分?jǐn)?shù)階微積分及相關(guān)研究是近年來科研領(lǐng)域的研究熱點(diǎn)，該項(xiàng)研究不《目標(biāo)圖像的識(shí)別與跟蹤》內(nèi)容主要包括目標(biāo)識(shí)別與跟蹤技術(shù)的研究現(xiàn)狀和基礎(chǔ)理論(第1章)、衛(wèi)星目標(biāo)定位方法(第2～4章)、目標(biāo)識(shí)別方法(第5，6章)和目標(biāo)跟蹤方法(第7，8章)，介紹了相關(guān)目標(biāo)衛(wèi)星定位、識(shí)別和跟蹤的研究背景、挑戰(zhàn)性問題、解決理論、算法設(shè)計(jì)過程和應(yīng)用場景分析等內(nèi)容，并給出了相應(yīng)的實(shí)驗(yàn)結(jié)果。
計(jì)算機(jī)科學(xué)、自動(dòng)化、應(yīng)用數(shù)學(xué)、運(yùn)籌學(xué)、工業(yè)與系統(tǒng)工程、通信工程領(lǐng)域中從事相關(guān)研究的科技工作者和工程技術(shù)人員，計(jì)算機(jī)科學(xué)、自動(dòng)化、應(yīng)用數(shù)學(xué)、運(yùn)籌學(xué)和相關(guān)專業(yè)本科生和研究生及教師
目錄
第1章 緒論 1
1.1 目標(biāo)識(shí)別與跟蹤技術(shù)簡介 1
1.1.1 國內(nèi)外研究成果 1
1.1.2 國內(nèi)研究機(jī)構(gòu) 2
1.2 目標(biāo)識(shí)別與跟蹤技術(shù)的應(yīng)用 3
1.3 目標(biāo)識(shí)別與跟蹤相關(guān)技術(shù) 7
1.3.1 運(yùn)動(dòng)目標(biāo)檢測技術(shù) 8
1.3.2 運(yùn)動(dòng)目標(biāo)識(shí)別與跟蹤技術(shù) 9
1.4 圖像稀疏表示理論 15
1.4.1 稀疏表示模型 15
1.4.2 稀疏表示的度量 16
1.4.3 稀疏表示的優(yōu)化算法 16
第2章 衛(wèi)星軌道參數(shù)計(jì)算 19
2.1 引言 19
2.2 衛(wèi)星軌道描述 20
2.3 坐標(biāo)系變換 22
2.3.1 平移變換 22
2.3.2 正交變換 23
2.3.3 直角坐標(biāo)與極坐標(biāo)的轉(zhuǎn)換 24
2.4 導(dǎo)航定位方法 25
2.4.1 軌道計(jì)算 25
2.4.2 定位計(jì)算 32
2.5 仿真 34
2.6 小結(jié) 34
第3章 衛(wèi)星導(dǎo)航定位算法 35
3.1 引言 35
3.2 導(dǎo)航定位算法的改進(jìn)算法 35
3.2.1 對(duì)經(jīng)典導(dǎo)航定位算法的改進(jìn) 35
3.2.2 線性化求解的導(dǎo)航算法改進(jìn) 39
3.2.3 卡爾曼濾波的導(dǎo)航算法的改進(jìn) 40
3.3 基于迭代的導(dǎo)航定位新算法 44
3.3.1 具體實(shí)施算法 44
3.3.2 算法的收斂性 46
3.3.3 仿真 46
3.3.4 迭代法的加速收斂討論 47
3.4 小結(jié) 48
第4章 基于衛(wèi)星定位誤差的星座配置算法 49
4.1 引言 49
4.2 幾何精度指標(biāo) 49
4.3 定位誤差的三維幾何分布 50
4.3.1 定位誤差協(xié)方差的計(jì)算 50
4.3.2 X與θ的關(guān)系 53
4.3.3 PDOP與仰角和方位角的關(guān)系 54
4.4 定位誤差及其四維幾何分布與選星 56
4.4.1 定位誤差及其GDOP 56
4.4.2 星座仰角和方位角對(duì)定位精度的影響 57
4.5 仿真和討論 58
4.5.1 仿真 58
4.5.2 一種新的選星算法 59
4.6 小結(jié) 60
第5章 基于模糊推理的目標(biāo)識(shí)別算法 61
5.1 引言 61
5.2 有序加權(quán)平均算子的基本知識(shí) 62
5.3 一種區(qū)間值模糊推理 63
5.3.1 推理方法介紹 63
5.3.2 實(shí)例分析 66
5.4 模糊推理方法在紋理目標(biāo)識(shí)別中的應(yīng)用 67
5.5 小結(jié) 72
第6章 基于閾值的模糊目標(biāo)識(shí)別算法 73
6.1 引言 73
6.2 模糊信號(hào)的閾值處理方法 76
6.2.1 閾值降噪 77
6.2.2 閾值去噪仿真 78
6.2.3 權(quán)值調(diào)整模糊處理 80
6.3 目標(biāo)識(shí)別 80
6.3.1 目標(biāo)特征提取 80
6.3.2 分級(jí)的自動(dòng)識(shí)別方法 82
6.4 實(shí)驗(yàn)及結(jié)果分析 83
6.5 小結(jié) 85
第7章 基于稀疏INMF的目標(biāo)跟蹤算法 86
7.1 引言 86
7.2 非負(fù)矩陣分解相關(guān)理論 87
7.2.1 非負(fù)矩陣?yán)碚摰陌l(fā)展 87
7.2.2 非負(fù)矩陣分解的目標(biāo)函數(shù) 88
7.2.3 非負(fù)矩陣分解的優(yōu)化求解方法 89
7.3 增量式非負(fù)矩陣分解理論 90
7.3.1 增量非負(fù)矩陣的目標(biāo)函數(shù) 90
7.3.2 增量非負(fù)矩陣的更新規(guī)則 92
7.4 基于約束INMF的目標(biāo)跟蹤算法 93
7.4.1 稀疏非負(fù)子空間外觀模型 93
7.4.2 外觀模型的優(yōu)化求解策略 94
7.4.3 在線目標(biāo)跟蹤算法框架 95
7.5 試驗(yàn)結(jié)果分析與比較 97
7.5.1 實(shí)驗(yàn)結(jié)果定性分析 98
7.5.2 實(shí)驗(yàn)結(jié)果定量分析 101
7.5.3 適用性討論 102
7.6 小結(jié) 102
第8章 基于多任務(wù)學(xué)習(xí)的目標(biāo)跟蹤算法 104
8.1 引言 104
8.2 多任務(wù)學(xué)習(xí)基本理論 106
8.2.1 多任務(wù)學(xué)習(xí)的典型分類 107
8.2.2 多任務(wù)學(xué)習(xí)的典型算法模型 108
8.3 稀疏原型外觀模型理論 110
8.4 基于多任務(wù)稀疏原型的視頻跟蹤算法 111
8.4.1 多任務(wù)稀疏外觀模型 111
8.4.2 基于APG方法的化求解策略 112
8.4.3 基于多任務(wù)稀疏原型的跟蹤算法框架 114
8.5 試驗(yàn)結(jié)果分析與比較 115
8.5.1 實(shí)驗(yàn)結(jié)果定性分析 116
8.5.2 實(shí)驗(yàn)結(jié)果定量分析 121
8.5.3 適用范圍 124
8.6 小結(jié) 124
參考文獻(xiàn) 125
彩圖
第1章 緒論
目標(biāo)識(shí)別與跟蹤技術(shù)綜合了圖像處理、人工智能、概率與過程、化和自動(dòng)控制等多學(xué)科理論，每個(gè)學(xué)科的進(jìn)步都會(huì)促進(jìn)其向更深層次的研究和發(fā)展，具有十分重要的軍事和商業(yè)應(yīng)用價(jià)值，受到各個(gè)階層研究者的廣泛關(guān)注。
1.1 目標(biāo)識(shí)別與跟蹤技術(shù)簡介
目標(biāo)識(shí)別與跟蹤技術(shù)的實(shí)質(zhì)是通過衛(wèi)星、雷達(dá)或傳感器等數(shù)據(jù)采集設(shè)備，對(duì)指定的興趣目標(biāo)(如飛機(jī)、輪船、行人或監(jiān)控物等)在特定場景中的運(yùn)動(dòng)進(jìn)行連續(xù)性推斷或評(píng)估，以獲得目標(biāo)的實(shí)時(shí)狀態(tài)(如位置、尺寸和速度等信息)，并對(duì)其中的有用信息進(jìn)行分析和處理，以建立低層次圖像處理技術(shù)和高層次語義內(nèi)容分析與理解之間的橋梁。近些年，隨著航空航天技術(shù)、計(jì)算機(jī)技術(shù)、傳感器技術(shù)以及數(shù)據(jù)處理技術(shù)的不斷進(jìn)步，目標(biāo)識(shí)別與定位技術(shù)在軍用、民用和智能化產(chǎn)品中越來越呈現(xiàn)出十分重要的作用，各國政府、高等院校、研究所和商業(yè)公司不斷對(duì)該技術(shù)的研究投入大量的人力和財(cái)力資源，相應(yīng)的理論和應(yīng)用成果也隨之不斷涌現(xiàn)。
1.1.1 國內(nèi)外研究成果
在衛(wèi)星定位系統(tǒng)研究方面，法國于1986年發(fā)射SPOT1(Systeme Probatoired Observation de la Terre)衛(wèi)星，空間分辨率約為10m，到2012年發(fā)射的SPOT6衛(wèi)星，空間分辨率能夠達(dá)到1.5m。2014年繼續(xù)發(fā)射SPOT7衛(wèi)星，進(jìn)一步提高了衛(wèi)星獲取數(shù)據(jù)的效率和手段。同時(shí)，借助分散在世界各地的地面校驗(yàn)場對(duì)衛(wèi)星傳感器參數(shù)進(jìn)行幾何校正，不斷提高衛(wèi)星影像的定位精度；美國于20世紀(jì)70年代構(gòu)建GPS(Global Positioning System)，經(jīng)過幾十年的發(fā)展，GPS目前包含的星座數(shù)目已高達(dá)31顆。預(yù)計(jì)第四代GPS工作衛(wèi)星將實(shí)現(xiàn)33顆星座分布式工作，大大提高了目標(biāo)定位精度；俄羅斯的全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System，GLONASS)于20世紀(jì)80年代初開建，1996年達(dá)到24顆衛(wèi)星，開始工作。其間經(jīng)過十年多的停滯，直到2010年，GLONASS系統(tǒng)恢復(fù)部署，共有31顆衛(wèi)星在軌運(yùn)行，旨在提高目標(biāo)定位精度；國內(nèi)自主研發(fā)了北斗導(dǎo)航衛(wèi)星系統(tǒng)(BeiDou Navigation Satellite System，BDS)，其目標(biāo)是建成獨(dú)立自主、開放兼容、技術(shù)先進(jìn)、穩(wěn)定的覆蓋全球的定位導(dǎo)航系統(tǒng)，并計(jì)劃于2020年建設(shè)成由35顆衛(wèi)星組成的定位系統(tǒng)。目前北斗二代系統(tǒng)已經(jīng)發(fā)射16顆衛(wèi)星，具備了區(qū)域?qū)Ш蕉ㄎ坏哪芰Γ谥鸩较蚋采w全球的定位系統(tǒng)推進(jìn)。為了提高定位精度，我國在西安、上海、長春、昆明、烏魯木齊、南極等6個(gè)地區(qū)建立了跟蹤站，并與1個(gè)數(shù)據(jù)中心和1個(gè)分析中心組成測試評(píng)估系統(tǒng)。同時(shí)，在新加坡、澳大利亞等8個(gè)國家建立了實(shí)驗(yàn)跟蹤站，將軌道精度由5m提高到0.5m，CEO衛(wèi)星軌道精度達(dá)到2m。通信衛(wèi)星、遙感衛(wèi)星和測繪衛(wèi)星等多類型的信息采集途徑和日益提高的衛(wèi)星定位精度，使人們可以通過對(duì)衛(wèi)星獲取的信息進(jìn)行特征提取和分析，進(jìn)而深入研究指定目標(biāo)物的識(shí)別與跟蹤方法。
在目標(biāo)識(shí)別與跟蹤系統(tǒng)研究方面，美國國防高級(jí)研究項(xiàng)目署(DARPA)分別于2000年和2008年資助了項(xiàng)目HID(Human Identioncation at a Distance)和實(shí)時(shí)流視頻監(jiān)控技術(shù)研究，前者旨在開發(fā)多模式監(jiān)控技術(shù)，后者旨在從視頻中快速發(fā)現(xiàn)人的行為并進(jìn)行分析；美國的空軍研究室、海軍研究室和導(dǎo)彈系統(tǒng)研究中心等部門聯(lián)合開展試驗(yàn)衛(wèi)星系統(tǒng)研究計(jì)劃，于2003年發(fā)射首顆衛(wèi)星ESS-10，其可以對(duì)低軌道上的航天器進(jìn)行拍照，并對(duì)目標(biāo)進(jìn)行跟蹤、監(jiān)視和位移保持等。2005年再次發(fā)射ESS-11衛(wèi)星，它可以進(jìn)行自主跟蹤、監(jiān)視和交會(huì)等操作。俄羅斯研制出的空間目標(biāo)監(jiān)視系統(tǒng)和導(dǎo)彈預(yù)警系統(tǒng)，其境內(nèi)主要布有名為"沃羅涅日"及"伏爾加河"的雷達(dá)監(jiān)視網(wǎng)絡(luò)，它的空間目標(biāo)監(jiān)視技術(shù)在某些方面已經(jīng)超過美國。2000年英國也發(fā)射了Snap-1衛(wèi)星，通過安裝的視覺傳感器系統(tǒng)，可以到達(dá)兩公里內(nèi)對(duì)其他小衛(wèi)星的持續(xù)性跟蹤。中國科學(xué)院自動(dòng)化研究所的模式識(shí)別國家重點(diǎn)實(shí)驗(yàn)室研究并開發(fā)的交通監(jiān)控系統(tǒng)VS-Star(Visual Surveillance Star)，已經(jīng)在2008年的北京奧運(yùn)會(huì)和2010年的上海世博會(huì)上用來輔助安防監(jiān)控的"中科奧森"人臉識(shí)別和智能的視頻監(jiān)控系統(tǒng)，并且分別在2011年和2012年發(fā)射"神州八號(hào)"和"神州九號(hào)"飛船，實(shí)現(xiàn)了與天宮交會(huì)對(duì)接技術(shù)，其中視覺傳感器技術(shù)的應(yīng)用起到了非常關(guān)鍵的作用。另外，意大利摩德納大學(xué)(UNIMO)于2003年研發(fā)的SAKBOT系統(tǒng)，IBM于2004年開發(fā)的Smart系統(tǒng)，雷丁大學(xué)與法國INRIA等研究部門聯(lián)合在2004年研究并開發(fā)了機(jī)場智能監(jiān)控系統(tǒng)項(xiàng)目AVITRACK等。
1.1.2 國內(nèi)研究機(jī)構(gòu)
國內(nèi)外很多研究所和大學(xué)都在目標(biāo)識(shí)別與跟蹤方面做出了深入的研究，并且取得了大量的研究成果。在國外，如美國的中佛羅里達(dá)大學(xué)、卡耐基梅隆大學(xué)、南加州大學(xué)、麻省理工學(xué)院，英國的牛津大學(xué)，瑞士的蘇黎世聯(lián)邦理工學(xué)院，澳大利亞的阿德萊德大學(xué)和法國的計(jì)算機(jī)科學(xué)與技術(shù)研究所等。
在國內(nèi)，中國科學(xué)院自動(dòng)化研究所的模式識(shí)別國家重點(diǎn)實(shí)驗(yàn)室和微軟亞洲研究院的視覺研究組在目標(biāo)跟蹤和目標(biāo)識(shí)別等方面處于經(jīng)驗(yàn)豐富地位。其他高校也在積極開展研究，如清華大學(xué)、北京大學(xué)、浙江大學(xué)、上海交通大學(xué)、華中科技大學(xué)、西安交通大學(xué)等也在目標(biāo)識(shí)別、視頻分析和理解領(lǐng)域進(jìn)行了深入的研究。
在實(shí)際應(yīng)用方面，很多國內(nèi)外的公司和企業(yè)也長期致力于視頻相關(guān)技術(shù)的研發(fā)，如美國的ObjectVideo、DVTel公司、法國的Citilog公司、以色列的NiceVision公司和瑞典的IMINT公司等。在國內(nèi)，杭州海康威視公司擁有經(jīng)驗(yàn)豐富的技術(shù)，致力于視頻處理和分析技術(shù)的研發(fā)；深圳大疆科技公司自主研發(fā)的影像采集和處理系統(tǒng)，雖然起步較晚但發(fā)展迅猛；深圳貝爾信公司在嵌入式系統(tǒng)智能行為識(shí)別方面具有較強(qiáng)的科研優(yōu)勢；還有全球鷹、迪威視訊、大華股份等。此外，一些IT公司(如Google、微軟、IBM、百度和華為等)也在不斷研發(fā)與目標(biāo)跟蹤相關(guān)的應(yīng)用產(chǎn)品。
1.2 目標(biāo)識(shí)別與跟蹤技術(shù)的應(yīng)用
近年來，隨著計(jì)算機(jī)處理能力的不斷提高，存儲(chǔ)成本的不斷下跌，目標(biāo)識(shí)別與跟蹤技術(shù)的研究進(jìn)程得到了巨大的推動(dòng)。然而，真正使目標(biāo)識(shí)別與跟蹤技術(shù)在視覺領(lǐng)域中獲得廣泛關(guān)注的主要原因是其在實(shí)際中大量而又極其重要的應(yīng)用。
1.智能視頻監(jiān)控系統(tǒng)
智能視頻監(jiān)控系統(tǒng)(Intelligent Video Surveillance，IVS)是計(jì)算機(jī)視覺領(lǐng)域中活躍的應(yīng)用方向之一。它利用計(jì)算機(jī)視覺、圖像處理和狀態(tài)空間分析等理論，在盡可能少的人為干預(yù)條件下，對(duì)視頻序列中的目標(biāo)進(jìn)行提取、處理、分析和理解，以實(shí)現(xiàn)對(duì)特定目標(biāo)的定位、識(shí)別和跟蹤，保持目標(biāo)在視頻監(jiān)控內(nèi)的運(yùn)動(dòng)可見性。同時(shí)，當(dāng)目標(biāo)在攝像機(jī)視野消失后再出現(xiàn)時(shí)(可能出現(xiàn)在另外一個(gè)攝像機(jī))，能夠?qū)崟r(shí)調(diào)節(jié)單攝像機(jī)的角度和進(jìn)行多攝像機(jī)間的通信，從而捕捉到興趣目標(biāo)的運(yùn)動(dòng)軌跡。然后，對(duì)跟蹤結(jié)果進(jìn)行分析以實(shí)現(xiàn)異常行為檢測、社會(huì)活動(dòng)分析和可疑目標(biāo)預(yù)警等操作，提高公共安全的保障能力。依據(jù)市場研究結(jié)果顯示，美國自2009年開始已經(jīng)組建了包含約3000萬臺(tái)攝像機(jī)的監(jiān)控網(wǎng)絡(luò)，投入經(jīng)費(fèi)從2006年的49億美元上漲到2011年的90億美元。雖然我國安防市場起步較晚，但根據(jù)《中國安防行業(yè)"十二五"發(fā)展規(guī)劃》，截止到2015年，我國的安防行業(yè)總產(chǎn)值已達(dá)到5000億元。
如圖1.1所示，智能視頻監(jiān)控系統(tǒng)主要研究內(nèi)容包括：低級(jí)圖像采集與處理；中級(jí)目標(biāo)表征、識(shí)別和跟蹤；高級(jí)圖像理解與行為，語義識(shí)別和分析等。可以明顯看出，目標(biāo)檢測、識(shí)別和跟蹤技術(shù)是該系統(tǒng)正常運(yùn)行不可缺少的核心組成部分。在國內(nèi)，中國科學(xué)院自動(dòng)化研究所模式識(shí)別國家重點(diǎn)實(shí)驗(yàn)室建立了一套針對(duì)室內(nèi)外場景監(jiān)控的視頻運(yùn)動(dòng)目標(biāo)分析系統(tǒng)，能夠分析場景中目標(biāo)運(yùn)動(dòng)過程中存在的多種體態(tài)形式，獲得了很好的應(yīng)用效果。西北工業(yè)大學(xué)建立了一套Great Wall視頻目標(biāo)綜合分析系統(tǒng)，能夠?qū)崿F(xiàn)復(fù)雜系統(tǒng)下對(duì)特定目標(biāo)的跟蹤、形態(tài)分析和行為識(shí)別等功能。此外，杭州海康威視研究院也基于高速公路環(huán)境設(shè)計(jì)出一系列異常行為檢測、違章停車和交通擁塞識(shí)別等產(chǎn)品，并已經(jīng)成功推向市場。因此，作為智能視頻監(jiān)控中的關(guān)鍵性技術(shù)，目標(biāo)識(shí)別與跟蹤算法的研究具有很大的應(yīng)用價(jià)值。
圖1.1智能視頻監(jiān)控系統(tǒng)層次結(jié)構(gòu)示意圖
2.智能交通系統(tǒng)
交通安全已經(jīng)成為當(dāng)今社會(huì)的一大重要問題，城市智能交通系統(tǒng)(Intelligent Transportation System，ITS)的目標(biāo)是對(duì)城市交通進(jìn)行監(jiān)控和控制。該系統(tǒng)通過對(duì)城市中所有道路交通的流量檢測、交通狀況檢測、環(huán)境氣象檢測和運(yùn)行狀況等進(jìn)行信息提取，從而產(chǎn)生智能化控制方案，以達(dá)到控制交通流量、改善交通運(yùn)行狀況、減少事故發(fā)生概率和即時(shí)響應(yīng)交通緊急狀況的目的。智能交通系統(tǒng)正在成為緩解交通堵塞、提高交通安全及輔助交通管理等問題的有效解決工具，已受到世界各國的重視。為此，世界各國紛紛投入大量的資金和科研人員研制智能交通系統(tǒng)，如美國研制出的車輛檢測系統(tǒng)(AUTOSCOP)，法國研制開發(fā)的能夠檢測違章停車、逆行和超速等行為的TRAFICON系統(tǒng)，日本研制的車輛信息與通信系統(tǒng)(VICS)等。我國在《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要(2006-2020)》中強(qiáng)調(diào)了智能交通系統(tǒng)在國家戰(zhàn)略中的重要作用。清華大學(xué)研制的自動(dòng)交通視覺監(jiān)控系統(tǒng)(VISATRAM)能夠?qū)⒁曈X交通檢測的研究成果應(yīng)用到中國公路交通的高科技研究產(chǎn)品中。中國臺(tái)灣交通大學(xué)電機(jī)與控制工程學(xué)系智能控制系統(tǒng)集成實(shí)驗(yàn)室開發(fā)了獨(dú)立式實(shí)時(shí)圖像跟蹤系統(tǒng)，對(duì)交通視頻圖像中的車輛進(jìn)行檢測和跟蹤。
智能交通領(lǐng)域中，由于道路本身的復(fù)雜性、光線變化、陰影、天氣因素等事件問題，造成系統(tǒng)虛警或漏檢。復(fù)雜場景下目標(biāo)檢測、識(shí)別與跟蹤成為高級(jí)視覺識(shí)別的挑戰(zhàn)性難題。目標(biāo)識(shí)別與跟蹤技術(shù)以在線或離線的形式在智能交通系統(tǒng)中起到了重要的作用，其利用智能交通網(wǎng)絡(luò)中安裝的大量攝像機(jī)，對(duì)車輛進(jìn)行實(shí)時(shí)監(jiān)控、識(shí)別和跟蹤，以自動(dòng)獲得車輛的速度、流量和道路擁堵狀況等信息。同時(shí)，利用不斷積累的車輛跟蹤結(jié)果進(jìn)行統(tǒng)計(jì)、分析和數(shù)據(jù)建模，在目標(biāo)識(shí)別與跟蹤技術(shù)的幫助下，與車輛相關(guān)的位置、速度和軌跡等信息更容易被自動(dòng)獲得，從而能夠達(dá)到在無人為參與的情況下對(duì)交通狀態(tài)進(jìn)行實(shí)時(shí)分析。文獻(xiàn)研究了Quick Bird衛(wèi)星數(shù)據(jù)中城市道路中的車輛隊(duì)列信息，依據(jù)單個(gè)車輛特征建立車隊(duì)模型，通過匹配算法對(duì)車輛隊(duì)列識(shí)別，在邊緣提取和寬度函數(shù)分析的基礎(chǔ)上，實(shí)現(xiàn)單個(gè)車輛檢測。文獻(xiàn)在道路提取的基礎(chǔ)上，利用顏色模型提出車輛識(shí)別方法，并利用窗口搜索識(shí)別單個(gè)車輛，在車輛識(shí)別的基礎(chǔ)上，提取車輛密度等交通流參數(shù)，以輔助智能交通系統(tǒng)。文獻(xiàn)針對(duì)高分辨率遙感圖像中的小型目標(biāo)，利用視覺注意機(jī)制實(shí)現(xiàn)目標(biāo)檢測，結(jié)合背景抑制、Mean Shift分割、目標(biāo)特征提取等算法，有效實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的穩(wěn)定跟蹤。
文獻(xiàn)研究了支持向量機(jī)(SVM)模型在車流量預(yù)測領(lǐng)域的應(yīng)用。文獻(xiàn)深度學(xué)習(xí)了將模型應(yīng)用到車流量預(yù)測領(lǐng)域，大大提高了預(yù)測的精準(zhǔn)度。
3.移動(dòng)機(jī)器人導(dǎo)航
移動(dòng)機(jī)器人是一種典型的自主式機(jī)器系統(tǒng)，具有很高的智能化水平，是機(jī)器人學(xué)、動(dòng)力學(xué)、自動(dòng)控制、電子技術(shù)、計(jì)算機(jī)技術(shù)和人工智能等多學(xué)科交叉的產(chǎn)物，是目前國內(nèi)外學(xué)術(shù)研究的活躍領(lǐng)域。智能導(dǎo)航系統(tǒng)主要是利用攝像機(jī)和其他傳感器設(shè)備對(duì)周圍環(huán)境和興趣目標(biāo)進(jìn)行實(shí)時(shí)檢測和跟蹤，基于對(duì)視頻處理結(jié)果的理解與分析，引導(dǎo)機(jī)器人或車輛執(zhí)行特殊的作業(yè)或任務(wù)。美國國家航空航天局(NASA)研制的"勇氣號(hào)"和"機(jī)遇號(hào)"火星探測車，通過導(dǎo)航攝像機(jī)實(shí)現(xiàn)路徑規(guī)劃并引導(dǎo)儀器設(shè)備進(jìn)行精細(xì)檢測。德國凱撒斯勞滕工業(yè)大學(xué)和比利時(shí)皇家軍事學(xué)院聯(lián)合研制移動(dòng)機(jī)器人RAVON，通過車體前方頂部兩個(gè)攝像機(jī)組成立體視覺系統(tǒng)，承擔(dān)遠(yuǎn)程場景目標(biāo)的觀測、路徑規(guī)劃和導(dǎo)航任務(wù)，并利用多臺(tái)工控機(jī)完成實(shí)時(shí)導(dǎo)航。我國哈爾濱工業(yè)
