XiaoMi-AI文件搜索系统
World File Search System跟踪算法
利用李群进行多目标跟踪的几何方法
第 1 章 简介 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .................................................................................................................................................................................. 16 1.1.4 李群 .................................................................................................................................................................................................. 18 1.2 跟踪算法 .................................................................................................................................................................................. 19 1.2.1 最近邻滤波器 .................................................................................................................................................................. 19 1.2.1 最近邻滤波器 .................................................................................................................................................................. 19 . . . 19 1.2.2 全局最近邻滤波器. . . . . . . . . . . 19 1.2.3 概率数据关联滤波器. . . . . . . . . . . 20 1.2.4 联合概率数据关联滤波器. . . . . . . . . . 20 1.2.5 多重假设跟踪. . . . . . . . . . . . 21 1.2.6 概率多假设跟踪器. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...
使用Yolov8和Bytetrack
最近，智能运输系统（ITS）已成为应对城市交通管理日益严重的挑战的重要组成部分。随着车辆密度的指数升高和道路安全问题的增加，发展有效且可扩展的交通解决方案已变得必不可少。本文探讨了最先进的计算机视觉技术的整合，以有效地应对这些挑战。交通监控系统的演变：交通监控的根源可以追溯到传统方法，例如手动监视和静态传感器，尽管在特定方案中有效，但在可伸缩性，实时适应性和精度方面有限制。多年来，人工智能和计算机视觉的进步改变了这一景观，从而实现了实时和自动化的交通分析。引入了诸如YOLO（您只看一次）和高级跟踪算法（例如Bytetrack）等深度学习模型的引入进一步提高了流量监控系统的准确性和鲁棒性。Yolov8是Yolo系列中的最新迭代，它带来了改进的对象检测功能，包括更高的精度和更快的推断。Bytetrack是一种尖端的多对象跟踪算法，即使在诸如遮挡和高速运动之类的具有挑战性的条件下，也可以确保跨视频帧的稳定和可靠的跟踪。
飞机识别、轨迹跟踪和预测最终...
介绍了改进飞机识别和轨迹预测方法的技术。这项工作是对高级跟踪器的扩展，它使用平移和姿态数据来提高轨迹跟踪和预测的准确性。这项工作中的新扩展涉及基于曲率半径估计器的新跟踪算法的开发、在预测间隔期间使用基于回归的人工测量以及基于远程轨迹测量的被跟踪车辆的飞机识别技术的开发。该程序使用在训练飞行中获得的 F-14A、AV-8B 和 A6 飞机的实际位置和姿态轨迹数据进行评估。
https://dergipark.org.tr/tr/pub/khosbd自动驾驶的ram-air类型负载降落伞系统设计和替代轨迹算法
在土地或海洋无法到达的区域中，可以用降落伞从空中传递必要的物资。空投是人道主义援助行动和军事行动中常用的补给方法。气流补充的最重要局限性是货物可能受风的影响并落入不良区域，飞机容易受到敌方防空系统的影响。通过保护飞机免受敌方防空武器的侵害，并防止有效载荷被风或不良人的手中吹走，可以将GPS引导的，可通道的降落伞用于高空，长距离空投。在这项研究中，制造了土耳其武装部队所需的系统的设计，创建了指挥和控制单元，并提出了轨迹跟踪算法。
量子退火器的模式识别算法
摘要带电粒子的重建将是高亮度大型强子对撞机（HL-LHC）的关键计算挑战，其中增加的数据速率导致当前模式识别算法的运行时间大大增加。此处探索的另一种方法将模式识别表示为二次无约束的二进制优化（QUBO），该方法允许在经典和量子退火器上运行算法。虽然提出的方法的总体时间及其缩放量仍待测量和研究，但我们证明，就效率和纯度而言，可以实现LHC跟踪算法的相同物理性能。将需要进行更多的研究以在HL-LHC条件下实现可比的性能，因为增加的轨道密度降低了QUBO轨道段分类器的纯度。
利用人工智能技术对 3D 运动物体进行目标估计滤波
1.研究目的：为了提高复杂运动目标的跟踪和平滑能力，需要提高地面设备的指挥控制和信息相关功能的性能。特别是需要提高与指挥控制设备配合使用的雷达的性能。作为雷达目标跟踪算法，已经提出了M3（多机动模型）滤波器、IMM（交互多模型）滤波器等。该类滤波器对高机动目标有较高的跟踪性能，有望作为未来指挥控制雷达的滤波器。然而，有许多参数必须提前设置，例如运动模型的转移概率。在本研究中，我们设计了一种融入人工智能技术的过滤器，旨在提高处理三维运动物体的能力。
curriculum vitae，路易斯·阿尔弗雷多·莫克特祖玛 div>
•开发传感器融合算法和机器学习模型，以根据其听力上下文从助听器用户中动态整合多模式的生理数据。•在实验室和现实世界环境中进行研究，以增强助听器的听觉关注跟踪。•与学术和行业合作伙伴合作，包括奥尔堡大学的声学信号处理研究中心（CASPR），涉及听觉感知研究。•评估注意力传播的束缚和多模式注意跟踪算法对助听器的用户满意度的影响。•设计和实施解决方案，这些解决方案有助于与Octicon的研发团队紧密合作，从而有助于现实世界中的现实应用程序。•参与脑电图/EOG数据的收集和分析，以改善助听器用户体验和听觉重点检测。
使用多参数进行高机动目标跟踪...
目前，已提出了许多大机动目标跟踪算法[1～14]，其中Singer模型[15～18]是常见的机动目标跟踪模型，适用于多种情况和各种类型的机动，但强机动会引起较大的跟踪误差，由于目标机动性的不确定性和模糊性较强，特定的模型参数很难适应目标的强机动变化。模糊推理方法[19，20]属于基于模糊集理论和模糊数学的模糊控制方法。自从1965年Zadeh提出模糊集的概念以来，模糊系统的研究得到了迅速发展，模糊控制技术在工业生产控制中得到了广泛的应用。为了适应复杂多变的运动模式，提高Singer模型在强机动跟踪情况下的性能，在
振动触觉刺激和 tDCS 能否帮助低效的 BCI ......
基于快速傅里叶变换 (FFT) 的相位跟踪算法，如先前提出和采用的 [20, 36]；在 FFT 幅度中，8 至 13Hz 之间的主要 alpha 频率分量和相应的相位用于获得简单的正弦函数来预测即将到来的相位。当预测的相位下降时，根据运动想象类别通过左或右振动马达传递振动 100 毫秒，刺激间隔设置为 100 毫秒。因此，提取 C4 通道 alpha 相位用于左侧运动想象试验，当预测的相位下降时激活左侧振动马达，反之亦然。刺激会话结束后，受试者执行与刺激前相同的运动想象任务
适用于智能手机和商用微型无人机的星体追踪算法
摘要：本文提出了一种星体跟踪算法，使用智能手机等商用现货 (COTS) 移动设备确定纳米卫星、无人机和微型无人机等自主平台的精确全球方向。这种星体跟踪尤其具有挑战性，因为它基于现有的摄像机，这些摄像机可以捕捉天空的部分视图，并且应该连续自主地工作。所提框架的新颖之处在于计算效率和星体跟踪器算法使用经济实惠的 COTS 移动平台应对噪声测量和异常值的能力。所提出的算法已在几个流行平台上实现和测试，包括：Android 移动设备、商用微型无人机和 Raspberry Pi。报告的方向的预期精度为 [0.1 ◦ ,0.5 ◦ ]。