导读:本文包含了目标机器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:目标,机器,算法,视觉,毫米波,航迹,阈值。
目标机器论文文献综述
柴钰,许继科[1]（2019）在《基于机器视觉的目标识别与定位系统》一文中研究指出为提高工业机器人抓取物品的速度,提出一个基于机器视觉的目标姿态识别与定位的检测方案。采用图像中值滤波技术消除灰度图像噪声,利用改进遗传算法(genetic algorithm,GA)与最佳直方图(KSW)熵融合的方法实现图像的分割,得到需识别的对象,经过边缘检测技术提取边缘,由欧氏距离度量法识别物体的位姿,根据矩特征计算图像物体的质心坐标,根据摄像机标定算法转换到世界坐标,设计GUI (图形用户界面)集成相应的功能。实验结果表明,该方案能够有效缩短识别与定位的时间。(本文来源于《计算机工程与设计》期刊2019年12期）
李刚刚,鲁习文[2]（2019）在《目标为最小化工件运输时间和的单台机器带一个维修时间段的排序问题的一个改进算法》一文中研究指出单台机器带一个维修时间段的排序问题,目标是最小化所有工件的运输时间和.在这篇文章里,重新研究了该问题,并给出了一个时间复杂性为O(n~3)的近似算法,将性能比从3/2改进到5/4.(本文来源于《运筹学学报》期刊2019年04期）
史建涛,孙俊,杨予昊,王宁[3]（2019）在《基于机器学习支持向量机的海面目标航迹起始算法研宄及应用》一文中研究指出海面目标跟踪过程受到强海杂波干扰、回波信号时变非平稳、点迹丢失和目标机动等影响,导致传统方法的航迹起始效果较差,出现混批、起始失败和误跟踪等严重后果。针对上述问题,提出了一种基于机器学习支持向量机的海面目标航迹起始算法,采用支持向量机作为分类器,通过样本训练实现对真实目标与虚假目标的分类,将航迹起始问题转化为真假目标的区分和鉴别问题。文中方法利用机器学习的数据驱动策略选择分界面方案代替传统技术中利用先验知识来人工选择门限分界,可以显着减少对先验信息的依赖;同时,门限具有自适应调整的能力,可大大提高算法的自适应性和鲁棒性。最后,利用雷达实测数据对算法的有效性进行了验证。(本文来源于《现代雷达》期刊2019年11期）
魏涛,韩经鲁,周雨辉,曹志博[4]（2019）在《基于机器学习的毫米波雷达车辆目标检测》一文中研究指出为了提高毫米波雷达对前方车辆检测的准确性,本文提出一种基于机器学习的前方车辆检测方法。结果表明,该方法满足智能客车环境感知系统对于实时性和准确性的要求。(本文来源于《客车技术与研究》期刊2019年05期）
叶锴,祝怡翔[5]（2019）在《一种基于机器学习的雷达目标跟踪算法》一文中研究指出针对卡尔曼滤波算法中新息残差的理论值与实际值不一致所导致的跟踪器滤波精度下降的问题,文中在卡尔曼滤波算法的基础上,提出了一种新型的雷达目标跟踪算法。首先由发射机发射信号,雷达接收机接收到目标反射信号,对信号进行处理,用卡尔曼滤波算法对目标下一个方位进行跟踪,在跟踪的过程中,利用机器学习中的支持向量机回归算法来估算理论新息和实际新息残差的最小均方误差(自适应调节因子)进行训练,预测出目标下一个方位并不断减少与实际测量值间的误差,从而显示出预测轨迹,这样可以减少噪声误差的影响,实现目标的跟踪。(本文来源于《信息技术》期刊2019年10期）
应文,杨志霞,符亚明,杨建平[6]（2019）在《基于机器视觉的海上目标智能化预警观测过程模型与技术方法》一文中研究指出海洋态势感知与目标观测技术正向着自动化、智能化发展。光电监控系统作为海洋目标活动态势感知中不可或缺的必要手段,在面向长期无人值守的持续海上预警观测应用场景中,其自主运行能力受到极大考验。本文基于多年研究以及相关项目实践,提出了基于机器视觉的海上目标智能化预警观测的一般过程模型与相关的技术实现方法,通过基于深度学习的目标识别模型和一体化的联动跟踪机制驱动光电传感器智能自主运行,在全自动托管的情况下实现目标发现、跟踪、识别、取证、再发现闭环持续工作,为海上目标活动视觉特征提取与信息服务提供有力支撑。(本文来源于《中国电子科学研究院学报》期刊2019年08期）
刘雨青,冯俊凯,邢博闻,曹守启,李佳佳[7]（2019）在《基于机器学习的无人船目标识别系统研究》一文中研究指出针对无人船装置在复杂视域环境下的目标识别准确率低、运算率高等不足,提出了采用OpenCV视觉处理框架,建立基于机器学习的无人船目标识别系统。利用HAAR级联分类器训练算法建立了目标物的机器学习库,通过多组训练目标物对比实验,分析出最大识别率和最小虚警率的关系,及正负样本尺寸和比例对训练时间和精确度的影响,得出参数值的最适设定范围。还通过水面的镜面效应,采用相位相关性法水岸线识别算法,准确地识别出水岸线,提高了水中目标物的识别效率。(本文来源于《测控技术》期刊2019年08期）
常川,刘科成[8]（2019）在《基于机载机器视觉的无人机自主目标跟踪研究》一文中研究指出目标跟踪在军事、民用等多个领域得到了广泛的应用,通过无人机进行实时的目标跟踪是近几年研究的热点。文章研究了四旋翼无人机对地面动态目标实时的检测与跟踪问题,设计实现了基于机载计算机的无人机跟踪系统,使得无人机能够实时处理摄像头获取到的视频数据,并结合YOLO(You Only Look Once)目标检测算法和核相关滤波(Kernerlized Correlation Filter, KCF)目标跟踪算法,实现了快速稳定的目标跟踪。最后在室外环境中对行人进行了跟踪实验,验证了无人机目标跟踪系统的有效性。(本文来源于《网络安全技术与应用》期刊2019年07期）
杨书[9]（2019）在《目标检测中候选区域准确高效定位的机器学习方法研究》一文中研究指出目标候选框可以完成对目标物体的初步定位,是目标检测和目标识别的基础,既适合对多类目标的定位也适合对单类目标的定位。在实时监控系统、门禁系统、刷脸支付等实际环境中具有重要作用。所以,目标候选框的准确高效定位具有重要研究意义。本文主要从目标候选框生成的高效性与准确性两个方面进行研究。(1)本文主要针对BING方法定位准确率不高的问题,首先使用扩展模板提取特征增强物体边缘特征的判别力,从而改进原梯度特征定位偏差的问题。然后采用高斯软权重非最大值抑制算法,解决了最大目标候选框附近非最大目标候选区域被强制归零的问题,提高了BING方法定位的准确率。最后在公开的数据集上对改进算法进行验证。实验结果表明,改进的BING算法在不增加算法计算复杂度的基础上,提高了BING方法定位的准确率。(2)本文基于具有较高准确率的选择性搜索方法进行两方面的改进,一是在初始分割阶段使用汉明距离计算相邻像素之间的相似性,二是针对选择性搜索方法合并策略计算复杂的问题,使用一种基于颜色的哈希策略的方法计算图像初始分割区域的相似度,从而判断相邻区域是否可以合并。这种方法大大地减少了选择性搜索算法在区域合并时计算的迭代次数,并在公开的测试集上进行验证。结果表明,本文改进的选择性搜索方法在尽可能不降低准确率的基础上,效率提高了60%。基于目标候选框在DPM行人检测算法中的应用。本文使用改进BING算法和改进选择性搜索算法代替DPM行人检测算法中的滑动窗口完成对行人的检测。通过行人数据集INRIA对检测结果进行验证,实验结果表明,使用改进目标候选框结合DPM的方法检测行人,加快了DPM行人检测的速度,实现了对行人的高效准确定位。(本文来源于《西安理工大学》期刊2019-06-30）
李林葳,刘振宇,李砚禾,燕霞,杨鹏飞[10]（2019）在《基于机器视觉的生猪目标提取算法设计与实现》一文中研究指出[目的]本文旨在研究如何及时、准确获取生猪的活动信息。[方法]基于遗传算法和模拟退火算法对OTSU算法的阈值进行计算,并通过使用灰度直方图减少遍历迭代次数。再利用python广播机制,进一步提升了矩阵运算速率。[结果]使用改进的遗传算法和模拟退火算法对OTSU算法的阈值计算进行优化后,计算时间降低5%以上,误差不超过1%。[结论]优化后的算法为实时、准确的提取生猪运动、睡眠等活动状态提供了一定的借鉴和参考。(本文来源于《山西农业大学学报(自然科学版)》期刊2019年05期）
目标机器论文开题报告
（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：
单台机器带一个维修时间段的排序问题,目标是最小化所有工件的运输时间和.在这篇文章里,重新研究了该问题,并给出了一个时间复杂性为O(n~3)的近似算法,将性能比从3/2改进到5/4.
（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。
目标机器论文参考文献
[1].柴钰,许继科.基于机器视觉的目标识别与定位系统[J].计算机工程与设计.2019
[2].李刚刚,鲁习文.目标为最小化工件运输时间和的单台机器带一个维修时间段的排序问题的一个改进算法[J].运筹学学报.2019
[3].史建涛,孙俊,杨予昊,王宁.基于机器学习支持向量机的海面目标航迹起始算法研宄及应用[J].现代雷达.2019
[4].魏涛,韩经鲁,周雨辉,曹志博.基于机器学习的毫米波雷达车辆目标检测[J].客车技术与研究.2019
[5].叶锴,祝怡翔.一种基于机器学习的雷达目标跟踪算法[J].信息技术.2019
[6].应文,杨志霞,符亚明,杨建平.基于机器视觉的海上目标智能化预警观测过程模型与技术方法[J].中国电子科学研究院学报.2019
[7].刘雨青,冯俊凯,邢博闻,曹守启,李佳佳.基于机器学习的无人船目标识别系统研究[J].测控技术.2019
[8].常川,刘科成.基于机载机器视觉的无人机自主目标跟踪研究[J].网络安全技术与应用.2019
[9].杨书.目标检测中候选区域准确高效定位的机器学习方法研究[D].西安理工大学.2019
[10].李林葳,刘振宇,李砚禾,燕霞,杨鹏飞.基于机器视觉的生猪目标提取算法设计与实现[J].山西农业大学学报(自然科学版).2019
论文知识图
