摘要：视角变化往往会引起目标外观特征的变化,传统的基于单一颜色直方图模型的Camshift跟踪算法往往不能适应这种变化.为此,本文从提高模型描述能力入于,提出利用目标外观的先验知识,为目标建立多个颜色模型,在此基础上设计目标函数,通过对目标函数的优化,实时地为每帧跟踪从多个模型的凸组合中选取最优模型.另外,在对Camshift算法深入研究的过程中,发现了概率图平均亮度和图像块颜色分布之间的一种定量关系,这种关系为进一步理解多模型算法的工作机理提供了帮助.头部跟踪的实验结果表明,与单一固定模型以及自适应单模型算法相比,多模型Camshift算法对目标外观的快速变化适应性很强,而且计算代价不大.

摘要：针对初值和噪声统计特性未知情形下的飞行器系统辨识的问题,提出了基于期望最大化(expectation maximization,EM)和求容积卡尔曼平滑器(cubature Kalman smoother,CKS)的辨识算法。该算法用期望最大化算法对初值和噪声的统计特性进行估计;用求容积卡尔曼平滑器估计状态向量和未知参数。在期望最大化算法的求期望步骤中,所求的期望值通过求容积规则获得,用较少的采样点保证了估计精度;在期望最大化算法的最大化步骤中,未知量的最优值以解析解形式给出,减小了计算量。仿真结果说明,该算法在飞行器气动参数辨识问题中,能给出较好的辨识结果。与其他方法的对比验证说明新算法具有辨识精度高、收敛速度快等优点。

摘要：为了在背景干扰、遮挡环境下可靠地跟踪目标,提出了一种特征融合式粒子滤波跟踪算法,改造了传统的边缘方向直方图模型,使其对平移更敏感,以利于提高跟踪精度;利用均值漂移模块检测干扰,依据两种特征对目标和干扰的区分能力调节它们在观测模型中的权重,以抑制干扰;设计混合相似度指标检测遮挡,实时调整系统模型以适应遮挡环境;通过在模型更新过程中引入相互监督机制,缓解模型漂移问题,实验结果表明,算法是有效的。