基于边检测边跟踪的视觉导航下目标跟踪算法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61105030
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    24.0万
  • 负责人：
    陈勇
  • 依托单位：
    电子科技大学
  • 学科分类：
    F0604.机器感知与机器视觉
  • 结题年份：
    2014
  • 批准年份：
    2011
  • 项目状态：
    已结题
  • 起止时间：
    2012-01-01 至2014-12-31

项目摘要

本项目针对先检测后跟踪和先跟踪后检测算法在视觉导航下目标跟踪性能不高的问题，提出基于边检测边跟踪的目标跟踪算法。本项目在分析现有跟踪算法的基础上，提出具有人类视觉运动感知模式的边检测边跟踪算法，揭示视觉导航下目标跟踪机制。研究内容主要包括：提出基于主成分分析法和加权Adaboost的多特征融合的目标模型，解决视觉导航下单特征难以准确表示目标的问题；提出基于多核Mean Shift和EKF的目标实时检测算法，解决视觉导航下目标的随机出现和随机消失的难检测问题；提出基于Camshift优化的加权粒子滤波目标鲁棒跟踪算法，采用交叉耦合控制模式，构造边检测边跟踪算法。本项目的成果将会提高视觉导航下目标跟踪的精确度、实时性和鲁棒性，研究成果可用在视觉导航机器人、无人驾驶技术和精确制导武器等实际系统中，具有重要的理论意义和广阔的应用前景。

结项摘要

本项目展开了对基于边检测边跟踪的视觉导航下目标跟踪算法研究. 首先,揭示视觉导航下目标跟踪机制,分析出视觉导航具有动态背景和运动监控点的特点, 提出一种改进的SIFT算法,针对主成分法得到的关键点实现图像快速匹配;提出一种基于surf和聚类的目标检测算法实现了视觉导航中目标旋转变化下的目标检测; 提出了一种基于分段正交匹配跟踪的稀疏自适应重构算法，将稀疏自适应的思想引入了分段正交匹配跟踪算法，实现对疏度估计和目标重构,实现遮挡跟踪问题; 提出一种特征点运动向量和粒子滤波相结合的跟踪算法,实现了对于移动背景下的运动目标检测与跟踪具有较好的实用性，并且在目标发生很大的旋转和尺度变化较大情况下能准确的检测与跟踪; 提出了一种边检测边跟踪算法, 利用图像匹配和帧间耦合的目标检测算法;提出了一种基于稀疏表示的目标跟踪方法，通过结构化稀疏学习的方法来建立遮挡模型，该方法通过利用遮挡的先验信息使遮挡既稀疏又空间连续,实现目标跟踪。该理论成功应用到雷达系统中的跟踪误差分析、多目标跟踪、精确制导武器以及风洞试验中的压敏材料测压法的图像校正中。科技论文共12篇：发表论文6论文，正在审稿论文4篇；申请专利4项，其中1项授权，并成功转让，正在产业化。培养博士后1名，博士2名，6名硕士生，2名博士生导师，2名省学科带头后备人。

项目成果

期刊论文数量（0）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

Multi-dimensional Vlasov simulations on trapping-induced sidebands of Langmuir waves
Langmuir 波俘获边带的多维 Vlasov 模拟
  • DOI：
    10.1063/5.0065205
  • 发表时间：
    2021-07
  • 期刊：
    Physics of Plasmas
  • 影响因子：
    2.2
  • 作者：
    陈勇;郑春阳;刘占军;曹莉华;肖成卓
  • 通讯作者：
    肖成卓
土壤盐分对膜下滴灌水稻生长及产量的影响
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    新疆农业科学
  • 影响因子：
    --
  • 作者：
    白如霄;陈勇;王娟;张书捷;杨玉珍;危常州
  • 通讯作者：
    危常州
Evaluating the Tire Wear Quality and Differences Based on Vehicle and Road Coupling Method
基于车路耦合法评价轮胎磨损质量及差异
  • DOI：
    --
  • 发表时间：
    2017
  • 期刊：
    Advances in Mechanical Engineering
  • 影响因子：
    2.1
  • 作者：
    马彬;许洪国;陈勇;林慕义
  • 通讯作者：
    林慕义
武汉市生态系统服务功能对城市用地扩张的响应机理
  • DOI：
    --
  • 发表时间：
    2020
  • 期刊：
    长江流域资源与 环境
  • 影响因子：
    --
  • 作者：
    朱晓南;刘艳中;汪樱;陈勇;张祚;宋改凤
  • 通讯作者：
    宋改凤
Suppression of higher diffraction order using quasiperiodic array of rectangular holes with large size tolerance
使用具有大尺寸公差的矩形孔的准周期阵列抑制更高的衍射级
  • DOI：
    --
  • 发表时间：
    2020
  • 期刊：
    强激光与粒子束
  • 影响因子：
    --
  • 作者：
    魏来;陈勇;范全平;张强强;张众;王占山;曹磊峰
  • 通讯作者：
    曹磊峰

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

陈勇的其他基金

网络攻击下智能网联汽车控制系统的故障诊断与容错控制研究
  • 批准号：
  • 批准年份：
    2019
  • 资助金额：
    59 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码