多目标识别

武汉理工大学硕士学位论文 1 第1章绪论 1.1 研究的背景及意义近些年来，运动目标的检测与跟踪无论是在军事、医学图像处理是在民航航空等领域都已成为研究的热点，特别是复杂环境、低信噪比条件下多目标的检测与跟踪引起了人们的广泛兴趣。例如：机载雷达对多个弱小运动目标进行检测与跟踪的问题（这里弱小目标指的是低信噪比目标）；地空、空空导弹精确制导打击；医学精虫检测过程中，对精虫运动的的跟踪和判断等。对弱小多目标进行跟踪和检测其难点在于：（1）弱小目标很容易被复杂的环境（噪声）淹没，仅仅依靠单帧图像根本无法进行可靠检测，必须对多帧的序列图像进行处理。（2）对多帧图像的弱小目标进行的跟踪与检测时，如何提高系统的实时性和跟踪检测精度。传统的运动目标检测与跟踪方法是对运动目标先进行检测再进行跟踪，俗称DBT算法(Detece-Before-Track) [1]。其算法原理是预先设定目标阈值门限，然后对运动目标的当前帧图像进行相关数据测量和记录，将测量数据与预先设定的阈值门限进行比较，来判断运动目标的存在性，最后对被认定存在的运动目标进行跟踪，从而获得运动目标航迹[2]，且运动目标的检测和跟踪的精度、虚警率都取决于预先设定的阈值门限。经过预先设定的目标阈值门限来检测运动目标可以减少检测、跟踪系统数据量的处理，提高检测、跟踪速度。但任何运动目标的检测与跟踪过程都会夹杂系统噪声和随机噪声。经过阈值门限处理后，不仅部分噪点仍没有被滤除，更重要的是相邻各帧之间对应运动目标的潜在关联信息丧失了。对于高信噪比条件下的运动目标，丧失的关联信息可能不会对检测和跟踪产生很大影响；对于低信噪条件下的运动目标（即弱小目标）而言，丧失的关联信息会大大降低检测和跟踪性能，提高虚警概率。在军事高科技的应用中，雷达经常要在恶劣、复杂的背景下，实现对多目标的检测与跟踪。为提高低信噪比条件下的运动目标的检测和跟踪精度，解决上述问题，人们提出先跟踪再检测的方法，俗称TBD算法（Track-Before-Detect ）[3]。其算法原理是，基于运动目标的特性，为避免丧失目标信号的关联信息，对多帧图像进行武汉理工大学硕士学位论文 2 处理。先利用跟踪算法对运动目标的状态进行估计，利用处理过程中各阶段信息，再对运动目标进行检测判决，以加强目标的信号能量，增强目标信号、杂波和噪声之间的差别，最后找出目标运动轨迹，并显示检测结果，这样既降低了虚警概率，又增强了检测和跟踪的精确性[4]。低信噪比条件下，TBD算法虽然在一定程度上提高了多运动目标检测和跟踪的精度，但由于是多帧处理，其运算速度则相应降低。为使检测跟踪精度和运算速度同步提高，引入动态规划算法，将动态规划算法检测前跟踪算法相结合，使全面提高多目标检测与跟踪在精度和效率。目前，国内外对弱小多目标的跟踪和检测的研究还是比较有限的，成果较少，还没有形成系统的理论。现有的理论成果，无论是仿真数据还是实测实验基本上都是在光电或者红外条件下产生的，对现在的研究只能说有一定的指导意义。总的来说，目前的先跟踪后检测技术弱小多目标的跟踪和检测中还处于起步阶段，还没有得到系统的研究成果。因此，深入研究弱小多目标检测与跟踪算法的性能在理论和实践上都有极其重大的意义。

1.2 国内外研究现状运动目标的检测、跟踪是智能视觉监控的重要课题，是各种后续处理如目标分类、行为理解等的基础[7]。多目标跟踪检测技术最早在上世纪五十年代提出，至1964年，美国的科学家Siltor完善了此理论，用贝叶斯分类方法解决了目标航迹和数据关联等难题[6]。在当前的实际运用中，获取目标和背景图像时存在很多复杂情况，如图像的光线不均、物体剧烈运动等造成图像质量变差。多目标在同一背景运动时，经常出现相互遮挡甚至重合等意外情况，导致目标之间的轨迹模糊紊乱，给多目标的跟踪检测增加了新的难度[8]。面对多目标检测与跟踪中遇到的困难和问题，现有的解决方案主要通过建立模型，提取目标特征进行匹配后再针对性的进行跟踪估计，最终实现某一个特定目标运动轨迹的跟踪[9]。在军事运用方面，随着军事高科技的发展和应用需求的增加，目标检测与跟踪技术应用在各国飞机武器系统中的机载雷达性能也在逐步得到提升，例如：美国F-22型战斗机能同时跟踪跟踪攻击30个空中目标，能探测跟踪16个地面目标；中国歼10型战斗机能同时跟踪16个目标，并攻击其中四个；俄罗斯T-50型战斗机能同时跟踪60个目标并打击其中的16个。所以，各国在军事领域对于多目标检测与跟踪方面的研究与发展正朝着精确化、精细化的方向发展。武汉理工大学硕士学位论文 3 1.2.1 国外研究现状国外对目标跟踪与检测的研究起步比较早，理论研究成果和实际应用经验都比较先进和丰富。致力于研究多目标跟踪技术的国际科学家呕心沥血，在此领域中做出了巨大的突破和改进。下面主要从多目标的跟踪和检测两个方面来阐述研究现状：首先，对于多目标跟踪：Kingstor最早提出基于目标模型的跟踪，即根据目标的结构特征区分而实现跟踪。跟踪过程中，运用卡尔曼滤波器和边缘信息等滤波和识别进行目标跟踪[10]。这种方法局限于目标的结构特征，只能检测特定目标，难以推广应用；Jamves对上一思路进行改进，提出基于目标的活动轮廓跟踪[11]。将目标用一个封闭曲线锁定其所在位置，目标的特征结构不再是判断依据，在封闭曲线跟随运动后，目标的轮廓点可以将其转化为点对点的跟踪[12]；Bomb提出基于区域的跟踪，将目标的活动区域作为研究对象，将区域划分为小块区域，根据区域的变化和特征跟踪目标。但是，当两个以上目标相互重叠遮挡时，无法识别[13]；为了解决遮挡难题，Gimbor最早提出基于特征跟踪，主要思路是将目标的前景与背景相互分离，通过提取特征和特征匹配识别目标，进行跟踪[14]。此后的科学家将此方法进行延伸和发展，提出了光流场法和背景差分法等。这种算法鲁棒性能好，易于实现，其缺陷是运算量增加。其次，对于多目标检测：Holer对TBD算法进行改进，改进后的算法不再将信息分成帧进行计算，而将目标当作整体扫描处理，对整体数据进行非相干积累，也保留了很多微弱的低可观测目标信息[15]。此外，TBD算法在处理数据的同时还可计算目标的轨迹。这种算法的实现有很多途径[16]，如：动态规划、极大似然法和Hough变换等，均能很好实现检测效果。在运用TBD算法时，可以根据各个算法的特点进行优化选择[17]。但是此算法的缺陷是针对单目标检测而设计，所以检测多目标运动轨迹时，容易丢失信息甚至产生错误判断；Salom提出变维滤波算法用以自适应滤波机动目标，可简称为VDF.此算法，即将目标的运动看作内部的动态参数特性，检测模型包括两种：静态检测模型和动态检测模型，利用动态参数的变化改变检测模型。初始状态用静态模型检测，当物体运动时，换用动态模型检测，并将检测参数进行累加，运动消失时，立刻转换成静态检测器[18]。这种算法在应用中常出现误判，究其原因是更换模型依据动态参数，当参数检测错误时，引起模型转换的错误； Magil改进了多模型算法（IMM），改进后的算法主要研究多模型之间的切换，第一次引进马尔可夫系武汉理工大学硕士学位论文 4 数作为切换模型的依据[19]。马尔可夫系数比较精确计算机动参数，并能实现多模型之间的自动切换。跟踪过程中，不再计算目标的机动参数，多模型之间相互协调检测，提高了全面自适应跟踪检测的能力。改进后的算法应用范围广，能够检测各种复杂的多目标运动。针对目标，采用每一个模型的组合叠加即可实现多模型并排检测。模型叠加的过程，增加了难度和复杂性。

1.2.2 国内研究现状（水平到了什么程度）国内的研究人员在跟踪目标方面也做出了突出贡献。目前，彭嘉雄等人提出运动目标服从瑞利分布特性，加速度的均值不等于零，加速度的每一时刻变化有瑞利分布进行统计反映。这一算法的跟踪更加精确，并通过闭环的自适应算法，实现均值随着运动状态而变化，从而更新方差，再将新的参数叠加到下一时刻中。跟踪目标的同时，能够记录对应时刻的加速度等参数信息。此种算法优点是，在对单机动目标位置、速度和加速度等均具有较好的跟踪精度，运算量小，而且比较适合在复杂的机动情况下对目标进行实时精确跟踪。不足之处在于，不能对机动多目标同时进行跟踪。廖强勇、卢焕章等人对多目标跟踪算法进行了大量研究与应用：基于最近领域法，计算量小，但无法识别和跟踪多帧多目标中新出现的目标点；基于二值航迹关联法，仅仅只能对目标较少的图像进行跟踪，但对多帧多目标图像中运动缓慢或静目标则无法检测和跟踪；基于动态规划方法，对于低信噪比运动目标，需要处理的帧数越多，系统反应速度越慢，系统的实时检测和跟踪性能就越差。随着应用的推广，对多目标检测跟踪的要求越高。对于依然存在的难题，如何在复杂机动环境下（强杂波，低信噪比、剧烈机动性等问题）对多运动目标进行实时、精确的跟踪仍没有得到实际意义上的解决。

1.3 主要研究工作和组织结构本文的主要内容是对卡尔曼滤波器、动态规划的原理、算法进行研究，针对不同状况、不同数量的目标跟踪和检测提出改进方案，进行实验仿真论证。对于多目标检测前跟踪算法采用动态规划与无迹卡尔曼滤波相结合的方式，实现了对多目标的实时跟踪和检测。本文主要分为三大部分。利用卡尔曼滤波器对多目标进行跟踪，为提高目标跟踪精度，提出无迹卡尔曼滤波器及其跟踪方武汉理工大学硕士学位论文 5 案。为解决多目标跟踪的实时性和对应性，将自适应动态规划算法与基于目标特征动态规划算法进行比较研究，提出动态规划多目标检测方案，提高目标检测实时性。最后，将两种的算法进行结合，对多目标进行检测和跟踪。结构组织安排如下：第1章绪论。讲述文章研究背景及意义，国内外相关技术现状，以及论文的主要内容和结构安排。第2章卡尔曼滤波器及改进。利用卡尔曼滤波器跟踪算法，分别对匀速目标和变速目标进行跟踪实验；为提高跟踪精度，采用无迹卡尔曼滤波器，并提出基于卡尔曼滤波的多目标检测与跟踪方案。第3章基于动态规划多目标检测。为提高系统检测的实时性和精确性，对不同信噪比图像提出自适应动态规划算法和基于目标相关特征的动态规划算法进行比较分析，提出基于动态规划与卡尔曼滤波器的多目标检测方案。第4章图像中多目标检测与跟踪，首先对图像进行信噪比计算、图像增强、图像分割、数学形态学去噪和目标形心计算提取目标，在对二、三章提出的方案和提出的基于动态规划多目标检测前跟踪方案进行对比实验，并将实验结果进行比较分析。第5章总结与展望，对全文进行总结，并指出今后的进一步工作。

合集下载

无源RFID系统中多目标识别的估计算法

ｏｅｗｏａｄｔｒｅＩｅｔｙｎｉｎｒａｅｉｅｒｉａｕｅ．Ｓｃｎ，ｔｒｕｈｕｓａｏｔ４，ｗｈｃｓｃｏｅｔｎ，ｔｎｈｅ．ｄｎｉｉｇｔｆｍｅｉｃｅｓｓｌａｌｗｔｔｇｎｍｂｒｅｏｄｈｏｇｐｔｉｂｕ％ｎｙｈ３ｉｈｉｌｓｏ
ｂｔｅｎｒａｅｎａｓｉａｓｖｅｗｅｅｄｒａｄｔｇｎｐｓｉｅＲＦＩｓｓｅ．ＷｅｐｅｅｎｅｏｉａｉｎｍｏｅｆｔｅｃｍｍｕｎｃｉｎｍｅａｉｍｅｗｅｎＤｙｔｍｒｓｔｄａｃｍｂｎｔｏｄｌｏｈｏｉａｔｃｈｎｓｂｔｅｏ
Ａｓａｔｈｓｐｐｒｉｖｓｇｔｏｏｓｏｅｄｎｉｉｇｔｅｏｕｔｌｏｊｃｎａａｉｕｈｏｇｐｔｂｔｃ：Ｔｉａｅｎｅｔａｄｈｗｔｈｒｎｉｅｔｙｉｆｍｌｐｅｂｅｔａｄｇｉｍｘｍｔｒｈｕｒｉｅｔｆｎｍｉｓｎｍｕ
ｒａｅｎｇ，ａｄｕｅｈｓｏｅｔｄｄｃｎБайду номын сангаас ｏｔｍｔｅｔａｅｔｕｂｒｉｏｉｉｒｕｉｇＥｔｔｎＢＥｅｄｒｄｔｓｎｓｄｔｉｍｄｌｏｅｕｅａｌｒｈｓｍｔａｎｍｅ：ＢｎｍａＤｓｂｔｓｍａｏ（Ｄ）ａａｇｉｏｉｇｌｔｉｎｉｉ
步缩短识别时间。
关键词：频识别；防碰撞；时隙ＡＯＡ；目标数量估计射ＬＨ
中图分类号：Ｐ９．４Ｔ３１４

基于人脸多重特征的特定人群多目标识别方法研究

基于人脸多重特征的特定人群多目标识别方法研究
张四平
【期刊名称】《电脑编程技巧与维护》
【年(卷),期】2024()6
【摘要】目前针对特定人群多目标的身份识别,主要是通过面部特征进行识别,但是在获取面部特征过程中,由于人脸存在一定的相似性,例如,双胞胎,在识别过程中准确度低。

研究将人脸的眉毛、眼睛、嘴唇、鼻尖等分析设置为识别指标,对人们的面部特征进行提取,结合面部区域的分析,分析出目标的标签变化,提出了一种基于面部特征的多目标身份识别方法。

通过建立识别模型,运用度量函数计算目标与候选目标之间的相似特征,利用均方误差方法来统计单模态特征之间的误差,获得特征离散信息,利用加权融合方式将相似度结合并对目标做出识别,从而准确获得识别结果。

实验结果表明,识别准确度达到98%,达到预期效果,能够较为准确地对身份进行识别。

【总页数】4页(P111-114)
【作者】张四平
【作者单位】湖南信息职业技术学院经济管理学院
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于多目标线性规划的人脸识别方法
2.基于自适应阈值PCA的多目标人脸识别方法研究
3.基于图片特征与人脸姿态的人脸识别方法
4.林果业家庭农场在乡村振兴战略中的作用
因版权原因，仅展示原文概要，查看原文内容请购买。

MOORS研究报告

MOORS研究报告
根据我的了解，MOORS研究报告是指针对MOORS
（Multiple Object Recognition and Segmentation）技术的研究报告。

MOORS是一种用于多目标识别和分割的计算机视觉技术，旨在实现对图像或视频中多个物体的自动识别和分割。

MOORS研究报告可能会包括以下内容：
1. 研究背景和动机：介绍多目标识别和分割的重要性和应用领域，以及已有研究的不足之处。

2. 相关工作：综述现有的多目标识别和分割方法，包括传统的基于特征提取和分类器的方法以及近期的基于深度学习的方法。

3. MOORS方法的原理和框架：详细介绍MOORS技术的基本
原理和整体框架，包括输入图像的预处理、特征提取、目标识别和分割等步骤。

4. 实验设计和结果分析：描述使用的数据集、评价指标和实验设置，并展示实验结果及其分析。

可能包括与其他方法的对比、不同参数设置的影响等内容。

5. 讨论和展望：对实验结果进行讨论和分析，总结MOORS
技术的优势和不足，并提出进一步研究的方向和改进的可能性。

总之，MOORS研究报告是关于多目标识别和分割技术的详细
研究和分析报告，其中包括对MOORS方法的原理、实验结
果和展望等内容。

这样的报告旨在促进相关研究领域的进展和应用。

基于绝对偏差的多传感器目标识别方法

２８源自０，４３）１０８４（１
ＣｍｕｒＥ￣１ｅｎｎｐｌａｏｓ算机工程与应用ｏｐｔｎｗｎｇａｄＡｐｉｔｎ计ｅｃｉ
基于绝对偏差的多传感器目标识别方法
万树平
ＷＡＮＳｕｉｇｈ－ｐｎ
江西财经大学信息管理学院，南昌３０１３０３
ａｄｉｉｇｉｈｎｅｒｅｆｔｒｅｒｃｇｉｏ．ｈｅａｌｏａｔｅｏｎｔｎｒｖｓｈｔｈｍｅｈｄｓｏｈｆｃｉｅｎｎｄｓｎｕｓｉｇｄｇｅｏａｇｔｅｏｎｔｎＴｅｘｍｐｅｆｐｒｓｃｇｉｏｐｏｅｔａｔｅｔｉｒｉｔｏｉｂｔｅｆｔａｄｅｖｅｅｃｓｂｅｘｒｉｌ．ａ
ｃｔｎ，０８４（１：１— ２．ａｉｓ２０，４３）２８２０ｏ
ＡｂｔａｔＡｉｄｔｈｒｃｇｉｏｐｏｌｍｆｍｕｔ－ａｇｔｓｒｃ：ｍｅａｔｅｅｏｎｔｎｒｂｅｏｌｔｒｅｓｉｉｗｉｍｕｔｌｈｒｃｅｓｉｎｅｅ，ｎｗｆｓｎｔｈｌｐｅｉｃａａｔｒｔｉｄｘｓａｅｕｉｍｅｈｄｏｈｉｃｏｔｏｆｒｔｅｍｕｔｓｎｏａａｉｐｏｏｅ．ｈｔｏｓｓｔｅｍａ－ｎｌ－ｅｓｒｄｔｓｒｐｓｄＴｅｍｅｈｄｕｅｈｘｍｉｍｅｅｓｉｕｃｉｎｔｂａｎｔｅｉｄｘｍｅｅｓｉｔｘＢｙｓｌ — ｉｍｂｒｈｐｆｎｔｏｏｔｉｈｎｅｍｂｒｈｐｍａｒ．ｏｖｏｉｉｇｔｅｐｉｌｐｏｒｍｍｉｇｏｘｍｉｉｇｔｅｏａｂｏｕｅｄｖａｉｎｏｈｏｒｈｎｉｅｎｈｏｔｍａｒｇａｎｆｍａｉｚｎｈｔｔｌａｓｌｔｅｉｔｆｔｅｃｍｐｅｅｓｍｅｅｓｉｒａｌｔｒｅｙｅ，ｈｏｖｍｂｒｈｐｆｌａｇｔｔｐｓｔｅｏ

RFID的四个关键技术

RFID的四个关键技术物联网中的RFID有四个关键技术：标签的能量供应、标签到阅读器的数据传输、数据传输的完整性与安全性和多目标识别技术。

（1）标签的能量供应有源标签自带电池，用于给数据载体供电。

而无源标签工作所需能量则从射频电磁波束中获取，和有源射频识别系统相比，无源系统需要较大的发射功率，射频电磁波在标签上经射频检波、倍压、稳压、存储电路处理，转化为标签工作所需的工作电压。

（2）标签到阅读器的数据传输标签回送到阅读器的数据传输方式可归结为三类：①利用负载调制的反射或反向散射方式（反射波的频率与阅读器的发送频率一致）；②利用阅读器发送频率的次谐波传送标签信息（标签反射波与阅读器的发送频率不同，为其高次谐波（n倍）或分谐波（1/n倍））；③其他形式。

（3）数据传输的完整性与安全性由于数字信号在传输的过程中会受到干扰，故其传输至接收端可能发生误判，为保证数据的完整性，可以使用校验和法来识别传输错误并进行校正，最常用的是奇偶校验法以及冗余校验法。

在与安全相关的领域，例如出入系统、售票系统等越来越多地应用射频识别系统，在数据传输的过程中难免不受到攻击，因此必须采取一定的防范措施保证数据安全，例如可以通过在阅读器与标签之间建立密钥来对要传输的数据进行加密，达到安全的目的。

（4）多目标识别技术（反碰撞算法）当阅读器信号作用范围内存在多个标签，同一时刻有两个或两个以上的标签向阅读器返回信息时，将产生冲突。

解决冲突的算法称为反碰撞算法。

传统无线电技术（如通信卫星、移动电话网）已有空分多路法、频分多路法、时分多路法以及码分多路法来解决类似问题。

但在射频识别系统中，由阅读器和标签构成的无线网络有以下特征：①规模：每个阅读器工作区域内可能存在大量标签；②体积：标签附着在各种商品上，体积不能太大；③成本：粘贴标签的商品本身价值可能很低，所以标签的成本不能太高；④通信量：标签内包含的信息量很少，阅读器与标签间的通信时间很短。

基于小波矩和SCNN的多目标图像识别

ＹｕａＢａｘｉＦｅｇｎｏｎＤａＹａｉｒｇＣｌｇ，ｒＦｒｅＥｇｎｅｉｇＵｎｖｒｉＸｉａ０８ＥｇｎｅｉｏｌｅＡｉｏｃｎｉｅｒｎｉｅｓｔｎｅｙ， ’ｎ７３）１０
ｉｇｔｅｐｏｏｅｔｏｔｅｒｓｌｆｃｍｐｔｒｓｍｕａｉｎｓｏｈｓｍｅｈｄｉｕｅｕｎｆｃｅｃ．ｎｈｒｐｓｄｍｅｈｄ，ｅｕｔｏｏｕｅｉｌｔｈｗｔｉｈｓｏｔｏｓｓｆｌａｄｅｆｉｎｙｉ
（ｔ— ｈｓｓＤｐｒｅｔＡｒＦｒｅＥｇｎｅｉｇＵｉｅｓｙＸｉａ０Ｍａｐｙｉｅａｔｎ，ｉｏｃｎｉｅｒｎｖｒｉ， ’ｎ７５）ｈｃｍｎｔ１１０
ＡｂｔａｔＢｅａｓａｋｐｏａａｉｎＮｅｒｌｅｗｒＢＰｓｒｃ：ｃｕｅＢｃ — ｒｐｇｔｕａＮｔｏｋ（Ｎ）ｈｓｔｅｓｏｔｏｎｓｏａｏｖｒｅｃｎｌｗｅｆｉｎｏａｈｈｒｍｉｇｆｂｄｃｎｅｇｎｅａｄｏｆｃｅ — ｃｉｃａｄｅｆｏｇｎｚｄＣｍｐｔｉｅｅｒｌＮｅｗｒ（Ｃｙ，ｎＳｌｒａｉｅｏｅｉｖＮｕａｔｏｋＳＮＮ）ｃｎｏｅｃｍｅｔｅｅｓｏｃｍｉｇｈａｅｅｎａｉｎ — －ｔａｖｒｏｈｓｈｒｏｎｓｅｗｖｌｔｖｒｔｍｏｔＴｉａ
优点 ≈ 所以ＡＮ．Ｎ应用于自动目标识别和畸变不变性模式识别问题特别具有吸引力ＡＮ应用于不变性模式识别的通常Ｎ采用两种方法：是通过学习大量各种视角、种大小、置下一各位

一种采用变周期调频连续波雷达的多目标识别方法

ＩｈｉａｅｏｅｔｄｂｓｎｈｇｎｙｌＭＣＷａａｓｐｅｅｔｄ．ｍｐｔｒｓｍｕａｉｎｐｏｅｈｔｔｅａａｙｉｓｃｒｅｔｎｔｓｐｐｒａｎｖｌｍｅｈｏｙｕｉｇｃａｉｇｃｃｅＦｎｒｄｒｉｒｓｎｅＣｏｕｅｉｌｔｏｒｖｓｔａｈｎｌｓｓｉｏｒｃａｈｔｏｓｐｃｉａ．ｎｉｅｎｅｄｉｅｅｔｆｅｕｎｙｒｓｌｔｏａｅｏｅｏｉｎｄｉｅｅｔｐｒｏｓ，ｐｃａｕｃｉｎｉｇｖｎｄｔｅｍｅｄｉｒｔｃ１Ｃｏｓｄｒｇｔｆｒｎｒｑｅｃｅｏｕｎｒｔｆｖｌｃｔｉｆｒｎｅｉｄａｓｅｉｌｆｎｔｏｓｉ — ｈａｉｈｉｙｅｏｄｃｄｅｅｒｒｒｎｅｏｎａｇｔｎｔｅｉｅｔｒｏａｇｆｏｅｔｒｅ．ｈ
种采用变周期的线性调频波形作为发射波形的新方法，而解决了多目标识别中的虚假目标的问题．算机模拟证从计
明丁理论分析的正确性和新方法的可行性．后，对这种体制雷达探测系统的新特点，出厂一种适用于该系统的最针提
以得到距离和速度．常，用傅立叶变换来得到差拍信号的通采
频谱．通过频谱分析得到：即厶＝＋（ＢＴ，＝２／）
离和速度值．
一（ＢＴ厂２／）ｎ
（）３

基于HMM模型的战场侦察多目标识别技术研究

Ｋｅｏｄ：ＭＭ（ｄｒｏｄ１；ｂｔｅｅｄｒｃｎａｓｎｅｓｓｍ；ｍｌｐｅ—ｔｇｔｅｏｎ－ｙｗｒｓＨＨｉＭａｋｖＭｏｅ）ａｌｌｅｏｎｉａｃｙｔｅｔｆｉｓｅｕｔｌａｅｒｃｇｉｉｒ
ｔｎｉｏ
各主要军事大国都在大力发展以声、地震动、红外辐
崔亮，郑坚马春庭，，陈东根
（．家庄铁道学院学生处，１石河北石家庄００４２军械－程学院火炮－程系，５０３；．１－１－河北石家庄０００５０３）
摘要：Ｍｒｖ隐ａｏ模型是一种用于语音识别比较成功的统计模型，ｋ战场侦察的多目标识别是战场侦察技术传感
ＢａｔｅｅｄＲｅｏｎａｓａｅＢａｅｎｅＨＭＭｔｌｆｌｃｎｉｓｎｃｓｄｏｔｉｈ
ＣＩＬａｇ，ＺＮＧＪａＵｉｎＨＥｉｎ，ＭＡｈｎ—ｔｇＨＥｏｇ—ｇｎＣｕｉ２ＣＮＤｎｎｅ
器走向实用的关键技术之一，对传统的隐Ｍａｋｖｒｏ模型的结构和分类器进行了改进，使其初步可以实现由背景噪声
环境下的多种类目标的识别。
关键词：ＭＨＭ模型；战场侦察；目多标识别
中图分类号：Ｎ７．文献标识码：文章编号：０．９（０６０－５－Ｔ９１１Ａ１８１４２０）４１８３０１）００ＲｅｅｒｈｎｔｅＭｕｌｉ— ｔｒｅｃｇｔｏｆｔｓａｃｏｈｔ－ａｇｔＲｅｏｎｉｉｎｏｈｅ

基于变形模板的多目标识别与定位

ｌ引言
随着无人￣ｔ（ＵＡＶ）的性能不断提高，无人机的用途越来越广。一方面无人机具有体积小、机动灵活、不易被发现的优点，可以在战区上空进行长时间低空飞行；另一方面无人机可以携带多种传感器，能提供多种形式高分辨率的目标信息，所以无人机可替代有人驾驶飞机执行战场侦察监视、毁伤效果评估和作战攻击等任务。在无人机飞临目标区域，收集到遥感图像数据后，当即由通信卫星或下行链路将数据传送到地面系统。地面系统对图像进行处理，完成目标的检测、识别与定位，可为下一步作战计划提供足够的目标信息，例如，为远程导弹进行超视距攻击提供目标指示，实现军事目标的精确打击。
文献标识码：Ａ
文章编号：１００９．５８９６（２００６）０６．１０２６．０５
ＭｕｌｔｉｐｌｅＴａｒｇｅｔＲｅｃｏｇｎｉｔｉｏｎａｎｄＬｏｃａｔｉｏｎＵｓｉｎｇＤｅｆｏｒｍａｂｌｅＴｅｍｐｌａｔｅｓ
ｉｎＤｏｗｎｗａｒｄＬｏｏｋｉｎｇＩｍａｇｅ
ＮｉｕＹｉ－－ｆｅｎｇＳｈｅｎＬｉｎ－－ｃｈｅｎｇ（ＳｃｈｏｏｌｏｆＭｅｃｈａｔｒｏｎｉｃｓ口 “ｆ０口ｆ，ＮａｔｉｏｎａｌＵｎｉｖｅｒｓｉｔｙｏｆＤｅｆｅｎｓｅＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ４１００７３，Ｃｈｉｎａ）
目前，无人机系统对图像目标的检测、识别和定位主要是通过人工手段来实现。用人工监视来搜索目标，用人工判读来识别目标，用人工标定来定位目标【１】。由于无人机进行侦察时拍摄的图像数量太多，致使少数熟练的图像分析专家应接不暇。和有人驾驶飞机对目标区域的搜索相比，无人机系统采用了地面人工搜索的方法，需要的时间要长得多，无

基于多目标遗传算法的管孔组合特征识别

ｔｅｐｒｒｍｏｈｒｔｘｕｅ，ｗｉｈａｅｓｍｉｒｉｈｐｓｂｔｄｆｒｎｎｓｅ．Ｍｅｎｈｌ，ｓｃｎｂｅｔｅｆｎｔｎｈｏｅｆｏｔｅｅｔｒｓｈｃｒｉｌｎｓａｅｕｉｅｅｔｉｉｓａｆｚａｗｉｅｅｏｄｏｊｃｉｕｃｉｖｏ
图像中木材组织的语义对象。通过图像分割是获得
语义对象的一种可行途径。目前图像分割的方法有３类：基于边缘的图像分割、于区域的图像分割基和基于像素聚类的图像分割（ｈｎ，１９；ＰｎｅＺａｇ９６ｅｔ
如下：
图１木材横截面的细胞结构
ＦｇＴｈｅｌｓｕｔｒｆｗｏｄｃｒｓｓｃｉｎｉ１ｅｃｌｔｃｕｅｏｏｏｓｅｔｒｏ
本文提出了一种基于类圆区域的面积直方图方法，自动计算封闭区域最佳阈值，阈值可用于对导该管进行分割。该方法的思想来源于一种通用的基于灰度直方图的图像分割Ｏｓｔｕ算法（ｔ，９９。基Ｏｓ１７）ｕ
状相似、大小不同，并且不同的树种导管大小变化差异很大。因此，ｉ（０７的方法有一个缺点，Ｑ等２０）合
理的分割结果依赖于封闭区域面积相关的参数，通过该参数从木纤维、向薄壁上选择出导管。该参轴数是一个与图像和木材种类相关的阈值，常需要通人工设定。为了自动地分割导管而无须人工进行干

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。