最近，中国科学院西安光学技术研究所的太空光学技术研究办公室的研究人员Zhao Hui的团队在监视计算机目标愿景的领域取得了重要的发展。该研究的结果发表在基于知识的系统中，这是中国科学院第一区的主要杂志（如果= 7.2）。纸张套装的第一个是Su Yinqiang博士，XI'AN光电研究所，中国科学院的特别研究助理，与研究员Zhao Hui相对应。中国科学院的西安光电学院是第一个完工和通讯部门。当监视弱目标到高度动态和高密度广泛的环境时，基于判别相关性（DCF）的跟踪框架是易于漂移或什至监视故障模型的敏感。近年来，学者一直是通过开发稳定的目标外观模型和引入辅助言语技术来抑制性能监视。但是，在处理目标周围的背景变化时，现有的研究很难有效防止扭曲的潜在失真。当目标外观发生巨大变化或背景信息过多时，过滤器容易受到环境干扰，从而大大降低了凭证定位。在这方面，研究团队是创新的，基于与先前提出的框架有关的稀疏环境（https://doi.org/10.1016/j.eswa.eswa.2024.126225），基于与监视和过滤有关的稀疏环境相关的优化优化的双模式机制。这种机制通过联合方法构建了一种新的相关滤波器，具有背景安全性和外观稳定性，以迫使上下文意识，以合作建模和动态屈曲抑制。研究小组显然IncoRporates上下文信息到DCF框架中，该信息不仅识别目标周围的背景变化，而且削弱了外部干扰的影响；同时，它通过强迫梯度梯度到发现阶段来保持滤波器结构的稳定性。此外，该团队还提出了一种基于泳池反馈的高度协调机制。在确保较高的目标模板置信度的同时，它为目标的复兴机制提供了指南方法，从而进一步提高了监视复杂情况的稳定性和准确性。研究团队还同时开发了一种轻巧的方法：“一种基于上下文约束和用手工抑制的视觉跟踪算法”，它易于部署，并且通过技术手段，例如异质计算的迁移，多种多样的多型Paraldel Parallaldel调节，它在高框架速率和强大的框架跟踪性能方面具有强大的强大跟踪性能，ATForms预计将为诸如遥感卫星监视，无人机自动导航和自动驾驶车等实用应用提供强大的技术支持。这项研究得到了新一代人工智能，国家自然科学基金会和其他项目的国家科学技术重大项目的支持。近年来，Zhao Hui的团队继续研究目标识别，监视和极端成像条件的复杂情况下的图像质量改进，并发表了80多篇论文和20多种授权专利。相关论文信息：https：//dii.org/10.1016/j.knosys.2025.113658