基于主轴分析和团块特征提取的ISAR目标检测方法

传统的目标ISAR成像特征提取方法,对其能量分布、局部关键性质考虑不足。考虑到一般强散射点主要分布在目标主轴附近,文中提出了一种基于ISAR目标主轴分析的团块特征提取方法,首先通过强散射点坐标矩阵求得目标主轴方向及目标中心;在此基础上沿目标能量的主要分布范围对目标进行团块分割。提取到的团块特征,避免了强散射点对弱散射点几何结构表现能力的抑制,既可以反映目标直观特征,又可以较好反映目标的能量分布细节。仿真结果证明文中提出的方法是有效的。

基于团块多尺度光流方向直方图的人群异常行为检测

如何进行适应不同场景的人群异常检测是视频监控领域的研究难点。目前主流的人群行为特征表达式是基于HOF的,其中基于多尺度MHOF是主流方法,但由于多尺度MHOF特征是基于等距划分场景区域的局部特征,因而不是人类观察外界场景的方式。团块特征是基本符合人类观察事物的方式,因此提出基于Blob团块的MHOF特征提取算法,并联合Hog特征,应用多层递归神经网络提出了异常行为检测的算法框架。在3个数据集上进行实验,结果表明,该算法优于基于多尺度MHOF特征的异常行为检测方法。

基于CUDA加速的实时团块跟踪算法

为有效解决目标稳定实时跟踪问题,提出一种基于团块的目标跟踪方案。该算法利用目标的颜色和空间特征,通过四叉树分割将目标划分为多个区域,每个区域即为一个团块。根据团块的特征,结合模糊聚类的思想构建了团块目标模型,并定义团块间匹配准则,以此进行目标跟踪。同时,使用CUDA提供的强大并行计算能力提高程序执行速度。经过视频序列测试,表明了该设计方案的有效性和实时性。