目标探测提供一种新的思路和方法。

运动相关脑电信号的运动意图预测方法研究

为了找出在大脑的后顶叶皮层区(PPC)运动意图预测与运动想象EEG信号之间的关联,联合运动相关电位MRPs与mu/beta节律的事件相关同步/去同步(ERS/ERD)特征,首先用小波包分解WPD重构特征频段的小波包分解系数特征向量,其次采用共空间模式CSP提取空域特征向量,最后利用支持向量机(SVM)进行运动意图预测;通过实验验证,联合运动想象信号中的运动相关电位及mu/beta节律,运动意图预测分类准确率达到85%;证实了运动相关MRPs可以表征运动准备即运动规划阶段的脑神经机制;10Hz以下的mu和beta节律ERS/ERD特征能够体现运动意图的方向;研究结论进一步为精细运动(包括运动方向、速度等其他运动参数)预测提供技术支持。

P300电位在特定目标探测中的应用

利用多维EMD分解算法,在时域和空域上同时对信号进行多维度的经验模式分解,利用导联电极之间的关联信息,提高P300信号的提取准确度。在此基础上,以特定目标探测为应用目标设计了刺激范式,并进行了真实环境下特定目标的探测。以不同刺激间隔为调节参数,经过多轮次试验,获得了P300电位的识别准确率与刺激间隔的关系,该结论对P300电位在特定目标探测中的应用具有实际指导意义。

基于P3电位的目标检测研究

P3波反映受试者对刺激的接受、处理以及反应等认知过程,不受刺激的物理特性影响,在现实中具有广泛应用场景。本文设计了基于P3电位的目标检测系统,在预处理模块中,采用带约束的ICA、时间滤波和去趋势方法去除噪声、伪迹和基线漂移;在特征提取模块中,利用多维经验模态分解方法提取预处理后的EEG信号特征;最后,在模式分类模块中,训练过的LDA方法来分类从每段EEG中提取出的特征向量。对城市真实场景下的特种车辆的检测进行了实验,分类准确率达到97%。实验采用单次刺激信号提取,大大提高了目标检测的速度,具有实际应用价值。