基于置信图特性的改进时空上下文目标跟踪

针对时空上下文目标跟踪算法在目标处于遮挡情况下容易产生漂移的问题,基于置信图特性,提出一种改进的时空上下文目标跟踪算法。利用3种子块的特征组合表达目标外观,将置信图中多个峰值点的对应区域作为候选区域,从而提取候选区域的目标特征并找到与目标模板最相似的区域。通过连续蒙特卡洛采样得到最优目标区域,并根据子块遮挡比例自适应调节时空上下文学习率以降低遮挡的影响。仿真实验结果表明,与时空上下文目标跟踪算法和压缩跟踪算法相比,在目标快速移动或发生遮挡时,改进算法仍能较准确地跟踪目标。

基于Mean Shift和Kalman滤波相结合的运动目标跟踪方法

为了使Mean shift算法能跟踪快速运动目标和大比例遮挡的目标,算法引入Kalman滤波对目标位置进行预测,Mean shift在预测位置邻域内搜索目标位置。同时对引入Kalman滤波的算法进行试验分析发现,不能有效的跟踪运动状态突然变化的目标,为此提出采用两次Bhattacharyya系数大小判断的方法。实验证明,提出的算法能够有效的跟踪运动目标,对于快速运动目标、大比例遮挡的目标以及运动状态突变的目标都有很好的跟踪效果,具有很好的鲁棒性。

太阳能照明系统发电特性和优化选择

通过对太阳能光伏电池组件日有效发电量的跟踪和数据采集显示,太阳能电池组件在冬季的有效发电时段是9:00～14:00。通过实际测量得到,在沈阳地区冬至日太阳能系统与遮挡物水平安装距离和遮挡物高度的比例系数为2.93,按此比例安装的太阳能系统,可保证在峰值日照时间5h内不受任何遮挡。