基于MBB对应关系的视频中多物体快速跟踪

针对视频监控应用中对视频物体跟踪算法实时性、容错性要求高的特点,提出了一种基于MBB对应关系的快速跟踪算法。该算法放弃了传统的点匹配跟踪算法,从对相邻两帧物体MBB的重叠特性的分析出发,快速确定物体与物体间、物体与场景间的复杂对应关系,并综合利用直方图匹配等方法,解决物体重复出现后的标识问题。通过对NUDT和PETS视频数据的实验分析证明,该算法能够对复杂场景中多个物体同时进行跟踪标识,准确检测处理物体进入、离开场景,以及物体间的合并、分离和遮挡,对复杂环境和预处理造成的错误有较好的容错性。该算法参数设置简单易行,结合预处理快速算法,整个检测跟踪算法耗时大大低于同类算法。     

一种融入运动特性的显著性特征提取方法

针对复杂背景下图像序列中运动目标的跟踪前检测问题,提出一种融入运动特性的显著性特征提取方法,该方法综合目标的灰度、细节和运动等形成稳健的显著性特征,并得到一组显著性特征提取图.在这组图像中,具有这种多特征的区域得到加强,其他区域受到抑制,从而能够轻松地检测出可引起人类视觉注意的运动目标.由于该算法中的显著性特征来源于目标的多种底层特性,因此该算法具有很强的稳健性.实验证明,这种方法具有较强的稳定性和实用性,抗干扰能力强.从视觉效果的角度出发,能够较大地提高运动目标在复杂背景中的信杂比.     

基于多时刻目标运动模式分布的多模型算法

在机动目标跟踪过程中,传感器在利用量测数据计算目标状态的同时,需要完成对目标运动模式的估计,并根据估计结果对传感器滤波方程的参数或结构进行调整,以减小滤波方程与目标运动模式之间的差异,提高对机动目标的跟踪精度.针对已有多模型算法的不足,利用多个时刻的目标运动模式分布来解决混合估计问题,提出一种新的次优多模型(MTMM)算法.仿真结果证明了MTMM算法的有效性.     

装甲装备维修效益评估初探

装甲装备使用阶段的维修效益评估对于有效管理装备维修活动,提高维修质量,降低维修费用具有很强的现实意义。文章建立了一套装甲装备维修效益评价指标体系,基于多级模糊综合评价法构建了评估模型,并运用该模型对某坦克大修厂某中型坦克的维修效益进行了评估。文章认为多级模糊综合评价法能较好地解决装甲装备维修效益的量化评估问题,在实际工作中可灵活运用该方法,不断提高维修管理水平。     

多尺度法的设解形式之探讨

当采用多尺度法研究非线性振动问题时,经常会遇到不同情形下系统响应的设解形式不同的问题.文中针对一类具有平方和立方非线性项的单自由度和多自由度非线性系统,得到不同设解形式下的一次近似解和二次近似解,并与数值解相比较,发现两种设解形式的近似解与数值仿真解的解曲线吻合很好,表明传统的各种设解形式在研究弱非线性系统时都有很好的近似性.     

模糊匈牙利算法在舰艇抢修人员指派问题中的研究

分析了舰艇在执行任务或作战等紧急情况下的抢修人员指派问题,并对此建立了多目标广义指派问题的数学模型。在任务数少于工作人数的情况下,采用虚拟“工作”和“人员”的方法,得到适合经典匈牙利算法的拓展效益矩阵,并对此矩阵采用匈牙利算法求得最优指派。     

闪烁噪声条件下基于交互多模框架的雷达目标跟踪算法

针对传统雷达目标跟踪算法在处理闪烁噪声时面临的性能下降问题,提出一种将容积卡尔曼估计器与交互多模框架相结合的高性能滤波算法。该算法将目标状态建模为高斯分布,将闪烁噪声建模为混合高斯分布,同时将其发生概率建模为一阶马尔可夫过程;在此基础上,利用交互多模框架实现对不同高斯噪声分量的匹配滤波处理。为了减轻非线性观测条件对目标跟踪精度的影响,进一步采用容积卡尔曼估计器作为高斯近似滤波器,对目标状态进行递推预测和更新。仿真结果表明：所提算法较传统高斯混合滤波器和粒子滤波器具有更高的跟踪精度和更好的实时性能,同时还能对闪烁噪声出现时刻进行有效的估计。     

榴弹射表编拟中符合系数和符合对象的综合选取

基于综合符合思想,通过诸参数对于弹道影响敏感特性的分析,及诸符合方案的对比论证,提出了在一个射角下,以零阻力系数C_(xo)和相对静力臂系数h/l作为符合系数,以射程X和偏流Z为符合对象的符合方案;同时,与国外符合方案进行了对比。     

一种快速、高精度光电闭环跟踪算法

为了解决跟踪系统中目标机动所引起的参数变化,提出了一种多模式自适应滤波器,用５个基本滤波器来描述５种典型的目标机动,然后用贝叶斯条件概率对它们分别进行加权。最后,给出了１５个滤波器的基本参数。     

机械系统维修性预计方法分析与应用

通过对美国及前苏联维修性预计方法的分析,确定前苏联“以类似产品的维修性多元线性回归方程作为新产品维修性预计模型”的方法为机械系统维修性预计方法.在限定的条件下,采集了装甲车辆机械系统的维修性数据,并应用这些数据进行分析得出相应的机械系统维修性预计模型.