基于序贯检测机制的双目视觉运动目标跟踪与定位方法

为了提高复杂环境下的目标跟踪精度,提出了一种基于序贯检测机制的双目视觉运动目标跟踪方法.该方法在序贯检测机制下,将粒子滤波、稀疏场主动轮廓和CamShift等方法结合.首先用基于颜色特征的粒子滤波估计最优跟踪窗口;通过跟踪窗口和目标的相似度决定是否采用稀疏场主动轮廓方法,然后由目标轮廓和目标的相似度决定是否需要CamShift对轮廓进行修正;最后结合双目视觉的视差信息和标定模型对目标进行定位,引入视差置信区间判据可有效减少噪声影响,提高运动目标定位精度.实验表明本文所提的基于序贯检测机制的目标跟踪方法在摄像机运动一目标运动模式下,在目标有尺度、旋转、视角变化和环境有光照变化等情况下,能对运动目标进行有效地跟踪与定位,并且具有比较好的跟踪和定位精度.

高恶意用户比例下稳健WSPRT算法

频谱感知数据篡改(SSDF)攻击是协作频谱感知(CSS)中常见的攻击方式。在分布式协作频谱感知网络中,采用加权序贯概率比检测(WSPRT)融合准则,通过信誉值机制,有效缓解了SSDF攻击的影响。但是,随着网络中恶意用户数目比例的增加,融合判决结果的错误概率将大大增加。在高恶意用户比例下,融合节点判决结果的错误概率将变得不容忽视。为了缓解分布式网络中高恶意用户比例下SSDF攻击带来的不良影响,因此提出训练机制下加权序贯概率比检测(RT-WSPRT)算法。仿真表明,在高恶意用户比例的情况下,RT-WSPRT检测性能优于WSPRT。