基于注意力机制的跨分辨率行人重识别

行人图像分辨率的变化对现有的行人重识别方法带来了很大的挑战。针对这一问题，提出了一种新的跨分辨率行人重识别方法。该方法从两方面解决分辨率变化带来的识别困难:一方面通过通道注意力机制和空间注意力机制捕捉人物特征获取局部区域；另一方面通过核动态上采样模块恢复任意分辨率图像的局部区域信息。为了验证所提方法的有效性，在Market1501、CUHK03和CAVIAR三个公开数据集上开展了对比实验，实验结果表明:所提方法取得了最佳性能。      

利用关节臂探究机匣的曲面轮廓扫描盲区

机匣壳体因其制造材质的局限性、结构的复杂性,其曲面轮廓的扫描检测难度很大。本文通过对关节臂的实时曲面点扫描方法的探索与研究,解决了机匣曲面轮廓扫描所出现的盲区检测问题。     

基于注意力机制与条件卷积的行人重识别方法

行人重识别是计算机视觉领域的一个重要部分,但是容易受到行人图片实际采集环境的影响,导致行人特征表达不充分,进一步导致模型精度不高。提出一种基于注意力机制和条件卷积改进的行人重识别方法,使行人特征得到更充分的表达。将注意力机制引入特征提取网络ResNet50中,对输入图像空间和通道上的关键信息进行加权强化,同时抑制可能的噪声;将条件卷积模块引入主干网络,动态调整卷积核参数,使模型能够在保持高效推理的同时提高容量和性能;利用Market1501、MSMT17和DukeMTMC-ReID主流数据集对改进方法进行评估,Rank1分别提升1.1%、2.4%、1.3%,mAP分别提升0.5%、2.3%、1.3%,结果表明：改进方法能够使行人特征得到更好的表达,识别精度得到提升。     

基于楔型转台的过顶跟踪控制技术

为了更好地满足遥感天线过顶跟踪的需求,本文提出了一种基于楔型转台的过顶跟踪控制技术。分析了基于楔型转台过顶的原理、实现方法和控制中的关键技术。实际应用表明,本文提出的观点和方法是行之有效的。     

一种优化的零速检测行人导航算法

针对军事上对单兵定位和民用领域为行人提供位置服务的需求,提出了足部固定MIMU的行人导航算法.利用人体行走过程中脚部与地面相接触的静止时间段,采用零速更新(ZeroVelocity Update,ZVU)对INS继续对准或标定,而零速检测又是实现零速修正的基础.研究对比了在足部固定MIMU进行零速检测的常用方法,针对常用算法阈值自适应性差,无法检测步速变化转弯等一些异常情况对行人零速检测产生误判等问题,提出优化的零速判断算法,使得加速度计信号和陀螺仪信号综合应用到零速检测.最后,利用改进算法设计行人室内平地正常行走(大约5km/h)包含步速变化和转弯过程的实验.实验结果表明,优化的零速检测算法相比之前的常用算法,能更准确地检测零速并进行修正,对导航轨迹和导航误差有更好的修正效果.     

基于智能手机信息的行人无缝定位实现研究

微电子技术的日益发展促使智能手机传感器性能获得极大提升,智能手机逐步成为行人导航定位的关键设备,为人们提供各类位置增值服务。针对行人室内外一体化高精度导航需求,基于智能手机自身的多传感器实现了一套行人室内外无缝定位系统,并采用手机光、磁、惯性、卫星传感器信息融合优化了室内外判别性能。在Eclipse环境下基于Java语言设计实现了智能手机室内外无缝定位软件,实验结果表明,行人室内外无缝定位软件能够实现行人室内外无盲区、高精度定位。     

无盲区数字信道化频谱检测方法

传统数字信道化模型存在信道间盲区和混叠,难以满足现代非合作接收机中全概率检测的任务要求,本文提出一种通带重叠的数字信道化高效模型,在频域对各通道输出信号进行了无缝“拼接”,解决了跨信道信号的全概率检测问题。本文对提出的算法进行了原理仿真,利用测试数据对定点化后的算法性能验证,测试结果表明高效算法模型可以应用于非合作宽带信号无盲区、全概率检测的场合。     

基于步行周期聚类的视频行人重识别关键帧提取算法

视频行人重识别旨在不同摄像头拍摄的视频中检索特定行人。但是,它面临着数据量庞大和视频数据存在时间冗余的问题,即视频数据耗费大量的存储空间且不同帧之间存在极强的相关性。因此,使用所有的帧进行识别会带来查询效率的下降,而且视频中大量的干扰和噪声也会给准确率带来不利影响。本文提出了基于步行周期聚类的视频行人重识别关键帧提取算法,首先利用行人步行时双脚距离变化的周期性规律提取候选步行周期,然后利用聚类的方法从候选步行周期中选出关键步行周期作为关键帧。最后,将该算法应用在视频行人重识别中,仅使用关键帧的信息进行识别以减少时间冗余的影响,从而提高准确率,并且在查询前对视频进行处理,减少视频数据量以提高查询效率。在视频行人重识别数据集MARS和DukeMTMC-VideoReID上的实验表明,本文算法能够减少59%~82%的视频数据量,并且累积匹配曲线Rank-1提高了1.1%~1.4%,平均精度均值提高了0.2%~5%。     

考虑临近车道行人对交通流影响的改进跟驰模型

基于实际人车混合行驶的情形,提出了一个改进的车辆动力学模型。该模型考虑了邻车道或横向的行人、自行车等对主干道车辆的驾驶行为影响。基于经典的最优速度模型,将主干道车辆与行人之间的横向距离和纵向距离作为参数引入最优速度模型中。为了验证所提模型的稳定性和有效性,利用线性稳定性理论,推导出模型的稳定性条件和非稳定性条件,绘制中性稳定性曲线,直观描述了交通流稳定区域大小。理论结果表明:考虑横向行人干扰因素的改进跟驰模型比传统的只考虑单一车道车辆因素的跟驰模型更加的稳定,并且不同参数的变化,所引起的稳态区域也会发生变化。采用了更加真实的优化速度方程,通过仿真实验来描述车辆的驾驶行为;仿真实验列举了2种实际场景:行人稀少和行人较多时。分别绘制了车辆的速度-时间变化曲线以及车辆的时空图,实验结果表明:横向行人的确会干扰车辆的正常驾驶;不同场景下,行人数量的多寡也会对车辆的驾驶行为造成不同程度的影响。      

基于零速修正与姿态自观测的惯性行人导航算法

针对惯性行人导航中航向角发散致使导航精度降低的问题,提出了一种基于零速修正与姿态自观测的惯性行人导航算法。通过四条件零速检测算法对行走步态中的零速区间进行检测。在检测得到的零速区间内,利用零速修正算法原理构造速度误差的观测量;利用零速区间内行人脚部与地面保持静止、只受到重力加速度及姿态角不变的特性,构造姿态角误差的观测量。应用卡尔曼滤波对零速区间内的姿态角、速度及位置的误差进行估计。利用得到的误差状态估计结果对行人导航进行误差校正,提高惯性行人导航的精度。实验表明:小范围矩形路径中,所提算法的导航轨迹相对误差平均值仅占总路程的0.98%,比零速修正算法减小了78.11%;导航轨迹误差标准差仅为0.14 m,比零速修正算法减小了88.62%;400 m标准操场闭合路径中解算终点相对位置误差仅为1.18%。解算轨迹与实际轨迹匹配度较高,具有良好的应用价值。