导读:本文包含了模型跟踪论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,目标,卷积,观察法,蛇形,神经网络,上下文。
模型跟踪论文文献综述
赵俊齐,伍海龙,刘婕,刘朝荣[1]（2019）在《联合时空上下文和反稀疏模型的目标跟踪方法》一文中研究指出针对基于反稀疏表示跟踪方法存在的跟踪准确性不高的问题,提出了一种结合时空上下文和反稀疏表示的目标跟踪方法。首先,使用模板对目标进行表示,并利用粒子滤波的方法生成相应的候选目标。然后,利用时空上下文置信图的方法对候选目标进行优化。最终,再由选出的候选目标和目标模板利用反稀疏表示方法得到最终的跟踪结果。实验结果验证了论文方法在跟踪准确性方面的有效性。(本文来源于《计算机与数字工程》期刊2019年12期）
侯超众,侯超群[2]（2019）在《基于改进RBF的工业机器人轨迹跟踪模型构建及仿真》一文中研究指出针对工业机器人控制领域中轨迹控制精度的问题,在分析RBF径向神经网络的基础上,提出采用粒子群算法思想对RBF神经网络参数进行优化,并给出优化流程及步骤;最后建立动力学方程,并设定径向神经网络和粒子群算法的参数,得到经优化的RBF网络控制的轨迹与期望轨迹一致,且轨迹误差小,具有较高的控制精度.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年11期）
蔺红明,魏兵卓,曹政,王磊,周梦龙[3]（2019）在《一种用于搜索雷达的交互多模型跟踪滤波算法》一文中研究指出跟踪滤波算法是雷达数据处理的重要组成部分。受搜索雷达采样数据率的限制,当目标机动时,滤波器跟踪严重滞后、跟踪精度差。针对该问题,提出了基于α-β滤波和α-β-γ滤波的交互多模型跟踪滤波算法。将目标的运动状态映射到目标的运动模型,根据运动模型构造相应的滤波器,多个滤波器并行工作,实时计算每个滤波器的残差,根据滤波的残差和先验知识选择适应目标当前运动状态的滤波器输出目标预测信息。仿真结果表明,该算法在目标机动与非机动情况下均能有效跟踪目标,具有较好的适应性与滤波精度。(本文来源于《无线电工程》期刊2019年12期）
欧阳城添,汤懿[4]（2019）在《基于高斯混合模型的核相关滤波目标跟踪算法》一文中研究指出针对目标跟踪中的尺度变化、旋转、遮挡等问题,提出基于高斯混合模型的核相关滤波目标跟踪算法。利用卷积神经网络提取卷积特征并建立目标外观的高斯混合模型,利用核相关滤波算法检测目标位置,使用多尺度、多形状跟踪方法精确定位目标,在线更新高斯混合模型和核相关滤波器。在公开数据集上进行定量和定性分析,并与多种跟踪算法比较,该算法的距离精度和重迭精度相比核相关滤波算法,分别提高了19%、54%。实验结果表明,采用高斯混合模型和多尺度、多形状跟踪方法,较好解决了外观和尺度变化问题,相比其它算法具有更好的鲁棒性和适应性。(本文来源于《计算机工程与设计》期刊2019年11期）
张博,江沸菠,刘刚[5]（2019）在《利用感知模型的长期目标跟踪》一文中研究指出目的传统相关滤波目标跟踪算法存在两个问题,其一,使用循环移位产生的虚假负样本训练分类器,导致分类器分类能力受到限制;其二,当目标被严重遮挡时,由遮挡引起的一些不正确的样本(预测的目标图像)用于更新分类器,随着遮挡时间的增加,分类器将包含较多噪声信息并逐渐失去判别力,使得跟踪失败。针对上述问题,提出一种基于感知模型的长期目标跟踪算法,通过引入背景感知策略解决传统相关滤波器缺乏真实负样本问题,通过引入遮挡感知策略来有效跟踪被遮挡的目标。方法首先,所提算法通过扩大采样区域,增加所产生训练样本数量,并引入裁剪矩阵,裁取移位后的样本以获得完整有效的样本,同时克服了由循环移位产生样本导致的边界效应问题;然后,利用无遮挡情况下一定帧数目标图像各自对应的分类器构建分类池;最后,在严重遮挡情况下利用最小化能量函数从分类池中选择最佳分类器进行重检测,以实现长期目标跟踪。结果使用公开数据集对所提算法进行性能评估,结果表明,所提算法成功率为0. 990,精确度为0. 988。其较背景感知相关滤波(BACF)算法分别提升2. 7%和2. 5%。结论所提算法在目标被遮挡、形变、尺度变化以及复杂背景下仍能较准确跟踪目标,具备较高的精确度和鲁棒性。(本文来源于《中国图象图形学报》期刊2019年11期）
张红颖,王汇叁,胡文博[6]（2019）在《基于双模型的相关滤波跟踪》一文中研究指出为解决因边界效应导致相关滤波跟踪算法不够稳健及其不能适应尺度变化的问题,提出了一种基于双模型的相关滤波跟踪算法。将目标跟踪分为位置预测和尺度预测两部分,在位置滤波器模型进行位置预测阶段,先通过对待测样本进行样本增强处理,使得到的样本更符合实际场景。再通过交替方向乘子法进行位置滤波器的迭代求解,最后得到估计的目标位置。在尺度滤波器模型进行尺度预测阶段,通过在估计的目标位置处构建多尺度金字塔来训练尺度滤波器,再求解得到目标的尺度,将双模型得到的结果作为最终的跟踪结果。最后通过引入一个遮挡判据来判断是否更新模型以提高算法的鲁棒性。实验表明,改进算法和经典的相关滤波跟踪算法相比,在跟踪成功率上提高了18%,在跟踪精度上提高了11%。在目标被遮挡、自身尺度变化时,改进算法仍能稳定跟踪。(本文来源于《光学精密工程》期刊2019年11期）
吴昊[7]（2019）在《基于射线跟踪模型的3.5 GHz无线传播特性研究》一文中研究指出3.5 GHz是5G网络部署的重要频段,本文结合射线跟踪模型,对3.5 GHz的无线传播特性进行了研究,并于1.8 GHz进行了对比,提出5G网络初期部署的建议。(本文来源于《通讯世界》期刊2019年10期）
张商州,楚冰清,袁训锋,郭琳[8]（2019）在《光伏阵列模型分析及最大功率点跟踪研究》一文中研究指出分析并建立了光伏阵列的数学模型,得出在不同光照强度和温度下光伏阵列的P-V特性曲线,针对光伏发电最大功率点跟踪传统方法,提出将模糊控制加入到扰动观察法中,在Matlab中通过仿真对比分析改进前后扰动观察法的输出功率曲线,证明加入模糊控制后的扰动观察法在跟踪的速度和稳定性上都有所提高。(本文来源于《自动化与仪器仪表》期刊2019年10期）
廖家才,曹立波,夏家豪,张晓,吴强[9]（2019）在《基于核相关滤波和运动模型的多目标轨迹跟踪》一文中研究指出在自动驾驶系统中,基于视觉的车辆前方多目标检测和轨迹跟踪能够为前方目标的姿态估计、行为分析提供有效信息。针对协同运动信息和核相关滤波跟踪信息的多目标跟踪的不足,使用卷积神经网络YOLOv2检测目标,提出了融合核相关滤波和目标运动信息的多目标轨迹跟踪方法,目的是将运动信息融入到图像特征跟踪容器中,优化运动模型,减少环境噪声造成的目标跟踪丢失、偏离。提出了基于运动信息改进核相关滤波跟踪尺度不变性算法。建立了多目标的检测跟踪容器,提出了结合目标属性、重合度、运动状态、跟踪状态的多目标匹配方法。实验表明,本文算法能够实现一定场景下的多目标的持续实时轨迹跟踪,平均有效跟踪率为92.5%。(本文来源于《汽车工程》期刊2019年10期）
邹凯,蔡英凤,陈龙,孙晓强[10]（2019）在《基于增量线性模型预测控制的无人车轨迹跟踪方法》一文中研究指出针对现有无人车轨迹跟踪研究中将轮胎侧偏角假设在线性区域的不足,提出一种基于增量线性时变模型预测控制的轨迹跟踪方法。在每个控制周期内进行轮胎魔术公式的线性化处理,建立时变轮胎模型,并结合车辆二自由度模型,获得了车辆时变模型,设计增量线性时变模型预测控制器(ILTVMPC),完成了轨迹跟踪,在二次规划求解过程中加入包括控制量和控制增量等约束。利用MATLAB/Simulink平台将该方法与非线性模型预测控制进行仿真对比,结果表明:基于时变轮胎模型的ILTVMPC,不仅在跟踪精度和稳定性上有优异表现,而且计算实时性得到较大幅度提升。(本文来源于《2019中国汽车工程学会年会论文集（1）》期刊2019-10-22）
模型跟踪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对工业机器人控制领域中轨迹控制精度的问题,在分析RBF径向神经网络的基础上,提出采用粒子群算法思想对RBF神经网络参数进行优化,并给出优化流程及步骤;最后建立动力学方程,并设定径向神经网络和粒子群算法的参数,得到经优化的RBF网络控制的轨迹与期望轨迹一致,且轨迹误差小,具有较高的控制精度.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模型跟踪论文参考文献
[1].赵俊齐,伍海龙,刘婕,刘朝荣.联合时空上下文和反稀疏模型的目标跟踪方法[J].计算机与数字工程.2019
[2].侯超众,侯超群.基于改进RBF的工业机器人轨迹跟踪模型构建及仿真[J].赤峰学院学报(自然科学版).2019
[3].蔺红明,魏兵卓,曹政,王磊,周梦龙.一种用于搜索雷达的交互多模型跟踪滤波算法[J].无线电工程.2019
[4].欧阳城添,汤懿.基于高斯混合模型的核相关滤波目标跟踪算法[J].计算机工程与设计.2019
[5].张博,江沸菠,刘刚.利用感知模型的长期目标跟踪[J].中国图象图形学报.2019
[6].张红颖,王汇叁,胡文博.基于双模型的相关滤波跟踪[J].光学精密工程.2019
[7].吴昊.基于射线跟踪模型的3.5GHz无线传播特性研究[J].通讯世界.2019
[8].张商州,楚冰清,袁训锋,郭琳.光伏阵列模型分析及最大功率点跟踪研究[J].自动化与仪器仪表.2019
[9].廖家才,曹立波,夏家豪,张晓,吴强.基于核相关滤波和运动模型的多目标轨迹跟踪[J].汽车工程.2019
[10].邹凯,蔡英凤,陈龙,孙晓强.基于增量线性模型预测控制的无人车轨迹跟踪方法[C].2019中国汽车工程学会年会论文集（1）.2019
论文知识图
