尺度自适应

摘要： 针对传统核相关滤波器(Kernel Correlation Filter,KCF)目标跟踪算法在复杂应用场景下准确度和成功率降低的问题,提出了一种融合深度特征和尺度自适应的抗遮挡目标跟踪算法。将传统核相关滤波算法中HOG特征替换为深度特征来建立视觉外观模型增强算法对目标特征的表达能力。通过融合DSST算法中的尺度滤波器来实现目标尺度的估计,解决了传统核相关滤波跟踪器无法尺度自适应的问题。针对目标容易在遮挡环境中跟丢的问题,引入了最大历史均值和平均峰值相关能量来判断跟踪目标的可信度,当检测到发生遮挡时,通过自适应抗遮挡搜索机制,有效地改善了目标跟丢的问题。通过在OTB100数据集中验证结果表明,改进后的算法在复杂应用场景下的准确度和成功率与传统算法相比有明显提升。

摘要： 传统核相关滤波(KCF)目标跟踪算法使用单一特征,不监控跟踪输出,且跟踪框的大小是固定的,在跟踪对象发生尺度变化、遮挡等异常情况下容易导致跟踪失败。针对这一问题,本文提出一种改进的KCF目标跟踪算法。首先,在快速方向梯度直方图(FHOG)特征的基础上级联颜色特征(CN)训练和更新滤波器;其次,利用峰值旁瓣比(PSR)检查跟踪输出,当检测到跟踪输出异常时,启动自校正机制校正跟踪输出,从而准确地重新跟踪到目标。最后,融入尺度滤波器来适应目标尺度的变化。本文对该算法进行了仿真和实物实验,实验结果验证了该算法的有效性。

摘要： 针对目标跟踪过程中由于遮挡导致的算法性能下降的问题,在分析和研究核相关滤波算法的基础上提出了一种尺度自适应的分块跟踪策略。首先从目标中心划分子块,使用融合梯度特征和颜色特征的局部核相关滤波器单独跟踪每个目标子块,并结合目标子块与整体间的位置约束关系得到目标中心位置的粗略估计,然后由全局滤波器用作初始估计以确定目标中心的精确位置。其次,提出一种根据相邻两帧间对应子块位置的变化情况自适应计算目标尺度的方法。实验结果表明该算法极大地提升了基础核相关滤波算法的总体性能,并对遮挡、尺度变化以及变形等干扰因素有较好的鲁棒性。

摘要： 针对当前目标跟踪领域中跟踪精确度和跟踪速度难以平衡的问题,例如基于相关滤波实现的跟踪器能够以很高的速度运行,但跟踪准确性极低;基于深度学习实现的跟踪器能够实现较高的跟踪准确性,但跟踪速度较低。在此基础上,提出一种改进的Siamese自适应网络和多特征融合目标跟踪算法。首先在Siamese网络每个分支上同时构建AlexNet网络和改进的ResNet网络,用于特征提取。其次通过端到端的方式同时进行训练,将跟踪问题分解为分类每个位置标签和回归边界框子问题。最后对浅层特征和深层特征进行自适应选择,并基于多特征融合进行目标识别和定位。将提出的算法与现有的一些跟踪器在目标跟踪标准数据集上进行测试。实验结果表明,提出的算法能够在确保跟踪速度的同时实现较高的跟踪精确度和成功率。同时,在光照变化、形变、背景杂波等复杂情况下,算法具有较强的鲁棒性。

摘要： 针对目标跟踪过程中出现的平面旋转、快速运动、背景杂乱、遮挡等复杂状况导致的跟踪失败问题,提出一种基于背景感知相关滤波跟踪器的多特征融合的尺度自适应目标跟踪算法。首先在特征提取过程中通过在原有方向梯度直方图特征下加入了颜色特征和灰度特征以提高目标的特征识别;然后在滤波器更新阶段,利用峰值旁瓣比来减弱遮挡等复杂环境对跟踪的影响;最后通过尺度估计方法,在以目标位置为中心以不同尺度所产生的图像块中选择响应值最高的来更新目标。主要思想就是对目标跟踪流程两端进行改进,通过加入特征提取类型来突出目标特征,通过加入峰值旁瓣比和尺度估计来选择最好的响应结果进行更新,从而达到提高跟踪准确率的要求,同时跟踪速度也要满足实时要求。通过在OTB2015数据集中测试,算法整体的精确率和成功率都有了很好的提升,算法精确率达到84.1%,成功率达到79.5%,45 f/s能够满足实时跟踪的要求。在平面旋转、快速运动、遮挡等多个复杂环境下都有了很好的改善,结果表明该方法具有较高的理论价值和工程应用价值。

摘要： 为解决视觉目标跟踪的遮挡、尺度变化及背景杂波问题,在核相关滤波算法基础上,引入平均峰值相关能量遮挡判据,提出一种自适应融合多特征的抗遮挡核相关滤波算法(AMFKCF).初始化目标特征及尺度因子,将提取、融合的目标多个特征和尺度因子训练位置和尺度滤波器,得到目标的中心位置响应,根据遮挡判据,引入卡尔曼位置滤波器,对未遮和遮挡的目标中心位置进行补偿.AMFKCF算法与主流算法在CVPR 2013 Benchmark数据集中进行对比,结果表明,AMFKCF算法与主流算法相比精度提高了0.115,成功率提高了0.083,中心位置误差提高了14.67个像素,距离精度提高了9.75个百分点.能够较好地解决遮挡、尺度变化、背景杂波等问题,且兼具核相关滤波算法的优点.

摘要： 为处理复杂应用场景下核相关滤波器跟踪效果不理想的问题,提出了一种结合帧差法的尺度自适应核相关滤波跟踪算法.在训练得到相关滤波器后,借助帧差法来处理下一帧图像,获得目标的预测位置,扩充算法的检测区域;然后通过尺度池构建多尺度待检测图像块集,通过相关滤波器来求得最大响应,估计出目标的最佳位置和最佳尺度;最后利用平均峰值相关能量(average peak-to correlation energy,APCE)作为跟踪置信度指标,引入高置信度更新机制,在目标被遮挡时,停止更新模型,防止误差被积累,提高正确率.在OTB100数据集上与若干视觉跟踪算法进行了对比实验,改进算法的成功率和距离精度均表现最优,比KCF算法高出21.7个百分点和12.0个百分点.该算法在目标快速运动、尺度变化、遮挡等复杂场景下,均具有较强的精确性和鲁棒性.

摘要： 针对高实时性要求、低计算能力的小型嵌入式平台的应用背景,本文提出一种低时间复杂度、高鲁棒性的目标跟踪算法.首先,构建基于时空上下文贝叶斯概率模型的跟踪算法架构,然后提出低时间复杂度的灰度特征尺度池策略实现尺度自适应更新,最后利用基于置信图最大似然概率的目标模型更新策略来提高抗遮挡性能.利用基准数据集OTB2013对本文算法进行测试,跟踪精度为58.9％,成功率为51.3％,优于时间复杂度相近的STC(Spatio-Temporal Context)和CSK(Circulant Structure with Kernels)算法.搭建以DSP为核心的小型目标跟踪平台对算法进行测试,可实现对视场中目标的实时稳定跟踪.当目标波门为64×64 Pixel时,稳定跟踪帧率可达42 frame/s,能够满足实时性和工程实用性的应用需求.

摘要： 针对传统核相关滤波视觉目标跟踪算法在快速运动、背景杂波、运动模糊等情况下跟踪精度低且不能处理尺度变化的问题,提出了一种基于上下文感知和尺度自适应的实时目标跟踪算法.该算法在核相关滤波算法框架的基础上,引入了上下文感知和尺度自适应方法,增加了背景信息且能够处理目标的尺度变化.首先,利用融合了fHOG(fusion histogram of oriented gradient)、CN(color names)和灰度的特征对目标区域进行采样,训练一个二维位移滤波器,然后,在目标区域建立尺度金字塔,利用fHOG对目标区域进行多尺度采样,训练一个一维尺度滤波器,最后,在模型更新阶段改进了更新策略.在标准数据集OTB-2015上对100组视频序列进行的试验结果表明,提出的算法比基准算法(kernel correlation filter,KCF)精度提高了13.9％,成功率提高了14.2％,且优于实验中对比的其他跟踪算法.在尺度变化、运动模糊、快速运动等条件下,提出的算法在准确跟踪的同时,能够保持较高的速度.

摘要： 针对核相关滤波目标跟踪算法(KCF)使用单特征来描述所跟踪的目标,在复杂环境下,目标尺度发生较大变化时,无法准确跟踪目标的问题,提出基于深度估计和特征融合的尺度自适应目标跟踪算法。首先利用深度神经网络估计视频序列中目标的深度,建立并训练深度-尺度估计模型;在跟踪过程中,融合目标方向梯度直方图(HOG)特征和CN(Color Name)特征训练相关滤波器,利用深度估计网络得到目标深度值,并利用深度-尺度估计模型得到目标的尺度值,从而在目标尺度发生变化时,能够调整目标框大小,实现尺度自适应的目标跟踪算法。实验结果表明,与经典的KCF算法相比,可获得更高的精度,与尺度自适应的判别型尺度空间跟踪(DSST)算法相比,在尺度变化较大时,跟踪速度更快;在环境复杂、目标被遮挡时,鲁棒性更好。

摘要： 为了解决现有纹理平滑方法不能在抑制纹理的同时保持细窄结构的问题,提出一种基于半高斯梯度算子的尺度自适应纹理滤波算法.首先,提出一种具有结构保持和纹理抑制效果的半高斯梯度算子,其幅值能够较好地区分结构和纹理,其方向能够较好地反映结构法向;然后,基于半高斯梯度的幅值为每个像素估计最优的滤波尺度,并借助高斯滤波得到一幅大部分纹理得到抑制的引导图像;最后,在双边滤波的基础上引入基于半高斯梯度方向的滤波方向核,提出一种基于引导图像的三边纹理滤波算法,能够有效地避免图像平滑结果中存在的结构附近毛刺残留现象.大量实验结果证明,该算法可以在抑制纹理的同时保持结构的完整性,尤其是在保持细窄结构以及结构周围的整洁等方面超越了已有的方法.

摘要： 针对经典Mean shift目标跟踪算法在目标被长期遮挡情况下容易产生跟踪误差甚至跟丢目标，提出了一种改进的Mean shift目标跟踪方法．该方法将被跟踪目标划分为多个图像子块，通过对多个子图像赋予不同的权重融入目标的空间信息，目标模板与候选目标之间的相似性系数由对应的多个子图像的Bhattacharyya相似性系数融合而成．实验结果表明，该方法对被长期遮挡的目标能进行稳健、高效的跟踪．在传统尺度自适应策略的基础上利用边缘直方图方法，通过当前帧与初始帧中目标边缘直方图的Bhattacharyya相似性系数来进一步判断目标尺度是否真的减小．实验结果表明，该算法能很好地实现尺度变化．

摘要： 边缘检测是计算机图像处理中的一个重要环节,而常用的Sobel算子、Prewitt算子等方法存在一些缺点.本文先介绍了小波边缘检测的原理,在此基础上,针对尺度的选取提出了一种自适应的方法,并做了实验.检测结果表明,以尺度自适应为基础的小波变换方法在边缘检测中优于Sobel算子、Prewitt算子.总之,该算法能有效地从噪声图像中检测出边缘.

摘要： 本发明包括：频带分割滤波器(102、103、104、105)，具有预先设定的不对称的冲击响应，输入语音信号，将输入的语音信号的频带分割为预先设定的多个子带，取得频带分割出的多个子带语音信号；多个量化部件(110、111、112、113)，按预先设定的分割数对频带分割出的多个子带语音信号分别进行量化；以及编码部件(115)，对量化过的多个子带语音信号进行自适应差分脉冲编码调制编码。

摘要： 本发明包括：频带分割滤波器(102、103、104、105)，具有预先设定的不对称的冲击响应，输入语音信号，将输入的语音信号的频带分割为预先设定的多个子带，取得频带分割出的多个子带语音信号；多个量化部件(110、111、112、113)，按预先设定的分割数对频带分割出的多个子带语音信号分别进行量化；以及编码部件(115)，对量化过的多个子带语音信号进行自适应差分脉冲编码调制编码。

摘要： 本发明是一种用于分析核动力装置非能动特性的自适应多尺度耦合方法，包括：建立自然循环式非能动安全系统、初始流速优化、最小流速限值标准、设计交互参数自适应收敛判据、构建自适应收敛标准函数。采用自然循环系统的驱动压头和总阻力压降间的定量关系优化初始流速；提出单相条件下的初始流速最小限值；将一维和三维程序的交互参数的极差作为三维程序计算是否达到稳定或接近稳定态的判据，并基于耦合流速构建极差的收敛标准函数。根据一维和三维程序的交互流速对收敛标准进行自适应更新，实现耦合程序收敛至精确值。具有科学合理，自适应能力强，应用价值高等优点。特别适用于分析堆芯等复杂热源的自然循环系统的流动和换热特性。

摘要： 本发明是一种用于分析自然循环系统热工水力特性的自适应多尺度耦合方法，其特点是，包括建立自然循环系统、初始流速优化、设计交互参数自适应收敛判据、构建自适应收敛标准函数。采用自然循环系统的驱动压头和总阻力压降间的定量关系优化初始流速；将一维和三维程序交互参数的方差作为判断三维程序计算参数是否达到稳定或接近稳定态的收敛标准，并基于耦合流速构建收方差的自适应函数；根据一维和三维程序的交互流速自适应调节收敛标准，实现耦合程序收敛至精确值。本发明具有自适应能力强、高效易行和鲁棒性高等优点。特别适用于分析具有复杂结构热源的自然循环系统的热工水力特性。

摘要： 本发明是一种基于自适应迭代步的自然循环系统特性多尺度模拟方法，其特点是，包括建立自然循环系统、设计交互参数自适应收敛判据、构建自适应收敛阈值函数。采用自然循环系统的驱动压头和总阻力压降间的定量关系更新交互流速；将一维和三维程序交互参数的方差作为判断三维程序计算参数是否达到稳定的收敛阈值；基于历史交互流速构建收敛阈值的自适应函数，实现耦合程序快速收敛至精确值。本发明具有自适应能力强、高效易行和不依赖经验等优点。特别适用于分析具有复杂结构热源的自然循环系统流动与换热特性。

摘要： 本发明涉及地理信息领域。为了解决现有的插值方法损失很多有用信息以致插值结果误差较大的问题，本发明提出一种尺度自适应的插值方法及尺度自适应的插值系统，所述方法包括下列步骤：获取目标区域中已知数据点的气象数据和空气所含物浓度数据；对所述目标区域进行子区域划分；根据每个子区域内数据点的空间分布特征分别确定对该子区域进行插值的空间尺度，并基于该空间尺度对所述子区域进行格网化；根据气象数据中的风向和风速数据，选取参与插值的已知数据点；对每个子区域内的经过格网化后得到的格网点利用所选取的已知数据点的数据进行插值；将对各个子区域分别插值得到的结果进行融合。使用本发明的方法得到的插值结果更加精确、可信。

摘要： 本发明涉及地理信息领域。为了解决现有的插值方法损失很多有用信息以致插值结果误差较大的问题，本发明提出一种尺度自适应的插值方法及尺度自适应的插值系统，所述方法包括下列步骤：获取目标区域中已知数据点的气象数据和空气所含物浓度数据；对所述目标区域进行子区域划分；根据每个子区域内数据点的空间分布特征分别确定对该子区域进行插值的空间尺度，并基于该空间尺度对所述子区域进行格网化；根据气象数据中的风向和风速数据，选取参与插值的已知数据点；对每个子区域内的经过格网化后得到的格网点利用所选取的已知数据点的数据进行插值；将对各个子区域分别插值得到的结果进行融合。使用本发明的方法得到的插值结果更加精确、可信。

摘要： 本发明涉及一种遥感数据尺度自适应调整方法、装置、存储介质及设备，基于均值漂移算法对目标区域的遥感影像进行地物分割，构建每一个地物对象的最小外包矩形，根据多个最小外包矩形的最长边的长度值确定多个图像尺度组合，基于网格搜索法和预训练的遥感分类模型，获取图像集合中遥感分类精度最高的最优图像尺度组合和最优尺度采样间隔，实现模型输入图像尺度的自适应调整，利用预训练的遥感分类模型对具有最优图像尺度组合和最优尺度采样间隔的遥感影像进行遥感分类，避免人工设置图像尺度导致的局部最优，提高遥感分类准确性。

摘要： 本发明提出了一种声学差动智能轴承变尺度自适应去噪方法及声学智能轴承。该方法为于轴承外圈端面采集期望声音信号，于轴箱盖上采集参考声音信号；对期望声音信号进行自适应变分模态分解，确定最优分解层数和带宽惩罚系数；计算最优模态中心频率并以此设计维纳滤波器组，采用维纳滤波器组对期望声音信号和参考声音信号进行分解得到多个分解子信号对；利用参考声音信号的子信号滤除期望声音信号子信号的带内噪声，输出所有去噪模态为最终的模态，将所有去噪模态求和得到重构的降噪信号。该方法适应性强，能有效去除采集的轴承的声音信号中的噪声，特别适用于提高列车轴承轨边声学信号的信噪比。

摘要： 本发明公开了一种多尺度自适应图学习的多变量时间序列预测方法，包括：将训练样本集输入至多尺度金字塔网络得到每个训练样本的多尺度初始子序列集；基于自适应图学习模块得到每个尺度的邻接矩阵；将每个时刻序列与对应尺度的邻接矩阵同时输入至图神经网络得到每个时刻序列的表示序列，将表示序列输入至时间卷积网络得到每个尺度最终子序列，将多尺度最终子序列集输入至多尺度融合模块，将每个训练样本多尺度融合数据输入至多层卷积神经网络映射得到每个训练样本的多变量时间序列预测值；基于损失函数确定模型参数，从而确定多尺度自适应图学习的多变量时间序列预测模型；该方法能够准确预测选定场景的预测值。