基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
海上目标感知的准确性和实时性是实现船舶智能航行的前提和基础.为了满足以上要求,将有效卷积算子(ECO)引入海上船舶目标跟踪中.该算法以相关滤波为基础,响应最大值之处为目标船舶中心所在位置.获得中心位置之后,采用尺度滤波方法估计出船舶目标的最佳尺度,从而完成对目标当前帧的跟踪.利用因式分解卷积的方式分解卷积,降低数据维度,减少计算时间;采用高斯混合模型将样本分成不同类别,降低训练集样本冗余度;采用稀疏更新策略更新样本模型,防止过拟合问题.选取海洋环境下船舶不同运动场景作为实验样本,与几种常用跟踪算法对比,验证了ECO算法在海上船舶目标跟踪上的准确性和实时性.
推荐文章
一种实时多目标跟踪的新算法
目标跟踪
多目标
运动估计
一种实时的机动目标多模型跟踪算法
信息处理技术
机动目标跟踪
转换测量
Kalman滤波
滤波模型偏离度
一种改进的CAMShift目标跟踪算法
目标跟踪
CAMShift算法
颜色概率分布
运动目标
一种机动目标的跟踪算法研究
非线性滤波
粒子滤波
RBF神经网络
机动目标
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种面向船舶智能航行的海上目标实时跟踪算法
来源期刊 大连理工大学学报 学科 交通运输
关键词 智能船舶 目标跟踪 相关滤波 高斯混合模型 因式分解卷积
年,卷(期) 2020,(1) 所属期刊栏目
研究方向 页码范围 30-35
页数 6页 分类号 U664.82
字数 4308字 语种 中文
DOI 10.7511/dllgxb202001005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 冯辉 武汉理工大学高性能船舶技术教育部重点实验室 21 42 4.0 6.0
5 徐海祥 武汉理工大学高性能船舶技术教育部重点实验室 57 166 7.0 9.0
9 余文曌 武汉理工大学高性能船舶技术教育部重点实验室 20 44 4.0 6.0
13 卜瑞波 武汉理工大学高性能船舶技术教育部重点实验室 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (17)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1960(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(3)
  • 参考文献(1)
  • 二级参考文献(2)
2018(2)
  • 参考文献(1)
  • 二级参考文献(1)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
智能船舶
目标跟踪
相关滤波
高斯混合模型
因式分解卷积
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
大连理工大学学报
双月刊
1000-8608
21-1117/N
大16开
大连市理工大学出版社内
8-82
1950
chi
出版文献量(篇)
3166
总下载数(次)
3
论文1v1指导