移动机器人目标物体识别研究

基于视觉信息的运动目标识别是室内移动机器人自主导航的重要研究内容。背景噪声干扰、自然光照、机器人视角变化等因素经常影响识别稳定性。针对该问题,提出一种有效的目标物体识别方法,采用体素网格滤波和支持kd-tree结构对点云数据有效组织,以识别复杂环境中的物体。实验表明,该方法在满足实时性前提下,相比传统迭代最近点、采样一致性初始配准算法具有更高的准确率,更适合复杂环境下的物体识别。     

无接触三维测量系统中标志点的设计与实现

标志点的识别和匹配是无接触三维测量中的关键环节，也是一个难点。为提高标志点识别和匹配的精度，本文提出了一种标志点的设计原则和方法，并得到了具体实现。将本方法应用到刑事案件现场测绘系统中的实验表明：使用该方法设计的标志点具有很高的识别率和匹配精度，使无接触辅助三维测量具有更广泛的应用前景。     

基于贝叶斯分类的毒蘑菇识别

蘑菇作为人们生活中的一种美味佳肴,深受人们喜爱,而且蘑菇中的营养物质对人的身体健康有着重要作用。但是毒蘑菇与无毒蘑菇的特征极其相似,在野外杂生情况下极易混淆,因此时常造成采食者误食中毒。对有毒蘑菇的识别是避免中毒的基本措施。目前,毒蘑菇的识别方法主要包括,以民间经验为基础的形态识别法、化学分析法和动物检验法等。但是这些方法在实际应用识别中存在着准确率不高,所需实验设备复杂,对未知毒素检测不理想,实验周期长等不足。针对传统方法的不足,提出一种基于贝叶斯分类模型的毒蘑菇识别方法,通过对已知有毒蘑菇特征的学习,可以较为准确地识别未知有毒蘑菇。实验证明,该方法对毒蘑菇识别准确率达到98%以上。     

光伏发电系统最大功率点跟踪研究

随着社会的进步,越来越多的可再生能源开始应用于农业生产。在水产养殖测试基站中引入太阳能光伏发电系统,同时为确保系统在野外环境下的可靠供电,提出一种新型的MPPT跟踪方法。该方法针对扰动观察法存在的最大功率点附近震荡问题引入变步长参数,使系统能够快速跟踪到最大功率点,并在最大功率点附近稳定运行;针对因环境变化剧烈造成的错误跟踪情况,引入功率预测法,使系统具有较好的动态性能。最后在仿真环境下对该方法进行验证,结果表明：新型的MPPT跟踪方法具有较快的跟踪速度与较高的稳态精度,能够适应复杂的工作环境。     

动态窗口算法在足球机器人跟踪中的应用

足球机器人比赛环境中,对系统的实时性要求很高,快速而有效的识别并跟踪目标系统,是能否取得比赛成功的关键一步．文中在传统的全局网格搜索和动态窗口搜索方法基础上提出了基于连通区域标记的动态窗口搜索算法．实验证明,该搜索方法能够快速而有效的跟踪机器人目标,具有较好的实时性．     

一种应用于物体识别的多算法融合方法

物体识别是对三维世界的客体及环境的感知和认识,属于高级的计算机视觉范畴.本文提出了一种基于多算法融合技术的物体识别方法,并在Matlab环境中模拟验证了该算法的有效性.实验分析得出,该算法识别精度高,受外部环境因素的影响较小.     

基于形态学的红外小目标检测算法

在分析复杂天空背景下红外视频序列特征的基础上,针对红外小目标本身特性及红外序列低信噪比的问题,提出适合该环境的红外小目标检测算法.该滤波方法以形态学滤波理论为基础,首先采用均值滤波和Open ing-Tophat运算对红外视频序列进行预处理,然后运用基于均值和方差的统计分割方法提取图像中的运动目标,从而实现了红外小目标的检测.实验结果表明,所提出滤波方法具有良好的检测和分割效果,能够有效地改善跟踪精度.     

一种针对人体运动目标的Mean-Shift跟踪算法

针对传统的Mean-Shift目标跟踪算法在跟踪人体运动目标时的不足,提出了一种基于Mean-Shift目标跟踪算法的人体目标跟踪方法。该方法首先利用人眼视觉阈值效应和区域生长法检测目标,再用Mean-Shift跟踪算法对目标进行跟踪。实验表明该方法大幅提高了人体运动目标的跟踪精度。     

复杂环境中机动车跟踪实时性算法

针对复杂环境中机动车跟踪问题,为克服光照变化、噪声干扰、其他随机运动物体干扰,提出一种机动车识别和跟踪实时性算法。首先对图像进行光照补偿减少光照影响,用Surendra算法和三帧差法检测运动目标,并建立ROI(感兴趣区域)以缩小Haar识别范围提高系统响应速度;其次由训练好的级联分类器在ROI范围内识别机动车,从而保证高检测率和低误检率;最后利用Camshift算法跟踪机动车。为验证算法有效性搭建嵌入式系统平台,实验结果表明在背景复杂且其他运动物体干扰下,该算法较使用传统目标跟踪算法具有更好的鲁棒性和实时性。     

基于CutMix和YOLOv3的工件表面小缺陷识别方法（英文）

针对工件表面小缺陷经常由于数量少且视觉特征不明显而导致的被漏检和错判的问题,提出一种基于CutMix和YOLOv3的工件表面小缺陷识别方法CSYOLOv3.使用贝塔分布动态调整的CutMix方法在网络训练时动态扩充训练集中小缺陷的数量;并对YOLOv3网络进行了改进,拆分其浅层大特征图,取部分与预测分支的特征图融合以保留浅层的小缺陷特征;使用加权的改进损失函数对网络进行训练,提高网络对小缺陷的重视程度和识别准确率.该方法在RTX 2060Ti GPU下对512×512像素的缺陷图片进行识别,速度可以达到14.09帧/s,识别mAP为71.80%,比常用目标检测方法高出5%～10%.对于小于64×64像素的小缺陷,方法的mAP达到64.15%,比YOLOv3-GIoU高出14%.所提出的CSYOLOv3方法能够有效地识别工件表面缺陷,对小缺陷的识别效果有明显提升.     

基于VB的遗传算法在多峰函数全局优化中的应用

以多峰二元函数为例,合理选择编码方式,采用排序选择结合精英保留策略的遗传算法,解决多峰二元函数全局优化的问题。并采用VB语言编程实现该遗传算法,生成可视化界面,便于观察每一代的进化过程,为遗传算法解决多峰二元函数全局优化问题提供了一种有效的方法。     

General moving objects recognition method based on graph embedding dimension reduction algorithm

Effective and robust recognition and tracking of objects are the key problems in visual surveillance systems. Most existing object recognition methods were designed with particular objects in mind. This study presents a general moving objects recognition method using global features of targets. Targets are extracted with an adaptive Gaussian mixture model and their silhouette images are captured and unified. A new objects silhouette database is built to provide abundant samples to train the subspace feature. This database is more convincing than the previous ones. A more effective dimension reduction method based on graph embedding is used to obtain the projection eigenvector. In our experiments, we show the effective performance of our method in addressing the moving objects recognition problem and its superiority compared with the previous methods.     

基于反向萤火虫算法的多阈值缺陷图像分割(英文)

为了分割QFN表面的缺陷,提出一种基于反向萤火虫算法的大津多阈值分割法.首先,将大津阈值分割扩展为大津多阈值分割.其次,提出了一种基于反向学习的萤火虫算法.在该算法中,生成的反向萤火虫用于增加萤火虫的多样性和全局搜索能力.然后,将基于反向学习的萤火虫算法应用于多阈值分割.最后,使用所提出的方法对QFN缺陷图像进行阈值分割实验,并将结果与穷举法、基于粒子群算法的大津多阈值分割法、基于萤火虫算法的大津多阈值分割法进行比较.实验结果表明,所提方法能更有效地分割QFN表面缺陷,且分割速度快.     

The Intertextual Method for Art Education Applied in Japanese Paper Theatre—a Study on Discovering Intercultural Differences

In art education we need methods for studying works of art and visual culture interculturally because there are many multicultural art classes and little consensus as to how to interpret art in different cultures. In this article my central aim was to apply the intertextual method that I developed in my doctoral thesis for Western art education to explore whether the method would also work from a non‐Western point of view. My hypothesis was that it is possible to find local and global differences that arise from selected texts and study them interculturally. As postmodernism calls attention to marginal areas, I applied my method to a form of visual culture that is not well known in the European art education context, the Japanese kamishibai which can be translated as Japanese paper theatre. Based on the results, my study will propose a method for understanding visual culture and the multiple relations ‐ local and global ‐ between different cultures. Japanese paper theatre also offers an interesting potential for using visual and verbal stories in the theory and practice of art education.     

一种复杂背景下运动目标识别和跟踪方法

针对在复杂静态背景下对运动目标点识别和跟踪的问题,本文将复杂静态背景下运动中的小车作为动态目标,根据目标特征采用图像预处理和图像配准的方法完成了对目标的探测和跟踪实验结果表叫：该方法可以基本满足复杂背景下运动目标自动识别和跟踪的要求．     

基于双目视觉的运动位姿误差检测方法研究

为了提高人体运动位姿误差检测能力,提出基于双目视觉的运动位姿误差检测方法。采用双目视觉跟踪融合识别方法对运动位姿的样本动态特征点进行采样,以全局人体姿态信息为候选样本,进行运动位姿双目视觉特征高分辨提取,采用模板匹配方法,构建人体部位姿态候选样本轮廓分布集,获取模板大小,根据模板大小计算运动位姿的误差概率分布,利用相邻图像帧之间的运动特征分布集,构建运动位姿图像的位置信息检测模型,在此基础上,采用自适应颜色覆盖方法对运动位姿的误差概率分布做极小化处理,完成对人体运动位姿误差检测。仿真结果表明,采用该方法进行运动位姿误差检测的特征分辨能力很好,降低了检测误差,提高了运动位姿双目视觉跟踪识别能力。     

一种新的修正共轭梯度算法及其全局收敛性

提出了一种新的修正共轭梯度算法．此算法的优点是无需线性探索迭代方向就具有充分下降性,并且采用了一种新的Armijo线性搜索技术．在较弱的条件下,证明了方法的全局收敛性．     

基于ns-3的《计算机网络》课程教学研究

《计算机网络》课程概念抽象、原理复杂,传统教学方法效果较差。文章介绍了ns一3的仿真基本方法,并将其应用于《计算机网络》课程教学中,形象直观地展示了网络协议原理,格式和交互等,为学生提供了操纵、观察、统计和分析的平台,有助于激发学生的学习兴趣。     

基于改进粒子群算法的图像匹配技术研究

在分析基本粒子群优化算法的基础上,对学习因子进行非线性异步策略调整,改变其固定常数模式,平衡算法在迭代过程中的局部和全局搜索能力;同时引入活力因子,对失活粒子执行变异操作,提高种群多样性。改进算法可以提升对多维空间的全局寻优能力,避免粒子产生早熟收敛现象。将改进粒子群算法引入图像匹配优化问题中,提出了一种基于改进粒子群算法的图像匹配算法,实验结果表明,该算法具有更快的匹配速度以及更高的匹配精度,具有强鲁棒性。     

Length-based vehicle classification in multi-lane traffic flow

For the realtime classification of moving vehicles in the multi-lane traffic video sequences, a length-based method is proposed. To extract the moving regions of interest, the difference image between the updated background and current frame is obtained by using background subtraction, and then an edge-based shadow removal algorithm is implemented. Moreover, a thresholding segmentation method for the region detection of moving vehicle based on location search is developed. At the estimation stage, a registration line is set up in the detection area, then the vehicle length is estimated with the horizontal projection technique as soon as the vehicle leaves the registration line. Lastly, the vehicle is classified according to its length and the classification threshold. The proposed method is different from traditional methods that require complex camera calibrations. It calculates the pixel-based vehicle length by using uncalibrated traffic video sequences at lower computational cost. Furthermore, only one registration line is set up, which has high flexibility. Experimental results of three traffic video sequences show that the classification accuracies for the large and small vehicles are 97.1% and 96.7% respectively, which demonstrates the effectiveness of the proposed method.