摘要：文中提出了一种基于多输入多输出(MIMO)雷达技术的目标检测与跟踪算法。首先,介绍了MIMO雷达技术的原理及其在目标检测与跟踪领域的应用优势。其次,详细阐述了算法的设计思想和实现方法。该算法利用MIMO雷达系统同时发送和接收多个波束,实现了对目标的高分辨率成像和准确跟踪。最后,通过仿真实验验证了该算法的有效性和性能优势,证明了其在实际应用中的潜力。

摘要：煤的运输对山西煤矿资源的管理有着重要意义。本研究使用某洗煤厂的入口监控视频进行间隔帧的提取,选取mAP@0.5为0.957的YOLOv5算法对视频中运煤车辆进行目标检测,在此基础上使用Deep-SORT算法进行目标跟踪,并实现了运煤车辆的统计。系统的设计和实现解决了洗煤厂在运煤过程中煤丢失的问题。

摘要：实现对目标的自动检测与跟踪是坦克火控系统未来发展的重要方向。首先采用迁移学习的方法将基于深度学习模型的Faster R-卷积神经网络(faster R-convolution neural network,Faster R-CNN)算法应用解决复杂背景下的坦克装甲目标检测问题,与基于人工模型的传统算法相比达到了较高的检测精度。其次,针对坦克火控系统现有目标跟踪算法的不足,通过将Faster R-CNN算法与现有跟踪算法相结合,提出了复合式目标跟踪算法,实现了对坦克装甲目标的自动检测与稳定跟踪。最后,设计了一套目标自动检测与跟踪系统,采用动态扫描凝视成像技术实现了对大范围战场图像的快速、清晰获取,并对所提算法进行了实验测试。同时也指出了深度学习方法在应用于坦克火控系统时仍然存在的部分问题。

摘要：基于现场可编程门阵列(Field Programmable Gate Arrays,FPGA)硬件平台和背景差分算法设计一个静态背景下的视频移动目标检测与跟踪系统,并详细给出系统的实现过程。检测结果表明:采用FPGA硬件实现系统设计,极大地提高了系统的处理速度,在静态背景下,可以实时、准确地检测和跟踪到移动目标。

摘要：无人驾驶场景中的动态物体会影响同时定位与建图(SLAM)系统的整体精度和鲁棒性,针对现有多数激光SLAM系统在动态环境下易出现里程计漂移、定位失败和建图重影问题,本文融合轻量级PointPillars目标检测网络和多目标跟踪方法,构建了一种面向动态场景的语义激光SLAM系统.该系统首先利用PointPillars网络获取潜在动态目标检测框并过滤检测框内特征点,以获取里程计初始位姿.其次基于匀速卡尔曼滤波器的多目标跟踪算法获取跟踪结果,以构建时序滑动窗口,实现鲁棒、高效的目标级数据时空关联,以去除动态物体和恢复静态目标,进一步优化里程计.最后在包含动态场景的KITTI和NUSCENES公开数据集上与主流激光SLAM方法进行对比实验,结果表明本系统在里程计和全局地图的准确性和鲁棒性方面有显著的提高,同时系统保持了实时性,可满足动态场景下自主机器人系统和智能交通应用.

摘要：为了解决生猪在运动过程中目标检测与跟踪误差较大的问题,提出了一种基于骨架扫描策略的生猪头部及躯干目标检测与跟踪方法。首先,检测热红外视频中生猪的通道区域,去除复杂背景的干扰;其次,对通道区域进行预处理,提取生猪的整体骨架;再次,设计图像行列扫描策略,扫描骨架前端关键点,提取头部位置;最后,根据头部与身体的空间关系,检测躯干跟踪框的位置,同步实现头部和躯干的目标跟踪。利用采集到的50只生猪的视频数据,在MatlabR2014a平台上进行了测试,并与压缩感知跟踪、核相关滤波跟踪和快速判别尺寸空间跟踪等高效算法进行对比分析。结果表明,本文算法的平均跟踪帧速为31.63f/s,平均跟踪精确度为0.6752(阈值为20像素),分别比压缩感知跟踪、核相关滤波跟踪和快速判别尺寸空间跟踪算法高9.41、7.09、2.72个百分点。

摘要：[目的]针对无人艇平台航海雷达在舰船目标跟踪中因障碍物遮挡而造成的目标航迹断裂问题,需综合利用环境先验信息,以提高雷达探测受限时目标跟踪航迹的连续性。[方法]通过提出遮挡环境下的综合概率数据互联(IPDA)算法,即O-IPDA,对环境遮挡情况进行实时预判;在遮挡环境中通过采用低检测概率和针对性设计的存在状态概率转移矩阵,以维持目标跟踪的连续性。[结果]在单目标跟踪场景中,当目标被暂时遮挡时,O-IPDA可以避免目标因持续性漏检而丢失,以保持跟踪航迹的稳定性,其中算法的抗遮挡能力取决于O-IPDA存在状态概率转移矩阵中的相关参数设置。[结论]O-IPDA目标跟踪方法具有一定的抗遮挡能力,可为航海雷达单目标跟踪研究提供参考。

摘要：随着计算机技术的发展和移动设备的普及,传统的机械式键盘已经不能够满足用户的需要,本文基于激光投影、红外激光定位和图像分析技术,提出了激光虚拟键盘系统的设计,阐述了其工作原理,建立了实验系统,验证了系统的可靠性和稳定性,实验证明,该系统不仅可以应用到移动设备中,也可以应用到医疗和工业控制领域。

摘要：针对远距离的目标检测与跟踪,采用折反射成像方式,设计了一种高分辨力全向视觉系统。描述了折反射镜面的设计思路,对远距离目标的成像面积进行了分析,给出了需要的成像元件分辨力的计算方法,采用FPGA和DSP双核视频实时处理平台与CMOS图像传感器实现了高分辨力摄像机单元,并对FPGA和DSP之间的高速视频数据传输方式进行了分析。

摘要：现有带式输送机异物检测方法存在提取目标语义信息能力弱、检测精度差等问题,且仅对异物进行识别检测,不能准确计算异物数量。针对该问题,设计了一种基于改进YOLOv8n+DeepSORT的带式输送机异物检测及计数方法。对YOLOv8n模型进行改进,再使用改进YOLOv8n(MSF−YOLOv8n)模型对带式输送机异物进行识别;将MSF−YOLOv8n模型的异物检测结果作为DeepSORT算法的输入,实现带式输送机异物跟踪和计数。YOLOv8n改进方法:使用C2f_MLCA模块替换主干网络中的C2f模块,提高网络在颜色信息单一环境下的信息提取能力;使用分离和增强注意力模块(SEAM)改进Head部分,以提高异物被遮挡情况下的检测精度;采用Focaler−IoU优化损失函数,解决检测目标形状差异大的问题。MSF−YOLOv8n模型性能验证实验结果表明,MSF−YOLOv8n模型的mAP50达93.2%,相较于基础模型提高了2.1%;参数量仅为2.82×10^(6),比基础模型少了0.19×10^(6),更适合部署到巡检机器人等边缘设备中;检测精度比YOLOv5s,YOLOv7,YOLOv8s算法分别高2.2%,1.3%,0.3%;其帧率虽然比YOLOv8s和YOLOv8n低,但仍可满足视频实时性检测要求。异物检测及计数实验结果表明,DeepSORT算法的准确率达80%,可准确跟踪被遮挡的锚杆及形状差异较大的目标。