在智慧安防領(lǐng)域,無(wú)人機(jī)憑借其機(jī)動(dòng)性強(qiáng)、覆蓋范圍廣、響應(yīng)速度快等優(yōu)勢(shì),已成為邊境巡邏、城市監(jiān)控、工業(yè)設(shè)施巡檢等場(chǎng)景的核心裝備。然而,傳統(tǒng)無(wú)人機(jī)巡檢依賴人工遙控或預(yù)設(shè)固定航線,難以應(yīng)對(duì)動(dòng)態(tài)環(huán)境中的突發(fā)目標(biāo)與復(fù)雜障礙,導(dǎo)致巡檢效率低下、漏檢率較高。為此,集成自動(dòng)航路規(guī)劃與智能目標(biāo)跟蹤算法的無(wú)人機(jī)巡檢系統(tǒng)應(yīng)運(yùn)而生,通過(guò)實(shí)時(shí)感知-決策-執(zhí)行閉環(huán),實(shí)現(xiàn)安防任務(wù)的自主化與精準(zhǔn)化。
摘 要 :視頻運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn),具有廣闊的應(yīng)用前景。近年來(lái),深度學(xué)習(xí)等技術(shù)的引入使得目標(biāo)跟蹤算法的準(zhǔn)確性得到極大提升,但是當(dāng)目標(biāo)發(fā)生形變、尺度變化、被遮擋等情況時(shí),容易導(dǎo)致跟蹤失敗。為了進(jìn)一步改進(jìn)運(yùn)動(dòng)目標(biāo)跟蹤算法,文中系統(tǒng)地梳理了現(xiàn)有的運(yùn)動(dòng)目標(biāo)跟蹤算法,將其劃分為經(jīng)典的跟蹤算法、基于相關(guān)濾波的跟蹤算法和基于深度學(xué)習(xí)的算法,分別從算法的基本原理、算法性能等方面進(jìn)行詳細(xì)的闡述,并對(duì)未來(lái)的發(fā)展趨勢(shì)進(jìn)行了展望。
摘要:車流量、車速、車道占有率等交通參數(shù)是智能交通發(fā)揮作用的前提和基礎(chǔ),也是智能交通系統(tǒng)的關(guān)鍵所在,視頻交通參數(shù)檢測(cè)可為其提供豐富的交通信息。文章首先介紹了車輛檢測(cè)的方法,并對(duì)基于虛擬檢測(cè)器和基于目標(biāo)提取和跟蹤的交通參數(shù)提取技術(shù)進(jìn)行了分析,同時(shí)介紹了近年來(lái)提出的一些基于視頻的交通參數(shù)提取的算法和步驟,最后分析了視頻交通參數(shù)檢測(cè)技術(shù)的研究方向、存在問(wèn)題及發(fā)展展望。
摘 要:視頻中的目標(biāo)檢測(cè)與跟蹤是視頻行為分析與行為識(shí)別的技術(shù)基礎(chǔ),該論文介紹了近10年來(lái)主流目標(biāo)檢測(cè)技術(shù)和目標(biāo)跟蹤技術(shù)的主要成果,對(duì)比了主流目標(biāo)跟蹤和目標(biāo)檢測(cè)技術(shù)的性能,并介紹了這兩項(xiàng)技術(shù)的未來(lái)發(fā)展方向。
摘要:節(jié)點(diǎn)定位技術(shù)是無(wú)線傳感器網(wǎng)絡(luò)應(yīng)用的重要支撐技術(shù)之一,為了提高定位算法的準(zhǔn)確性,提出了一種基于移動(dòng)目標(biāo)節(jié)點(diǎn)的兩步定位算法。該算法利用一個(gè)移動(dòng)目標(biāo)節(jié)點(diǎn)遍歷整個(gè)網(wǎng)絡(luò),并周期,性地廣播包含自身當(dāng)前位置的信息。而傳感器節(jié)點(diǎn)的自身定位過(guò)程則可用基于無(wú)跡卡爾曼濾波(UKF)的目標(biāo)跟蹤方法實(shí)現(xiàn)。由于所用的目標(biāo)狀態(tài)模型和量測(cè)模型有一定的不確定,性,所以先選取不共線的3個(gè)擁有RSSI測(cè)距能力的目標(biāo)節(jié)點(diǎn)信息,利用Euclidean定位法提高濾波的初始位置精度,從而改善定位效果。通過(guò)仿真、分析和比較該目標(biāo)節(jié)點(diǎn)在多種移動(dòng)軌跡情況下的定位誤差,這種兩步定位法可以改善對(duì)目標(biāo)節(jié)點(diǎn)移動(dòng)軌跡的特殊要求的限制,能取得較好的定位精度,而且更適合于實(shí)際情況。