基于两级隐式形状模型的抗遮挡目标跟踪

为解决遮挡条件下的目标跟踪问题,提高定位精度,提出一种基于两级隐式形状模型的目标跟踪算法。利用Fast Hessian检测子提取待跟踪目标及周围区域的局部关键点区域构建码本字典,用SURF描述子获取码本的特征描述矢量建立码本支持模型,利用广义Hough变换建立码本字典集与目标之间的共生关系,通过隐式形状模型进行在线学习更新,通过寻找投票空间中的极大值来对目标进行定位,根据跟踪过程中目标遮挡程度的不同,分别赋予目标自身码本投票及周围码本投票不同权重,提高不同遮挡状态下目标定位精度。实验结果表明,在目标被遮挡甚至不可见或者丢失后重新回到视场时,该算法均能鲁棒地定位出目标。

基于ISM形状模型的目标检测算法

提出一种能适应不同方向目标检测,可以有效减小训练样本集数量的目标检测算法。算法包含两部分:ISM(Implicit Shape Model)形状模型生成和目标检测。ISM形状模型中包含目标描述表和ISM形状模型两部分。目标检测时将图像中的局部特征与目标描述表进行匹配,同时结合ISM形状模型生成投票空间。通过在投票空间中搜索局部极大值,并采用自顶向下的分割和MDL算法来剔除虚假目标,获取图像中的目标检测结果。编程实现了该算法,并用汽车、摩托车、行人等典型目标进行了目标检测试验。试验结果证明该算法对复杂背景下目标检测有较好的性能。用含不同角度目标的图像与原算法进行了对比实验,实验结果表明提高了算法对目标角度变化的适应能力。

基于SIFT特征和ISM的X射线图像危险品检测方法

针对行李安检时X射线图像中的危险品检测问题,提出一种基于尺度不变特征变换(SIFT)和隐式形状模型(ISM)的检测方法;首先,采集不同姿态的危险品X射线图像,并标注目标位置,构建训练数据集;然后,通过SIFT算法提取目标关键点,并以此构建目标的ISM模型;在检测过程中,将提取的目标SIFT描述符与ISM模型中的视觉描述符进行匹配,通过投票机制来判断目标是否为危险品;通过手枪和酒瓶的检测实验表明,该方法能够从X射线图像中准确检测出危险品,且对目标姿态变化具有鲁棒性。

使用二维轮廓线的扩展元球造型技术

提出了一种基于二维轮廓线与超二次曲面型元球模型的造型方法,以实现简单、快速三维模型原型构造.给定一条二维轮廓线,首先使用圆或椭圆去逼近它.然后对每一个圆或椭圆设置第三个维度的参数,能够获得相应的超椭球体型元球.最后混合所有元球的场,并对所有元球的形状参数进行优化,得到一个解析的元球隐式曲面.通过调整元球的位置或形状参数构造出的曲面能够方便地实现形状的修改.模型的不同组成部分可以在不同的投影平面上勾画轮廓线相似地进行设计.该造型方法支持简单的建模操作,如布尔加、减或准扫成体生成,以生成各种复杂形状的模型.此方法能够广泛地应用在计算机图形学或计算机辅助设计领域中的概念设计阶段的原型设计工作中.

频域加权最优隐模型跟踪法及其在飞控系统设计中的应用

把频率加权二次型法与隐模型跟踪理论综合起来,在系统设计时,考虑系统的稳定性、动态特性和鲁棒性要求,以期达到满意的综合指标。利用所述方法,设计了飞控系统的控制律。通过数字仿真及实时混合仿真表明,与通常最优二次型方法所设计的控制律比较,用本文所述方法设计的控制律,不仅有满意的稳定性和动态特性,而且还改善了鲁棒性。