基于尺度自适应和遮挡重定位机制的KCF改进算法

针对传统KCF跟踪算法在实际场景中存在特征提取不准确、尺度不能自适应以及遮挡适应能力差等问题,对该算法进行了三方面的改进:一是特征融合改进,在FHOG特征和CN特征的基础上,加入边缘特征,提升了目标定位的准确性;二是尺度自适应改进,通过尺度的调整动态改变目标定位搜索框的大小,提高了算法对目标尺度变化的适应性;三是抗遮挡改进,在出现遮挡时,通过遮挡判断和重定位机制,使得算法具有一定的抗遮挡能力,实现了对目标的长时间跟踪。将改进KCF跟踪算法与传统KCF跟踪算法在OTB-50数据集下进行对比测试,结果表明,改进算法的跟踪精确度提升了55.21%,跟踪成功率提升了74.33%。

井下精确人员定位系统定位重测机制研究

无线信号在井下传输过程中由于信号强度衰减和干扰导致读卡器与标志卡之间测距失败,当测距失败后,标志卡只能等到下一超帧内的固定测距时隙再次与读卡器进行测距,由于标志卡与读卡器进行重新测距的间隔时间较长,不利于及时掌控井下人员实时动态分布情况。针对该问题,提出了一种井下精确人员定位系统定位重测机制。当标志卡测距失败时,该定位重测机制利用空闲时隙,重新对标志卡进行测距。在出现多张标志卡竞争空闲时隙进行重测的情况下,采用层次分析法,根据标志卡的累计重测次数、信号强度、运动速度,确定标志卡抢占空闲时隙的重测优先级,定位读卡器根据重测优先级为测距失败的标志卡优先进行重测。测试结果表明,当标志卡数量少于70张时,定位重测机制能提高精确人员定位系统的平均测距成功率、降低平均重测延时、提升平均时隙利用率,从而能实时监测到不间断的标志卡运动轨迹。

无线传感器网络中的定位算法研究

无线传感器网络对特定环境数据的监测效果,很大程度依赖于各信息采集点位置信息的准确性。基于QUAD算法,提出并实现其改进的IQUAD算法,借助重定位机制,以节点更新率为参考指标,分两种情况着重解决网络拓扑结构发生变化时的节点位置进行重定位。仿真结果表明,在网络拓扑变化时,IQUAD算法的定位精度比QUAD算法提高了10%左右。

无人机状态检测Kalman滤波空地目标跟踪算法

针对无人机(UAV)面向空地目标进行目标跟踪过程中,发生目标离开视野、目标被遮挡、存在相似目标干扰等问题导致追踪失败的情况,提出一种基于追踪状态检测和Kalman滤波的重定位更新机制,将其与孪生全卷积网络(siamfc)跟踪器结合。以空地目标为被跟踪对象,以无人机为跟踪空地目标的跟踪者,首先,基于双峰选择、平均峰值相关能量变化率、最高响应值变化率和峰值旁瓣比变化率的检测机制检测当前的追踪状态是否异常,判断siamfc的追踪结果是否满足作为观测值的要求。其次,Kalman滤波利用目标运动的先验信息对追踪进行预测更新,当追踪状态异常时能够及时校正调整目标跟踪结果。基于LaSOT数据集完成训练,在UAV123航空数据集和自制的以无人机为目标的数据集上进行实时目标跟踪测试和对比实验。实验结果表明:该算法在UAV123上的精确率和成功率分别为66.0%和47.4%(62帧/s),在自制的以无人机为目标的数据集上的精确率和成功率分别为72.0%和58.6%(55帧/s),满足目标跟踪的实时性要求,且跟踪结果优于多数跟踪器。该算法在无人机为跟踪者和被跟踪对象的情况下均能完成有效目标跟踪,应对目标离开视野、部分或全部遮挡和存在相似目标干扰等挑战性场景的能力有所增强,且算法具有良好的泛化能力。