1 中国科学院福建物质结构研究所, 福建 福州 350002
2 中北大学大数据学院, 山西 太原 030051
3 山东理工大学电气与电子工程学院, 山东 淄博 255049
在互补学习实时跟踪算法(Staple)中,方向梯度直方图(HOG)特征与颜色直方图采用的融合系数均为固定值0.3,在不同特征下相融时易造成目标丢失的问题。基于此,提出一种基于目标概率模型的自适应融合互补学习实时跟踪算法(amStaple),该算法使用分段函数得出自适应融合系数。分别在OTB-2013与OTB-100基准视频集上对所提算法进行实验测试,最终的实验结果显示,本文算法极大地提升了跟踪器性能,与Staple相比,在两个基准数据集上其精度分别高出6.52%与3.32%,成功率分别高出4.89%与3.11%。本文算法较为简单,且在与同时期优秀算法的定性与定量比较中表现较优。为解决本文提出的算法在基准视频部分属性上表现欠佳的问题,在本文算法的基础上增加判定条件,提出了amStaple1算法。
机器视觉 视觉跟踪 概率模型 融合系数 分段函数 激光与光电子学进展
2019, 56(16): 161505
中国海洋大学 信息科学与工程学院, 山东 青岛 266100
提出基于二次多项式拟合的数据融合算法用于激光雷达信号探测.充分考虑模拟探测和光子计数的非线性关系, 选择有效增大数据融合区间; 分析云对区间内的模拟探测和光子计数数据质量的影响并进行质量控制, 获得稳定的融合系数; 同时利用模拟探测和光子计数的非线性关系校正脉冲堆积引入光子计数信号的非线性误差.以直接探测多普勒激光雷达为例, 开展与探空气球的同步对比实验.结果显示：本文算法较之现有商用算法, 风速相关系数从0.8提高到0.85, 均方根误差从3.37 m/s降低至2.41 m/s, 偏差从0.60 m/s降低至0.06 m/s, 证明改进后的融合算法能够有效提高直接探测多普勒激光雷达风场探测的精度, 可更好地应用于大气探测激光雷达的远场和近场信号的融合处理.
激光雷达 光电探测 光子计数 模拟探测 融合系数 Lidar Photoelectric detection Photon counting Analog detection Gluing coefficient
