Targets Track Predicting of IR Image by CMAC

The centroid and attitude of target must be predicted in target tracking of IR image for increasing capture probability. CMAC estimator can effectually resolve conflict between operational counts and predicting precision. CMAC estimator is trained with a linear model, then the centroid and attitude are predicted. It is trained once by actual error in each frame to reduce the estimate error. CMAC has excellent predicting precision and small operational counts, it adapts to real time processing for target tracking. The experimental results show that CMAC can accurately estimate the centroid and attitude of target. It adapts to change of model and has robustness.

基于IR-UWB雷达的多视角融合动态目标追踪

近年来,对运动目标的定位和追踪被广泛地应用于室内导航、智能家居、安防监控和智慧医疗等场景.基于无线射频信号的非接触式定位追踪受到了研究人员的广泛关注,其中基于商用IR-UWB的技术能够以较低的成本和功耗实现目标定位和追踪的功能,具有较强的发展潜力.然而,现有工作大多存在以下问题:1)追踪场景受限,只针对理想情况下室外或者相对空旷的室内场景进行建模和处理;2)目标的运动状态受限且建模过于理想;3)虚假动态目标引起的追踪精度不足.为了解决这些问题,在理解多径场景下接收信号谱组成的基础上,提出一个基于IR-UWB的动态目标追踪方法.首先提取原始信号谱中动态成分,并利用基于高斯模糊的多径消除和距离提取算法,消除了多径干扰,仅保留与运动目标直接相关的一次反射信息,从而准确地获取了目标的距离变化曲线.随后,提出多视角融合算法,将不同视角上的设备距离信息进行融合,实现对自由活动目标的准确定位和追踪.此外,还搭建一个基于低成本商用IR-UWB雷达的实时动态目标追踪系统.真实室内家居场景中的实验结果表明,系统估计的人体中心的位置与真实运动轨迹的误差始终小于20 cm.在改变实验环境、实验者、活动速度、设备高度等影响因素的情况下,系统依然鲁棒.

Tracking Target Identification Model Based on Multiple Algorithms

In view of current situation of bad data synchronization, image blurring and tracking station stability in tracking target identification, a kind of tracking target identification model based on multiple algorithms was put forward, firstly establishing the image degradation model, using the wavelet algorithm for image preprocessing, doing image edge segmentation by using Robert algorithm after pretreatment, then using the maximum variance threshold method for image threshold segmentation, then extracting target features from the segmented image, and finally using the ABS algorithm to finish target tracking. Experiments proved the proposed model practical and effective.

红外地面目标智能抗遮挡跟踪算法研究

针对背景遮挡导致红外地面目标跟踪失败的问题,提出了一种基于改进轨迹预测网络的红外地面目标抗遮挡跟踪器。提出了遮挡判断准则,准确判断红外地面目标的遮挡情况;改进BiTrap轨迹预测网络,一方面通过孪生网络结构引入速度信息,采用单向预测的方法,提出了SiamTrap轨迹预测网络,提高了轨迹预测的精度;另一方面,通过改进训练方法和应用方法,可以更准确地预测地面目标的轨迹。对于短期遮挡,利用SiamTrap网络基于时间上下文信息预测目标遮挡位置。对于长期遮挡,提出了搜索扩展策略来处理真实目标信息缺乏导致的预测误差积累。提出了“二次判定”准则,实现了目标的精确捕获和正常跟踪。在含有遮挡的红外目标跟踪序列上对算法进行了对比测试。与基准跟踪器相比,文中所提算法在OPE评价指标下,成功率和准确率分别提高了5.2%和5.9%。这表明文中算法在应对红外地面目标被遮挡情况下具有良好的鲁棒性。

基于视频的振动测量技术研究进展

振动测量是保障结构安全和良好状态的基本手段。高精度的振动测量可为结构设计、安装调试、健康管理等振动试验提供精确的输入与响应测试。相较于传统的振动测量手段,基于视频的振动测量技术将相机的全部像素转化为高精度振动传感器,利用视频图像方式让人们肉眼可视结构在物理世界的真实振动形态,具有非接触、全视场、高空间分辨率、灵活方便等优点,近年来受到业界的广泛关注。该文主要介绍了视频振动测量技术的系统构成与测量过程、当前主要方法和相关技术最新进展,并总结了视频振动测量技术与其他技术相比存在的优势。通过分析与对比,肯定了视频方法是解决振动测量问题的有效手段和对传统测量方法的有力补充,随着相关技术和硬件设备的发展,视频振动测量方法将具有越来越大的研究意义和应用价值。

三维斑点追踪显像监测靶向治疗HER2阳性乳腺癌患者心肌损伤的临床价值

目的探讨三维斑点追踪成像(3D-STI)监测HER2阳性乳腺癌患者靶向治疗后心功能变化的临床价值,以及评估早期心肌损害的有效方法。方法选择2018年3月至2021年2月于解放军总医院第七医学中心首次接受曲妥珠单抗靶向治疗的HER2阳性乳腺癌患者65例。根据年龄分组,<60岁为A组(n=34),≥60岁为B组(n=31)。检测两组患者治疗前及治疗3月、6月、12月和治疗结束后6月的三维斑点追踪显像参数左室整体纵向应变(LVGLS)、二维超声心动图左室射血分数(LVEF),血清心肌损伤指标心肌肌钙蛋白Ⅰ(cTnI),N末端脑钠肽前体(NT-pro BNP)和肌酸激酶同工酶(CK-MB)质量。分别比较组间及组内不同时间的参数,采用Pearson检验评估LVGLS与cTnI的相关性。结果治疗前,两组患者的LVGLS、LVEF及cTnI、NT-proBNP和CK-MB水平比较,差异无统计学意义(P>0.05)。治疗12月,B组LVEF值较治疗前减低。治疗3月、6月、12月,B组LVGLS值较治疗前逐渐减低;B组LVGLS水平低于A组。治疗3月、6月、12月,B组cTnI、NT-proBNP、CK-MB水平较治疗前逐渐增高;B组cTnI、NT-pro BNP、CK-MB水平高于A组。与治疗12月的参数比较,治疗后6月,两组LVGLS增高,cTnI、NT-proBNP、CK-MB水平均减低。三维斑点追踪参数LVGLS与血清心肌损伤指标cTnI呈负相关(r=-0.82,P<0.05)。结论三维斑点追踪参数LVGLS能早期检测HER2阳性乳腺癌患者靶向治疗后的心肌损伤,客观反映心肌损伤程度,与血清心肌损伤指标水平相关。3D-STI在监测靶向药物治疗HER2阳性乳腺癌患者的早期心脏毒性具有临床价值。

基于三维激光点云的序列运动图像点目标快速跟踪方法

由于现有方法未充分考虑小目标和遮挡目标检测的问题,导致目标跟踪效果不佳,由此针对点目标跟踪较为困难的问题,提出基于三维激光点云的序列运动图像点目标快速跟踪方法。首先下采样序列运动图像三维激光点云并去除其中的地面数据,通过动态阈值改进欧式聚类方法,分割图像为目标和背景,然后改进SECOND算法,在目标检测阶段融入自适应空间特征融合模块和二维卷积神经网络,同时采用3D DIoU替代Smooth L1作为损失函数,提升SECOND算法的目标检测性能,最后在激光雷达坐标系中构建各点目标的三维中心,利用3D卡尔曼滤波器连续跟踪目标,以交并比和欧式距离为度量标准,通过贪婪算法匹配最近邻目标,实现序列运动图像点目标快速跟踪。实验结果表明,所提方法IoU值更高,可达到0.971,且对目标的跟踪更理想。

基于机器视觉的闸坝表面位移非接触式监测方法

针对闸坝表面位移常规监测方法劳动密度高、监测频次低,且难以实现长期稳定监测等问题,提出一种融合时空特征的闸坝表面位移非接触式智能监测方法。该方法采用人工靶标作为标志物,以摄像机为采集设备,通过无线传输图像信息,利用加权分布的自适应伽马修正(AGCWD)与边缘感知因子改进的加权引导滤波(WGIF)增强低照度图像的特征表达能力,通过计算机搭载基于贝叶斯框架的时空上下文信息(STC)算法深度挖掘靶标图像上下文时空信息,进一步地,引入曲面拟合获取靶标的亚像素级位移时程信息,实现闸坝水平和垂直双向表面位移的亚像素级非接触式监测。实验室与现场试验结果表明,不同实验场景下位移监测数据与校验数据高度一致,误差小于0.05 mm;相比于图像优化处理方法,基于AGCWD与WGIF的图像优化处理方法的峰值信噪比提升2.70%,信息熵增加4.91%,标准差降低2.63%;相比于目标追踪算法,基于曲面拟合的STC目标追踪算法的现场监测数据较同类目标追踪算法精度提升48%,可为闸坝表面位移监测提供高精度的解决方案。

机器视觉中角点检测算法研究

角点检测是运动检测、图像匹配、视频跟踪、三维重建和目标识别等必不可少的关键步骤,角点检测的准确性直接影响实验结果;为了更好地了解角点检测技术的发展现状,根据3种现有的角点检测方法分类对角点检测方法及相关改进进行了总结分析,并选择了FAST、SUSAN、SIFT、Shi-Tomas这几种较为典型的角点检测算法进行了实验对比,并给出了实验结果;不同的实际应用对角点检测的要求不同,不同的角点检测算法也可以相互结合,通过对现有角点检测技术的总结分析为在实际应用中对角点检测技术的选择和改进方向提供了借鉴和参考。

视觉跟踪多转子位移测量

针对当前传统振动传感器在测量旋转体位移时受限于安装和测点数量等问题,将高速工业相机作为采集媒介,在转子振动试验台上进行转子振动视频的采集,并利用基于多目标跟踪的视觉振动测量方法跟踪多个转子目标的全场振动位移。将注意力机制引入残差神经网络,结合特征金字塔网络结构建立改进的特征提取骨干网络,并利用身份重新识别方法来强化相邻帧间目标位移的关联性,跟踪旋转体全场振动位移信号。在转子振动位移测量数据集上对不同网络模型进行定性和定量的比较。结果表明,本文构建的网络模型在边界框回归时能够获取更为紧密的贴合度;将采集的电涡流位移信号作为标准量进行两个转子位移信号的对比实验,结果表明,本文多目标跟踪算法拟合的波形和频谱噪声最小,且能与电涡流信号相匹配;在目标对象模糊情况下的实验也证明本文算法所具有的泛化性能,这也体现出视觉测量在旋转体振动位移跟踪领域的工程应用价值。

基于多特征融合和改进SIFT的目标跟踪算法

在进行跟踪任务时,当运动目标发生形变或旋转以及受到光照变化或背景干扰时,会发生偏移现象或丢失跟踪目标,从而导致跟踪精度降低。据此,提出基于多特征融合和改进SIFT的目标跟踪算法。在图像的高熵部分进行特征点的提取,并使用哈希算法将错误匹配的特征点剔除。同时对感知哈希和差异哈希进行改进,将改进后的图像哈希特征、颜色特征和SIFT特征进行融合并应用于跟踪算法。将算法在OTB-100数据集上进行实验,成功率达到了94.3%。

基于数字图像技术振动台试验结构位移信息捕捉技术研究

针对振动台试验模型箱位移、围岩错动以及隧道衬砌变形监测的需求,将YOLO-V2、改进Canny边缘检测、Hough变换及倾斜矫正技术相结合,提出了一种倾斜影像的自动矫正技术,实现了将倾斜影像修正为相机光轴垂直于测点运动平面的图像分析;提高了试验数据结果的处理精度,扩大了目标追踪算法在结构位移和变形监测的使用范围。同时通过核相关滤波技术完成对修正后的影像进行追踪,形成一套完整的地震动信号捕捉与监测系统。采用该系统进行了强震作用下穿越断层隧道韧性结构减震抗错性能试验研究,分别对模型箱位移、围岩错动和隧道衬砌变形进行信号识别与捕捉,同时对比分析了高精度拉线式位移计和位移传感器采集的数据,验证了系统的可靠性。结果表明:在监测点位设有标记物时,首先对采集结果进行倾斜矫正后追踪,通过监测结果与位移传感器进行对比,两者的2-范数小于0.005;而在无标记物时对结构表面特征物进行追踪,精度达到了97.5%;试验数据证明通过倾斜影像自动矫正技术来完成非对正对标记物时的影像进行追踪具有较高可靠性。

动态多帧视频序列图像局部特征智能滤波仿真

传统目标跟踪算法易受光照不均的影响,导致跟踪成功率低且时效性差。为解决多帧视频序列图像的目标跟踪问题,基于MWF中值加权滤波,提出一种MWF-KCF目标跟踪算法。算法首先采用高斯核的MWF算法,基于矩形与圆形双模板对视频图像进行优化处理,增强局部特征提取时的辨识度;然后分别提取并融合梯度HOG特征与空间TEF特征,提高目标的可识别性;接着采用KCF算法对图像目标进行回归框构建,并基于APCE回归更新准则不断优化目标框的位置;最后基于UFD数据集,完成多帧视频序列图像的MWF-KCF目标模型构建。在特征滤波的仿真结果显示出,MWF滤波算法能够显著提高目标跟踪的成功率,同时具有不逊色其它滤波算法的时效性;对比仿真结果显示出,与4.3节中的四类基线算法模型相比,MWF-KCF模型在UFD数据的测试集中的跟踪准确率最高,平均提升了10.66%。综上,MWF-KCF目标跟踪算法通过滤波解决光照影响,增加特征辨识度,提升目标跟踪的成功率,在智能监控领域具有一定的仿真价值。

新型染料IR-808靶向肿瘤近红外荧光成像的体内研究

目的探讨近红外荧光染料IR-808在移植瘤动物模型中特异性的肿瘤靶向示踪作用。方法建立人肺癌细胞系NCI-H460、结肠癌细胞系HCT-116及鼠源肝癌细胞系Hepa 1-6皮下移植瘤裸小鼠模型,未接种癌细胞的裸小鼠作对照。尾静脉注射同等剂量染料IR-808,分别在不同时间点对裸小鼠正常组织及肿瘤组织进行近红外荧光成像,追踪染料在裸小鼠体内的分布,评价其肿瘤靶向作用。结果在未接种的裸小鼠体内,IR-808染料首先在肝脏、心脏聚集,随后信号减弱,48h后基本代谢排出体外;在荷瘤裸小鼠模型体内,IR-808染料注入24h后开始靶向肿瘤,72h后荧光信号仍很稳定;取荷瘤裸小鼠组织进行近红外荧光成像,发现仅肿瘤组织有信号,其他组织无信号。全部实验小鼠状态良好,未见明显毒性反应。结论近红外荧光染料IR-808能特异性靶向肿瘤成像,且信号稳定,无明显毒性,具有重要的应用前景。

一种基于轨迹外推的成像卫星随动观测方法

相机与卫星固连的成像卫星自主任务规划算法受卫星自身运算和存储能力限制,其在工程应用上尚处于发展阶段,成像任务规划主要依托地面人工经验开展.本文根据卫星观测的高速目标和低速目标不同运动特性,结合卫星平台姿态机动性能,提出了一种基于轨迹外推的成像卫星随动观测规划算法.该方法利用地面系统弥补了星上运算和存储能力的不足,实现了快速目标跟踪和轨迹预报,提高了响应时效性,延长了卫星成像时间.通过拉格朗日插值不断地预测目标轨迹变化构建最优目标函数,间歇式地计算随动策略,可自主实现高速、低速目标全程成像.

基于相位追踪的SAR运动目标高阶距离徙动校正方法

距离徙动校正(RCMC)是合成孔径雷达(SAR)实现运动目标参数估计和聚焦成像的关键环节。当目标或平台运动复杂时,传统低阶RCMC方法将不再适用,而现有基于参数化的高阶RCMC方法易存在模型失配和计算复杂度高的问题、现有非参数化方法在低信噪比下性能也将大幅下降。对此,该文借助扩展卡尔曼滤波(EKF)对造成RCM的相位进行追踪,进而构建RCM补偿函数实现RCMC。所提方法不依赖于RCM的具体模型,追踪得到的相位包含高阶分量,因此可以实现SAR运动目标的高阶RCMC。此外,EKF在进行相位追踪的同时能对信号进行滤波处理,可有效降低所提方法的信噪比(SNR)门限。与传统方法相比,该方法适用性广,计算量适中,且能校正不可忽略的高阶残余距离徙动。该文详细阐释了所提方法的原理及数学模型,并通过多组仿真和实测数据处理验证了所提方法的有效性和优越性。

基于MR的左心房纤维化区域分割与重建

目前主流的左心房纤维化区域分割方法是先手动划分心房壁区域,再在心房壁区域内使用阈值法提取纤维化部分。这不仅需要操作者具有专业的背景知识,同时工作量也较大,而且阈值法也难以同时对轻重程度不同的纤维化区域进行精确分割。为了解决上述问题,本文提出一种新的基于MR图像纤维化区域分割方法。首先使用拉普拉斯锐化算法,提高纤维化区域的对比度,同时采用核相关滤波算法对目标区域进行跟踪,从而去除心房外的组织;其次比较区域增长法、活动轮廓法以及基于Hessian矩阵的分割算法对纤维化区域的分割效果,选出效果最优的分割方法;最后对纤维区域的三维点云数据进行重建与渲染。实验结果表明,该方法无需逐图手动划分心房壁区域,且分割结果具有较高的准确度,可以更好地帮助医生对相关疾病进行诊断。

改进YOLOv8的轨道扣件状态检测方法

针对现有轨道扣件状态检测算法对小目标物体与复杂形状物体的检测能力差而导致检测结果异常,以及小目标层特征冗余等问题,提出了一种改进YOLOv8的轨道扣件状态检测方法。在YOLOv8网络中增加可变形空间金字塔扩张卷积模块,以提高模型对小目标物体以及形变复杂物体的检测精度。同时增加小目标空间重构单元以减少小目标特征冗余,促进小目标特征的学习。根据采集到的轨道扣件数据集进行模型的训练和测试,并与多组轨道扣件状态检测算法进行对比,实验结果表明,相较于对比算法,所提算法精确度平均提升3.20%,召回率平均提升3.34%,平均精度平均提升3.96%。实验证明所提算法能够有效进行轨道轨道扣件状态检测,并且具有较强的泛化能力,可以部署于复杂交通场景。

基于生成对抗机制的多目标跟踪方法

针对多目标跟踪中的跟踪结果易受遮挡而产生的漏检问题,提出一种公路场景下的基于生成对抗机制的多目标跟踪方法。首先,对经过预训练的跟踪网络输出的特征进行处理,在特征空间中添加自适应的二维遮挡掩码,生成现实生活中难以获得的遮挡样本;其次,利用生成对抗网络在无监督学习方面的优势,将FairMOT模型作为判别网络,加入结合强化学习机制的生成网络来学习如何筛选困难样本,2个网络进行对抗训练以提升多目标跟踪模型的遮挡不变性,提高跟踪精度;最后,在重识别分支中引入中心损失函数以提高重识别准确度。取数据集BDD100K中部分视频序列进行实验,实验结果表明:改进后算法的跟踪准确率提升了0.8个百分点,跟踪精度降低了0.4个百分点,跟踪过程中身份的切换次数减少了208。

一种雷达引导分布式光电跟踪校正算法

本文提出了一种雷达引导分布式光电跟踪校正算法,基于雷达初步定位目标位置信息,系统控制光电快速锁定引导目标,并接收光电回传的图像信息。通过基于深度学习的智能图像处理技术对图像中的目标进行检测、识别和跟踪。综合目标检测技术解算到目标在图像中的像素偏移值,对目标位置进行修正,进而提高目标的定位精度,实现了对空中无人机目标的实时图像监视和跟踪,为无人机打击提供更为精确的目标位置信息,满足从远距离到近距离目标实时跟踪,实现对跟踪过程的全域态势显示,形成覆盖特定防护区域可灵活重构、立体的无人机目标观测网。