共查询到18条相似文献，搜索用时 109 毫秒
1.
目标跟踪一直都是机器视觉领域的研究热点,应用场景主要分为单目标跟踪和多目标跟踪.本文主要介绍了单目标跟踪问题,回顾了近年来用于视频单目标跟踪的算法,对单目标跟踪方法进行了分类,并且对每一类中具有代表性的方法进行了介绍,分析了各自的优缺点.最后讨论了单目标跟踪任务中的难点问题和发展趋势,为该方向的研究人员快速了解单目标跟踪技术提供了参考. 相似文献
2.
全球变化的主要科学问题 总被引：21，自引：1，他引：21
本文概要地介绍了全球变化国际研究计划发展的现状，论述了它的科学目标，从地球系统维持和运行机制变化规律以及人类对环境的影响等方面分析了需要进一步研究的主要科学问题，指出了实现全球变化研究目标的关键措施。 相似文献
3.
利用我国研制的第一部Ｃ－波段测风一次雷达样机在成都和郑州试验现场取得的大量测试和施放记录，对该雷达跟踪固定目标的静态特性和活动目标的动态特性作了进一步统计分析。结果表明，在跟踪固定目标时，该雷达有根高的跟踪精度；在跟踪实际活动反射靶时，跟踪数据的离散度比跟踪固定目标时大，并指出，采用适当的滑动平均措施减小原始数据的离散度，并选择合适的计算水平风的时间间隔，就可获得精度高（如１ｍ／ｓ）而层结精细度合适的高空风廓线。 相似文献
4.
利用我国研制的第一部Ｃ－波段测风一次雷达样机在成都和郑州试验现场取得的大量测试和施放记录，对该雷达跟踪固定目标的静态特性和活动目标的动态特性作了进一步统计分析。结果表明，在跟踪固定目标时，该雷达有很高的跟踪精度；在跟踪实际活动反射靶时，跟踪数据的离散度比跟踪固定目标时大，并指出，采用适当的滑动平均措施减小原始数据的离散度，并选择合适的计算水平风的时间间隔，就可获得精度高而层结精细度合适的高空风廓线 相似文献
5.
用改良的面积重叠法自动跟踪中尺度对流系统的试验研究 总被引：1，自引：0，他引：1
中尺度对流系统(Mesoscale Convective Systems, MCSs)的活动和演变,是造成致洪暴雨灾害性天气的主要因素之一.多年来,许多学者加大了对中尺度对流系统研究的力度.但是,中尺度对流系统的活动及其移动和传播的研究进展一直受到计算机自动识别和跟踪问题的制约.首先介绍了一种基于面积重叠法的MCSs自动跟踪技术,然后针对它存在的问题进行了改良,并应用改良后的面积重叠法对1998年6月至8月的青藏高原上空MCSs进行了识别与跟踪实验.实验结果表明,改良后的面积重叠法的跟踪准确率可达80%,比改良前提高了10%以上. 相似文献
6.
同构迁移学习理论和算法研究进展 总被引：1，自引：0，他引：1
迁移学习的目的是解决目标领域中训练样本不足的学习问题,可以把一些在其他相关的源领域中获得的知识,迁移到目标领域中.它放宽了传统机器学习中的两个基本假设：用于学习的训练样本与新的测试样本满足独立同分布的条件;必须有足够可利用的训练样本才能学习得到一个较好的分类模型.按照源领域和目标领域的特征空间是否相同可划分为同构迁移学习和异构迁移学习.本文主要针对同构迁移学习的相关研究进展进行了综述,从理论、算法、应用方面介绍了在该领域所做的研究工作,并指出了同构迁移学习未来可能的研究方向. 相似文献
7.
本文研究了基于领航跟随法的多机器人系统编队控制问题.首先,基于队形约束,给出跟随者期望的轨迹,将编队问题转化为单个跟随者的轨迹跟踪问题.在此基础上,基于双幂次滑模趋近律,设计了跟随者的线速度和角速度控制器,保证了跟踪误差能够快速收敛到零,从而保证了编队队形的稳定.最后,通过仿真验证了所提方法的有效性. 相似文献
8.
设计了基于双目视觉的船舶跟踪与定位系统,并且完成对应算法设计.算法分为摄像机标定、目标跟踪、立体匹配、视差定位4个模块,其中,跟踪模块以目标窗口的形式给出跟踪结果,匹配模块在跟踪结果中进行左右目立体匹配,定位模块根据左右目匹配点对的像素位置计算其在物理空间的坐标,减少了匹配时间.实验结果表明,该方式可实现实时跟踪目标并给出目标的准确位置,满足应用要求.该定位系统可同时完成动态目标跟踪和定位,提供三维图像的丰富信息,具有很强的推广应用价值. 相似文献
9.
主要介绍了我部研制开发的"中期天气跟踪预报系统"的主要做法和技术问题的处理方法.经过近几年来在日常制作中、短期天气预报和执行重大任务气象保障中的应用,该系统在制作3～7天内的天气跟踪预报方法可行,预报准确率较高. 相似文献
10.
轮式机器人执行巡逻、播种和工业生产等任务是一个强非线性的间歇过程.针对重复运行的轮式机器人轨迹跟踪问题,本文提出了一种基于数据驱动的高阶迭代学习控制算法.首先,对轮式移动机器人的模型进行推导设计,并对推导得到的状态空间形式的离散时间模型利用基于状态转移的迭代动态线性化方法,将轮式机器人系统转化为线性输入输出数据模型;其次,设计高阶迭代优化目标函数得到控制律,并利用参数更新律估计线性输入输出数据模型中的未知参数.控制器的设计和分析只使用系统的输入输出数据,不包含任何显式的模型信息.通过采用高阶学习控制方法,在控制律中利用更多之前迭代的控制输入信息,提高了控制性能.最后,仿真结果验证了该方法在轮式机器人轨迹跟踪控制中的有效性. 相似文献
11.
近年来,随着深度学习技术的进步与推广,目标检测领域得到快速发展.但目前基于深度学习的方法大多对大规模标注数据有着极高的需求,而现实场景中大量标注数据往往不可能.因此,基于少量标注样本的目标检测领域逐渐得到大家关注.本文系统地总结与分析了目前有关小样本目标检测的方法,指出了目前方法的缺陷,并提出了一些可能的发展方向. 相似文献
12.
13.
基于颜色特征的粒子滤波算法已成为移动物体跟踪的热点.提出一种基于加权颜色直方图的粒子滤波跟踪算法,利用Bhattacharyya距离来描述粒子与目标区域颜色模型的相似性.实验结果表明:该方法具有较好的实时性与鲁棒性,可应用在视频监控、小车寻迹等场合. 相似文献
14.
室内定位由于在工业生产和日常生活中存在重要的应用价值而成为研究的热点,传统的Wi-Fi、蓝牙等无线定位技术由于电磁干扰和多径效应等原因很难实现高精度的室内定位.经过调制的白光LED在满足照明需求的同时能够传送位置信息,实现室内的高精度定位.首先介绍了可见光定位系统中常用的几种调制方式,对不同调制方式的特点做出比较,提出了一种适用于可见光定位的调制方式;然后,介绍并讨论了可见光定位系统的两种解调方法;之后介绍了几种可见光定位的算法,并对每一种算法的性能进行详细的分析;最后对于可见光定位中存在的问题进行了讨论与展望. 相似文献
15.
多目标跟踪算法在目标发生遮挡、目标快速运动时容易跟踪失败,而且无法从失败中恢复跟踪.针对该问题,首先利用目标的外观信息、运动信息和形状信息多种信息融合的目标特征表示,准确地计算目标间的相似性,使同一目标之间相似性距离尽量小,不同目标间的相似性距离尽量大;其次,基于判别能力强大的相关滤波器和卡尔曼预估器结合的单目标跟踪器可以在目标遮挡、快速运动中准确地跟踪目标.实验结果表明,多目标跟踪算法能够实时准确地跟踪被遮挡的目标和快速运动的目标. 相似文献
16.
随着图像大数据的爆发,特别是用户贡献数据的飞速增长,图像样本的语义内容越来越丰富,标签信息也随之越来越复杂.因此图像多标签学习的研究是近年来学术圈和产业界的研究热点之一,涌现了大量表现优异的方法和技术.基于此,本文将对近年来图像多标签学习上的研究成果进行总结.首先,对多标签学习进行简单介绍,并详述其主流方法的分类;随后,针对目前大数据时代的数据特性,总结了多标签学习面临的新的技术难点及其对应的解决方案;最后,在应用层面上介绍了多标签学习在医学、计算机科学等领域的应用实例. 相似文献
17.
The spatial resolution gap between global or regional climate models and the requirements for local impact studies motivates the need for climate downscaling. For impact studies that involve glacier modelling, the sparsity or complete absence of climate monitoring activities within the regions of interest presents a substantial additional challenge. Downscaling methods for this application must be independent of climate observations and cannot rely on tuning to station data. We present new, computationally-efficient methods for downscaling precipitation and temperature to the high spatial resolutions required to force mountain glacier models. Our precipitation downscaling is based on an existing linear theory for orographic precipitation, which we modify for large study regions by including moist air tracking. Temperature is downscaled using an interpolation scheme that reconstructs the vertical temperature structure to estimate surface temperatures from upper air data. Both methods are able to produce output on km to sub-km spatial resolution, yet do not require tuning to station measurements. By comparing our downscaled precipitation (1 km resolution) and temperature (200 m resolution) fields to station measurements in southern British Columbia, we evaluate their performance regionally and through the annual cycle. Precipitation is improved by as much as 30% (median relative error) over the input reanalysis data and temperature is reconstructed with a mean bias of 0.5°C at locations with high vertical relief. Both methods perform best in mountainous terrain, where glaciers tend to be concentrated. 相似文献
18.
细粒度图像分类是计算机视觉中一项基础且重要的工作,其目的在于区分难以辨别的对象类别（例如不同子类的鸟类、花或动物）.不同于传统的图像分类任务可以雇佣大量普通人标注,细粒度数据集通常需要专家级知识进行标注.除了视觉分类中常见的姿态、光照和视角变化因素之外,细粒度数据集具有更大的类间相似性和类内差异性,因此要求模型能够捕捉到细微的类间差异信息和类内公有信息.除此之外,不同类别的样本存在不同程度的获取难度,因此细粒度数据集通常在数据分布中表现出长尾的特性.综上所述,细粒度数据分布具有小型、非均匀和不易察觉的类间差异等特点,对强大的深度学习算法也提出了巨大的挑战.本文首先介绍了细粒度图像分类任务的特点与挑战,随后以局部特征与全局特征两个主要视角整理了目前的主流工作,并讨论了它们的优缺点.最后在常用数据集上比较了相关工作的性能表现,并进行了总结与展望. 相似文献