基于特征融合的RGBT双模态孪生跟踪网络

热红外成像技术被广泛地应用于军事、遥感和安防等领域中的目标跟踪,但热红外图像对对比度较低、目标模糊等跟踪场景效果一般。因此,将热红外图像与可见光图像进行融合提高跟踪性能具有重要意义。与基于可见光或热红外图像的单模态跟踪算法相比,基于可见光/热红外(RGB/Thermal,RGBT)图像的双模态跟踪算法对光照变化、云雾遮挡具有更强的鲁棒性。提出了一种基于特征融合的RGBT双模态孪生跟踪网络架构。该网络将双模态图像中提取的深度特征进行融合,提高目标外观特征的判别力。该网络可以利用训练数据进行端到端的离线训练。公开数据集RGBT234上的实验结果表明,所提出的RGBT双模态孪生特征融合跟踪网络能够实现复杂场景下鲁棒持续的目标跟踪。

RGBT双模态加权相关滤波跟踪算法

与基于可见光的单模态跟踪算法相比,基于可见光/热红外(RGB-Thermal,RGBT)的双模态跟踪算法对光照变化具有更强的鲁棒性。但在实际应用场景中,双模态跟踪算法仍然会受到局部遮挡目标形变的影响。为了解决以上问题,本文提出了一种可见光/热红外RGBT双模态加权相关滤波跟踪算法。该算法首先利用可见光图像和热红外图像联合求解权重图,然后利用权重图引导相关滤波器求解过程,最后根据权重图推断前景目标是否被遮挡。该算法在公开数据集RGBT234上的结果表明,本文提出的RGBT双模态加权相关滤波跟踪算法能够有效处理目标局部遮挡和目标畸变等情况,实现复杂场景下鲁棒持续的目标跟踪。

基于事件相机的无人机目标跟踪算法

无人机目标跟踪可应用于消防、军事等重要领域,已成为计算机视觉领域热门研究课题之一。现有的无人机目标跟踪算法大多基于传统RGB相机结合深度学习算法,但此类算法一方面无法避免无人机机体抖动造成的运动模糊,另一方面因传统RGB相机在低光照或过曝光场景下成像质量较差,难以跟踪目标,为此提出采用无人机搭载DAVIS事件相机的方法进行目标跟踪。设计了基于事件与灰度图的双模态融合跟踪网络,用Vicon运动捕捉系统制作了无人机视角下的目标跟踪Event-APS 28数据集,实现了在复杂光照场景下对目标物的有效跟踪。

Simulation of grid tracking control of power system connection and maximum power brushless doubly-fed generator in point wind

In this paper, based on the analysis of the mathematical model in a common synchronous reference frame of the brushless doubly-fed generator （BDFG）, the grid connection strategy and maximum energy extraction control were both analyzed. Besides, the transient simula- tion of no-load model and generation model of the BDFG have been developed on the MATLAB/Simulink platform. The test results during cutting-in grid confirmed the good dynamic performance of grid synchronization and effective power control approach for the BDFG-based variable speed wind turbines.