中央高校基本科研业务费专项资金(GDJXS10170010)
- 作品数：3 被引量：12H指数：2
- 相关作者：柴毅熊庆宇匡金骏孙健朱智勤更多>>
- 相关机构：重庆大学更多>>
- 发文基金：中央高校基本科研业务费专项资金国家教育部博士点基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 结合标准对冲与核函数稀疏分类的目标跟踪被引量：7
- 2012年
- 针对经典稀疏分类目标跟踪算法在噪声,遮挡等恶劣环境下精度不高的问题,提出了一种新的目标跟踪算法。该算法在标准对冲框架下结合了核函数稀疏分类方法以及自适应字典更新方法,能够较好地适应类间相似度较高与目标外形变化较大等恶劣情况。核函数技巧能够增强分类器性能,但通用方法求解凸优化问题的效率较低,不能满足目标跟踪问题的实时性要求,故提出用核函数随机坐标下降(KRCD)算法来高效求解稀疏系数,并使用核函数稀疏分类方法(KRCD-SRC)来计算各个粒子的代价值。为了避免模板漂移问题,解释了目标字典和背景字典的在线更新方法。最后,结合标准对冲算法估算目标的状态信息。在使用50个粒子进行跟踪时,本文算法的处理帧率能够达到14frame/s。相比其它几种经典目标跟踪算法,本文算法具有更好的精确性和鲁棒性。
- 匡金骏柴毅熊庆宇
- 关键词：目标跟踪
- 基于时空约束和稀疏表示分类的目标跟踪算法被引量：2
- 2013年
- 针对经典稀疏分类目标跟踪算法中目标模板和目标基的建模及更新方式效率低,跟踪性能不可靠等问题,提出一种新的目标跟踪算法,解释了时空约束原理,目标基、背景基、时序特征池的创建方法以及选择与抛弃两种基更新机制;该算法采用时序循环更新方式解决模板更新问题,结合稀疏表示分类和标准对冲实时计算目标坐标.相比其他几种经典目标跟踪算法,有效提高了在复杂背景下的目标跟踪性能.
- 匡金骏柴毅熊庆宇
- 关键词：目标跟踪
- 一种基于极点配置稳定的新型局部递归神经网络被引量：3
- 2012年
- 针对局部全局前馈递归动态神经网络的稳定性问题提出了一种新的采用极点配置稳定方法的局部递归全局前馈(Locally recurrent global forward,LRGF)神经网络.由于动态神经元的极点有存在于实轴上和一对共轭复数极点两种情况为了避免神经元无限脉冲响应滤波器(Infinite impulse response filter,IIR)的系数投影到稳定区域的复杂性,构造的神经网络将动态神经元分成实数极点IIR和共轭复数极点IIR两部分,通过函数权值的方法将这两部分加权输出.同时针对这种新的神经网络采用了梯度下降的学习算法.通过仿真对本文提出的神经网络的可靠性和有效性进行验证,并分析这种新的神经网络在稳定投影计算上的复杂度.
- 孙健柴毅李华锋朱智勤
- 关键词：动态神经网络极点配置
