基于MHT的多物体跟踪算法

探讨了多假设跟踪算法(MHT)在多物体检测跟踪系统中的应用方式.该方法采用卡尔曼滤波算法实现跟踪轨迹假设,采用LAP算法实现数据关联,将预测和视频采集测量值结合得到最优跟踪轨迹.实验表明,该方法在实践中达到了较好的效果.     

一种适合于笔划跟踪的并行细化算法

为了解决字符识别过程中笔划不易跟踪及其若干特征难以提取等问题，给出了一种新的适合于笔划跟踪的并行细化算法。该算法运用并行机理，在满足细化基本要求的前提下，去掉了不便于笔划跟踪的冗余点，细化速度快且质量较好。该算法已成功地运用于手写数字识别系统及汉字识别系统中，其中利用该算法的表格识别系统已经达到实用水平。     

一种非刚体目标的实时检测与跟踪算法

提出了一种复杂背景下自动、实时地检测和跟踪非刚体目标算法。该算法利用自适应的背景减除方法,在复杂背景条件下提取出运动目标;采用颜色直方图模型为特征的均值平移法作为跟踪算法。试验结果验证了该算法的实时性和有效性。     

基于伪线性卡尔曼滤波的两站红外无源定位及跟踪技术

建立了目标的两站红外搜索与跟踪系统的伪线性观测模型，基于该模型提出了运动目标的伪线性卡尔曼滤波算法．该算法利用伪线性方程组获得滤波器的初值，从而提高了滤波器的跟踪精度和速度．分别采用伪线性卡尔曼滤波器与推广卡尔曼滤波器对目标进行定位及跟踪的仿真结果表明：在跟踪初始阶段，伪线性卡尔曼滤波的跟踪精度明显优于推广卡尔曼滤波．在近距离范围，不论目标是匀速还是机动运动，两者的跟踪精度都非常高．在远距离范围，当目标机动时，伪线性卡尔曼滤波的跟踪精度明显优于推广卡尔曼滤波；当目标匀速运动时，推广卡尔曼滤波的跟踪精度略优于伪线性卡尔曼滤波．从整个仿真过程可以看出，目标的运动形式对推广卡尔曼滤波性能的影响是非常明显的，而对伪线性卡尔曼滤波性能的影响则很小．     

基于SURF和Camshift的目标跟踪算法研究

针对动态的目标跟踪算法Camshift在目标发生短时遮挡或者背景有相似颜色干扰时,可能造成目标跟踪失败的问题,提出了一种基于SURF和Camshift的目标跟踪解决方案。使用搜索窗口颜色概率直方图和目标模板的颜色概率直方图的Hellinger距离判定Camshift算法跟踪结果是否准确,当判定为跟踪失败时,利用SURF快速近似最近邻搜索算法进行特征匹配,解决了传统Camshift算法需要手动确定第一帧搜索窗口,背景颜色干扰及短时遮挡后目标定位的问题。实验结果表明,采用该算法能克服传统的Camshift算法的缺陷,有效地跟踪到目标,具有较好的鲁棒性。     

多站无源跟踪系统容错算法

针对多个雷达侦察站组成的无源跟踪系统,在用时间差法对目标进行跟踪时,各站点之间通信或信号测量被干扰,造成系统无法工作。该文提出基于单站多站、时差和角度测量组合的容错跟踪算法。该算法假定系统被干扰工作时使用基于时差测量的跟踪方法,而多站角度和单站角度跟踪方法作为备用,通过对每个周期目标状态变量的检测,判定是否需要切换为备用跟踪方法。该算法使跟踪系统有更强的适应性,而精度并没有下降。仿真实验验证了该算法的有效性。     

手写体不规则数码脱机识别过程中的跟踪算法

目的 找出一种手写体数码识别的跟踪方法。方法 通过对手写体数码的特征分析，结合边沿元的概念，对书写轨迹进行扫描跟踪，提出跟踪算法，结果 找到了一种效果较好的边缘跟踪算法。结论 使用边沿元的概念，结合边缘跟踪算法，可以用较快的速度，取得较高的正识率。     

运动目标的识别跟踪控制研究

针对空中运动目标的识别和跟踪,提出图像匹配算法和连通域算法相结合的方法。该方法主要用图像匹配算法获得目标的位置信息,当图像匹配算法失效时,则采用连通域算法重新捕获目标、获得图像模板。同时,为提高跟踪的实时性,采用最小二乘线性预测法来预测目标的运动轨迹。在实验室的目标跟踪系统平台上,该方法能够对运动目标进行稳定的识别和跟踪。     

基于BP_Adaboost的目标跟踪算法应用研究

BP神经网络对目标跟踪时,由于其学习效率低及易于陷入局部极小的缺陷影响了跟踪算法的准确性。为提高BP神经网络跟踪模型的准确性,将Adaboost算法和BP神经网络相结合,提出了一种BP_Adaboost神经网络跟踪模型。通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器跟踪模型,将该模型应用于视频运动目标跟踪进行有效性验证。实验结果分析表明．该方法对运动目标能够准确地进行跟踪．大大提高跟踪算法的兽椿性．     

快速单边补偿逼近幂迭代子空间跟踪

针对子空间估计与跟踪问题,在快速逼近幂迭代子空间跟踪算法的基础上,得到了一种计算复杂度更低的快速子空间跟踪算法——快速单边补偿逼近幂迭代子空间跟踪算法.该算法采用与Badeau等人不同的逼近方式,简化了互相关矩阵的迭代计算,从而达到降低计算复杂度的目的.实验结果表明:该算法的最大主角性能远远优于PAST子空间跟踪算法,与FAPI和OPAST子空间跟踪算法相当;在正交误差度方面,其正交误差度优于FAPI子空间跟踪算法,远远优于PAST子空间跟踪算法.     

仅有角测量系统鲁棒跟踪研究

传统的仅有角测量跟踪器不能跟踪机动目标。为此作者在「２」中提出了跟踪机 仅有角测量系统。在文「２」基础上本文提出了新的变结构鲁跟踪算法，解决了令有角测量系统鲁棒跟踪机动目标问题，该系统由机动目标检测，噪声污染模型以及鲁棒跟踪器构成。最后应用本结果提出了仅有角测量系统鲁棒制导规律，给出了纺真计算结果。     

HLBP与颜色特征自适应融合的粒子滤波目标跟踪改进算法

针对只采用颜色特征的经典粒子滤波目标跟踪算法无法适用相同颜色干扰情况的缺陷,提出一种结合HLBP特征与颜色特征的自适应粒子滤波跟踪算法. 该算法采用Haar型局部二值模式算子(Haar local binary pattern,HLBP)提取的HLBP纹理特征与颜色特征结合,通过自适应权值动态调整颜色特征和纹理特征在追踪过程中的比重,实现颜色纹理特征的自适应融合. 实验表明,该算法改进了相同颜色干扰情况下的追踪效果,并在目标被遮挡的情况下仍能持续稳定地追踪,提高了追踪的准确度和适用性.     

采用拟蒙特卡罗法的被动多传感器目标跟踪

使用拟蒙特卡罗采样方法替代传统的蒙特卡罗采样方法,改善了高斯粒子滤波器的性能,结合多传感器集中式融合策略,提出了一种基于拟蒙特卡罗-高斯粒子滤波器的被动多传感器目标跟踪算法,较好地解决了被动跟踪中的强非线性和弱可观测性问题．该算法在降低计算复杂度的同时提高了跟踪的精度和稳定性,使算法快速收敛,并且具有并行结构,有利于用超大规模集成电路来实现．     

具有指定跟踪性能的间接鲁棒自适应广义预测控制

针对对象的不确定性干扰（未建模动态、有界干扰等），提出一种新的不需要持续激励条件的间接自适应广义预测控制算法，不仅考虑了自适应控制系统的闭环鲁棒稳定性，而且使所设计的自适应控制闭环系统具有指定的跟踪性能。     

基于协方差矩阵元素的多目标角跟踪方法

提出了一种多目标角跟踪算法．将相邻时间段估计得到的协方差矩阵相减,对差距阵线性化近似得到了一组关于角度差的线性方程组,重复解方程组可以得到不同时间段各个目标的角度．本算法不需要更新信号子空间; 不同时间段之间各个目标的角度是自动关联的,省去了运算量较大的数据关联过程;适用于目标个数大于阵元个数的情况; 同时,该算法可以减小噪声的影响．仿真结果表明了算法的有效性．     

基于PDAF多阵多目标跟踪算法研究

为解决在多目标跟踪过程中，声纳存在交叉运动目标失跟问题．将多阵输出和多目标跟踪相结合，提出了基于概率数据联想滤波(PDAF)器的多阵多目标跟踪算法．计算机模拟结果表明，该算法在平面波模型下，利用两个线阵的输出可以稳定地跟踪两个交叉运动目标．将算法映射到DSP硬件平台，形成了一个多阵多目标跟踪的探测系统，实时处理的结果说明该算法对运动目标的估距误差小于5％     

长航迹稳定跟踪的雷达功率分配算法

分布式组网雷达系统在处理跟踪任务时,低信噪比会导致目标检测概率小于1,进而可能导致目标航迹中断。为此,提出了一种长航迹稳定跟踪的分布式组网雷达功率分配算法,通过对雷达系统功率资源的优化配置,同时保证了航迹连续性与良好的系统跟踪性能。首先建立了分布式雷达回波信号及量测模型,然后推导了不确定性量测下的贝叶斯克拉美罗界(BCRLB),进而建立了功率分配问题数学模型。该优化问题中包含复杂非凸约束,为了对其进行高效求解,最后提出了一种基于凸优化的自约束功率分配(SCPA)算法。仿真结果表明,所提SCPA算法可以保证跟踪全阶段所有目标航迹不中断,并保持良好的跟踪性能。     

Distributed Radar Target Tracking with Low Communication Cost

In distributed radar, most of existing radar networks operate in the tracking fusion mode which combines radar target tracks for a higher positioning accuracy. However, as the filtering covariance matrix indicating positioning accuracy often occupies many bits, the communication cost from local sensors to the fusion is not always sufficiently low for some wireless communication channels. This paper studies how to compress data for distributed tracking fusion algorithms. Based on the K-singular value decomposition (K-SVD) algorithm, a sparse coding algorithm is presented to sparsely represent the filtering covariance matrix. Then the least square quantization (LSQ) algorithm is used to quantize the data according to the statistical characteristics of the sparse coefficients. Quantized results are then coded with an arithmetic coding method which can further compress data. Numerical results indicate that this tracking data compression algorithm drops the communication bandwidth to 4% at the cost of a 16% root mean squared error (RMSE) loss.     

基于视频序列的车辆检测与跟踪算法研究与应用

提出了一种基于区域的模板匹配跟踪算法,针对复杂场景中目标被干扰、遮挡等情况,提出了一种基于遮挡判断和运动轨迹预测的抗遮挡跟踪算法,可实现对被干扰或遮挡的目标进行有效跟踪,文中给出仿真结果,证明了该算法的有效性和实用性.     

基于角度信息测量的无源跟踪算法研究

针对只测向单站无源定位中推广卡尔曼滤波(EKF)算法受初值、测量噪声影响大以及算法具有不稳定性等缺点,提出了增加方位角和俯仰角角速度观测信息,运用修正协方差的扩展卡尔曼滤波(MVEKF)算法对机动目标进行无源定位的新方法.该方法能够进一步提高系统的定位与跟踪精确度、可靠性和防御作战能力,滤波性能更好.通过计算机仿真,验证了该方法的正确性与有效性.