1 城市道路交通智能控制技术北京市重点实验室, 北京 100144
2 北方工业大学理学院, 北京 100144
为提升卷积特征目标跟踪算法的实时性和稳健性,利用不同卷积层特征对不同目标表征能力不同的特性,提出双模型自适应切换的实时跟踪方法。该方法对选取的两个卷积层特征使用目标区域和跟踪搜索区域卷积特征的能量均值比来评估卷积特征,选择能量均值比大于给定阈值的卷积通道特征来训练两个相关滤波分类器,然后利用目标相关滤波响应图的峰旁比自适应切换两个相关滤波分类器来预测目标位置,最后采用稀疏模型更新策略来更新分类器。在标准数据集上进行算法测试,实验结果表明,本文算法平均距离精度为89.3%,接近连续卷积跟踪算法,平均跟踪速度为25.8 frams/s,是连续卷积跟踪算法的25倍,整体性能优于实验中的对比跟踪算法。
机器视觉 目标跟踪 卷积神经网络 特征选择 相关滤波 模型切换 光学学报
2018, 38(10): 1015002
1 空军工程大学 导弹学院,陕西三原713800
2 中国空空导弹研究院,河南洛阳471009
针对非线性时变系统在自适应控制过程中瞬态响应差的问题,提出了一种基于多模型自适应控制的模型切换算法。首先,在多模型框架下,通过在模型切换中使Lyapunov函数产生最大的负跳变而选择辨识模型,同时重置参数;其次,通过Lyapunov方法分析了整个系统的闭环稳定性;最后,通过一个仿真实验,表明该算法可以有效地提高系统的瞬态响应性能。
非线性时变系统 多模型 自适应控制 Lyapunov函数 模型切换算法 nonlinear time-varying system multiple models adaptive control Lyapunov function model switching algorithm
