针对传统目标跟踪算法在复杂动态场景中因目标发生遮挡、旋转等多种因素而导致的跟踪失败问题,提出了一种基于检测器与定位器融合的自适应校正跟踪算法。定位器通过提取目标的深度特征训练CNN(convolutional neural network)滤波器进行...针对传统目标跟踪算法在复杂动态场景中因目标发生遮挡、旋转等多种因素而导致的跟踪失败问题,提出了一种基于检测器与定位器融合的自适应校正跟踪算法。定位器通过提取目标的深度特征训练CNN(convolutional neural network)滤波器进行位置估计,CNN滤波器在原CF2(hierarchical convolutional features for visual tracking)算法的3层卷积特征的基础上加入了2层浅层特征,增强了对目标纹理信息的提取。检测器通过提取目标的HOG(histogram of oriented gradient)特征,结合上下文信息计算置信度评分,用当前帧的平均峰值能量和响应最大值分别与历史均值比较,综合判断是否因为遮挡等因素导致跟踪失败,如果跟踪失败,结合检测器进行目标的重定位,否则对目标进行尺度估计。当模型具有高置信度时,更新模型。实验结果表明:算法距离精度和重叠精度均取得不错的效果。展开更多
工业过程对象特性变化会导致软测量的测量精度下降甚至失真,需要对软测量模型进行校正。首先构建软测量模型性能评价指标用于对模型性能进行监测。当性能评价指标超过统计限时,对过程特性变化类型进行诊断:若过程特性渐变,则对模型进行...工业过程对象特性变化会导致软测量的测量精度下降甚至失真,需要对软测量模型进行校正。首先构建软测量模型性能评价指标用于对模型性能进行监测。当性能评价指标超过统计限时,对过程特性变化类型进行诊断:若过程特性渐变,则对模型进行递推校正;若过程特性发生突变,则对模型进行重构校正。通过对连续搅拌釜式反应器和DAISY(database for identification of systems)数据库提供的蒸发器实际生产数据进行仿真实验,验证了本文方法的有效性。实验结果表明,该方法避免了传统校正方法存在的盲目校正、受离线分析噪声影响严重等问题,有效地提高了软测量模型对对象特性变化的适应能力。展开更多
文摘针对传统目标跟踪算法在复杂动态场景中因目标发生遮挡、旋转等多种因素而导致的跟踪失败问题,提出了一种基于检测器与定位器融合的自适应校正跟踪算法。定位器通过提取目标的深度特征训练CNN(convolutional neural network)滤波器进行位置估计,CNN滤波器在原CF2(hierarchical convolutional features for visual tracking)算法的3层卷积特征的基础上加入了2层浅层特征,增强了对目标纹理信息的提取。检测器通过提取目标的HOG(histogram of oriented gradient)特征,结合上下文信息计算置信度评分,用当前帧的平均峰值能量和响应最大值分别与历史均值比较,综合判断是否因为遮挡等因素导致跟踪失败,如果跟踪失败,结合检测器进行目标的重定位,否则对目标进行尺度估计。当模型具有高置信度时,更新模型。实验结果表明:算法距离精度和重叠精度均取得不错的效果。
文摘工业过程对象特性变化会导致软测量的测量精度下降甚至失真,需要对软测量模型进行校正。首先构建软测量模型性能评价指标用于对模型性能进行监测。当性能评价指标超过统计限时,对过程特性变化类型进行诊断:若过程特性渐变,则对模型进行递推校正;若过程特性发生突变,则对模型进行重构校正。通过对连续搅拌釜式反应器和DAISY(database for identification of systems)数据库提供的蒸发器实际生产数据进行仿真实验,验证了本文方法的有效性。实验结果表明,该方法避免了传统校正方法存在的盲目校正、受离线分析噪声影响严重等问题,有效地提高了软测量模型对对象特性变化的适应能力。