基于半監(jiān)督學(xué)習(xí)和交互模型的多目標(biāo)跟蹤方法

在跟蹤過程中，目標(biāo)形態(tài)的變化、遮擋的存在、復(fù)雜的環(huán)境制約及運動的相互影響等使得多運動目標(biāo)跟蹤變得非常困難。本項目針對現(xiàn)有方法在復(fù)雜背景及運動應(yīng)用中所存在的跟蹤失效問題，對基于半監(jiān)督學(xué)習(xí)和交互模型的多目標(biāo)跟蹤方法進(jìn)行研究。研究內(nèi)容包括：1)提出了基于半監(jiān)督CovBoosting的單目標(biāo)跟蹤及多目標(biāo)跟蹤方法，有效應(yīng)對了跟蹤視頻中表觀及背景漸變帶來的挑戰(zhàn)；2)提出了基于交互模型的多目標(biāo)跟蹤方法，包括如何估計目標(biāo)的運動趨勢，怎樣度量軌跡的運動相似性，如何挖掘場景中的結(jié)構(gòu)信息來改善跟蹤性能，有效解決了跟蹤過程中目標(biāo)運動復(fù)雜這一難題；3)提出了基于表觀重構(gòu)誤差預(yù)測的跟蹤方法，包括如何中跟蹤過程中，構(gòu)建反應(yīng)目標(biāo)運動及上下文信息的特征，預(yù)測目標(biāo)的在學(xué)習(xí)到的生成空間中的重構(gòu)誤差的變化，以適應(yīng)目標(biāo)和背景表觀的變化。課題組的研究成果發(fā)表在相關(guān)的國際期刊和會議上，已發(fā)表學(xué)術(shù)論文16篇，其中包括IEEE Trans在內(nèi)的國際期刊10篇，國際會議6篇，培養(yǎng)研究生6名。

多目標(biāo)跟蹤技術(shù)是計算機視覺、圖像理解領(lǐng)域的核心研究之一,其在視頻監(jiān)控、視頻分析及檢索、運動分析及合成等領(lǐng)域發(fā)揮了重要作用。由于在跟蹤過程中，目標(biāo)形態(tài)的變化、遮擋的存在、復(fù)雜的環(huán)境制約及運動的相互影響等使得對多運動目標(biāo)的跟蹤變得更加困難。在本研究中，申請人擬采用交互模型來對目標(biāo)的運動進(jìn)行預(yù)測，并通過半監(jiān)督的在線學(xué)習(xí)方法進(jìn)行自適應(yīng)特征選擇，實現(xiàn)對多目標(biāo)的實時魯棒跟蹤。首先，使用交互模型可以對多目標(biāo)的運動提供較為準(zhǔn)確的估計；其次，通過在線特征選擇和遮擋分析為跟蹤目標(biāo)構(gòu)建具有自適應(yīng)性的表觀模型；然后，在跟蹤過程中將交互模型與基于半監(jiān)督CovBoost的在線特征選擇、在線隨機森林遮擋判別分析器結(jié)合起來，提出一種基于交互模型和在線特征選擇的多目標(biāo)跟蹤器，將跟蹤中的關(guān)鍵問題（運動建模和表觀建模）統(tǒng)一到一個多目標(biāo)跟蹤框架下；最后實現(xiàn)實時準(zhǔn)確的多目標(biāo)跟蹤，并嘗試拓展到視頻監(jiān)控、智能交通等實際社會民生應(yīng)用中。

本課題擬針對采用集中式信息融合的多傳感器多目標(biāo)跟蹤系統(tǒng)提出基于最大期望算法的聯(lián)合數(shù)據(jù)配準(zhǔn)、關(guān)聯(lián)和融合算法,以及針對采用分布式信息融合的多傳感器多目標(biāo)跟蹤系統(tǒng)提出基于最大期望算法的聯(lián)合航跡配準(zhǔn)、關(guān)聯(lián)和融合算法。傳統(tǒng)上人們一般將數(shù)據(jù)配準(zhǔn)、數(shù)據(jù)關(guān)聯(lián)和數(shù)據(jù)融合三者分開研究，或者是將航跡配準(zhǔn)、航跡關(guān)聯(lián)和航跡融合三者分開研究，但實際上它們是相互影響的：數(shù)據(jù)配準(zhǔn)需要正確關(guān)聯(lián)了的多傳感器數(shù)據(jù)而存在配準(zhǔn)誤差的多傳感器數(shù)據(jù)又會增加錯誤關(guān)聯(lián)的概率，它們都會對數(shù)據(jù)融合的性能產(chǎn)生影響；同樣航跡配準(zhǔn)需要正確關(guān)聯(lián)了的局部航跡而存在配準(zhǔn)誤差的局部航跡又會增加錯誤關(guān)聯(lián)的概率，它們都會對航跡融合的性能產(chǎn)生影響。本課題將它們作為一個整體研究從而解決傳統(tǒng)上將它們分開研究和工程實現(xiàn)的弊端，因考慮了它們之間的相互聯(lián)系和相互影響，我們能大大提高多傳感器多目標(biāo)跟蹤的精度，從而可提高軍事和民用領(lǐng)域?qū)δ繕?biāo)監(jiān)視和跟蹤的能力。

《數(shù)據(jù)、模型與決策:基于Excel的建模和商務(wù)應(yīng)用》內(nèi)容全面，包括概率和統(tǒng)計的基本概念、數(shù)據(jù)處理和分析的基本方法，以及回歸、預(yù)測、風(fēng)險分析、模擬和決策優(yōu)化等模型方法。基于Excel實現(xiàn)所有的模型和方法?！稊?shù)據(jù)、模型與決策:基于Excel的建模和商務(wù)應(yīng)用》提供大量的Excel操作截屏圖，并詳細(xì)加以標(biāo)注，以方便讀者學(xué)習(xí)和應(yīng)用。配有豐富的教輔資源。《數(shù)據(jù)、模型與決策:基于Excel的建模和商務(wù)應(yīng)用》適合MBA和工商管理學(xué)科研究生教學(xué)使用，也可作為事業(yè)單位管理決策人員，數(shù)據(jù)分析人員自學(xué)和培訓(xùn)用書。《數(shù)據(jù)、模型與決策:基于Excel的建模和商務(wù)應(yīng)用》配套教輔資源PPT課件，長達(dá)900多頁的超大容量PPT，圖文并茂，拿來即用，免費申請。學(xué)習(xí)光盤，提供書中所有例題和習(xí)題的Excel文件，隨書附贈。教師光盤，長達(dá)數(shù)十個小時的課堂視頻AVI文檔以及所有習(xí)題解答的Excel文檔。

本發(fā)明公開基于多模型深度學(xué)習(xí)的涂裝新風(fēng)空調(diào)的控制方法，包括步驟：采集空調(diào)機組的多個模段的切面的溫濕度數(shù)據(jù)上傳到云服務(wù)器的時序數(shù)據(jù)庫中，分別利用該溫濕度數(shù)據(jù)對多個模段的深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，在訓(xùn)練完成將多個深度學(xué)習(xí)模型集成在一起形成一個深度學(xué)習(xí)控制預(yù)測模型；控制時，實時采集多個模段的切面的溫濕度數(shù)據(jù)，輸入到深度學(xué)習(xí)控制預(yù)測模型中；深度學(xué)習(xí)控制預(yù)測模型根據(jù)輸入的實時溫濕度數(shù)據(jù)，在多個可選擇控制項中，選擇與目標(biāo)溫濕度值最接接的控制結(jié)果輸出，并將控制結(jié)果所對應(yīng)的控制設(shè)定值輸出到空調(diào)控制器中，對執(zhí)行機構(gòu)調(diào)節(jié)控制。本發(fā)明可有效地減低生產(chǎn)中的能源消耗，對涂裝車間的運營成本及車身質(zhì)量都具有非常有意義的作用。