1 中国科学院光电信息处理重点实验室，辽宁 沈阳 110016
2 中国科学院沈阳自动化研究所，辽宁 沈阳 110169
3 中国科学院机器人与智能制造创新研究院，辽宁 沈阳 110169
4 中国科学院大学，北京 100049
为提升复杂场景下目标跟踪的鲁棒性，优化模型运行效率，提出一种基于自适应特征融合的相关滤波跟踪算法。该算法采用方向梯度直方图特征和卷积神经网络来对目标进行信息构建，利用特征响应的峰值旁瓣比和旁瓣值占比自适应地确定融合系数，根据融合响应来预测目标位置。为适应场景的变化，降低光照、背景和目标形变等对跟踪的影响，引入平均峰值相关能量来设计滤波器学习率调整机制，动态地进行模型更新。通过对深度特征提取网络进行轻量化设计，降低特征网络参数，提高跟踪速度。在OTB100通用数据集上进行测试，实验结果表明：文中所提算法有效降低了干扰对目标跟踪的影响，且跟踪精度、成功率和速度整体优于对比算法。
目标跟踪 融合响应 学习率调整 轻量化 target tracking fusion response learning rate regulation lightweight 红外与激光工程
2022, 51(10): 20220013
1 中南大学物理与电子学院, 湖南 长沙 410083
2 长江大学物理与光电工程学院, 湖北 荆州 434023
3 中南大学超微结构与超快过程湖南省重点实验室, 湖南 长沙 410083
斐波那契波带片(FiZP)在焦平面上有两个不同的主焦点且具有独特的自恢复特性,因此FiZP光束能够在不同平面同时捕获微粒,同时对微粒实现焦平面上的自由移动。仿真分析了FiZP的构成与轴向强度,利用液晶空间光调制器、倒置光学显微镜以及光学元件组合搭建实验平台,对微粒进行三维捕获。实验验证了FiZP光束具有三维光学捕获特性,并可用于构建三维光镊,实现复杂的捕获功能。
光电子学 三维光镊 斐波那契波带片(FiZP) 自恢复特性 双焦点 光学学报
2017, 37(10): 1035001
