一种多目标自动跟踪的逻辑关联方法

目标跟踪是被动声纳系统的主要功能之一,跟踪器为目标运动分析和目标识别等后置处理提供输入数据。声纳操作员利用人脑独特的认知模式、先验知识和视觉的迹迹相关效应,能够很好地在声纳显示方位历程图上发现目标并录取跟踪。但实际应用中由于低信噪比、航迹交叉和转向等复杂多目标情形,声纳系统实现多目标自动跟踪十分困难。给出一种多目标自动跟踪的逻辑关联方法,利用被动声纳宽带波束输出数据,通过点迹与航迹关联、航迹评价管理和交叉处理等过程,可以较好实现多目标自动跟踪。试验数据的处理结果验证了所提方法的有效性,能够在声纳装备中得到工程应用。     

基于跟踪混沌化方法的线谱控制技术研究

船舶辐射水声中的线谱成分是被动声纳在水声对抗中检测、跟踪和识别目标的主要特征信号,混沌隔振技术利用隔振系统处于混沌状态时其响应功率谱呈连续谱这一特征来抑制动力机械对艇体的线谱激励。针对目前混沌隔振技术在工程实际应用中存在如何在小振幅条件下实现持续混沌运动的难题,提出了利用跟踪控制使隔振系统混沌化方法,抑制辐射水声中的线谱成分,同时解决了跟踪目标建立的难题,试验结果证明了该方法的有效性。     

声呐目标跟踪关联中的模糊关联方法

声呐目标跟踪关联是为了获得精确的状态和属性估计、完全和实时的态势和威胁评估。在多台声呐系统联合探测中,根据相同目标、不同观测具有相似特征,提出了声呐目标模糊关联算法。模糊关联能够处理模糊性和不确定性信息,求解具有相似特征目标的关联值。通过将探测目标的方位数据模糊化,利用观测的模糊量和模糊隶属度函数进行数据关联,计算关联时长内两台声呐探测目标方位的关联值,仿真分析验证了上述算法的有效性并取得了较好的实验效果。     

多特征融合的非线性目标跟踪算法

为克服视频目标跟踪中仅利用单一特征易导致的跟踪失败,提出了一种基于多特征融合的非线性目标跟踪算法。通过灰度直方图来表征目标的总体分布,利用边缘特征来提取目标的高频细节,将两者融合于粒子滤波的概率模型框架中。并提出一种基于半峰宽和贡献度的特征可信度计算方法,动态调节粒子数目,使可信度高的特征拥有较多的粒子。最后,进行了目标跟踪仿真实验,结果表明,该算法具有较强的抗局部遮挡能力,与单特征跟踪算法相比,平均跟踪误差减小了0．5个像素。     

多特征融合的非线性目标跟踪算法

为克服视频目标跟踪中仅利用单一特征易导致的跟踪失败,提出了一种基于多特征融合的非线性目标跟踪算法.通过灰度直方图来表征目标的总体分布,利用边缘特征来提取目标的高频细节,将两者融合于粒子滤波的概率模型框架中.并提出一种基于半峰宽和贡献度的特征可信度计算方法,动态调节粒子数目,使可信度高的特征拥有较多的粒子.最后,进行了目标跟踪仿真实验,结果表明,该算法具有较强的抗局部遮挡能力,与单特征跟踪算法相比,平均跟踪误差减小了0.5个像素.     

被动定向浮标阵卡尔曼滤波目标跟踪研究

文章研究利用被动定向浮标阵定位跟踪水下机动目标的方法,基于卡尔曼滤波(Kalman Filter, KF)原理提出一种定位跟踪滤波器的具体实现方法。该方法能够整合多枚浮标现在及过去有误差的测量数据,提高定位精度,同时连续输出水下目标运动参数估计从而锁定目标运动轨迹。该方法实现的关键在于建立水下目标与浮标阵的数学迭代运算模型,包括状态空间的动态与观测过程。由于被动定向浮标阵目标跟踪是一个非线性估计问题,而卡尔曼滤波器是线性的,因此文章设计了近似的线性观测方程以利用卡尔曼滤波来解决这个问题。通过计算机仿真研究该滤波器的跟踪效果并与最小二乘法进行比较,估计精度明显高于最小二乘法。同时通过仿真验证该滤波器可以自适应跟踪目标的非稳态运动过程。该方法在工程实践上具有一定应用前景与指导意义。     

一种基于动态分层更新的多特征融合跟踪方法

针对单一特征的目标跟踪算法和传统的模型更新策略的不足,本文提出一种均值迁移和粒子滤波相结合的多特征融合跟踪方法.该方法通过均值迁移对粒子传播进行优化,根据粒子权值的分布情况自动调节各个特征的融合权值,实现了多特征的有效综合,通过建立目标模型的动态分层更新策略,有效保留了目标和场景的变化信息.实验结果表明,该方法对目标外...     

基于匹配场和长项积分混合处理的多模式检测跟踪一体化算法

提出多模式贝叶斯准则下的概率数据关联滤波新概念,并将该方法与基于匹配场-长项积分混合处理相结合,建立了基于Bayes框架的检测跟踪一体化算法,较好地实现了对机动目标的被动定位和跟踪.     

基于匹配场和长项积分混合处理的多模式检测跟踪一体化算法

提出多模式贝叶斯准则下的概率数据关联滤波新概念,并将该方法与基于匹配场-长项积分混合处理相结合,建立了基于Bayes框架的检测跟踪一体化算法,较好地实现了对机动目标的被动定位和跟踪.     

改进的Mean Shift算法在前视声呐运动目标跟踪中的应用

多波束前视声呐具有成像速度快、分辨率高的优点,是进行水下目标探测、跟踪和监控的重要设备。针对多波束前视声呐运动目标的跟踪问题,提出了一种改进的MeanShift算法。该算法利用经典的MeanShift算法实现目标的帧间定位,通过基于图像序列的背景消减法实现运动目标分割,根据分割后目标的位置和大小对Mean Shift跟踪框进行更新,并重新建立跟踪模型来迭代实现目标的准确定位和跟踪。实验结果表明,改进后的算法可实现目标跟踪框随目标大小和形状的更新,对目标的定位更加准确。因此,该算法具有应用于水下目标精确跟踪和定位的潜力。     

基于R-FCN框架的多候选关联在线多目标跟踪

在线多目标跟踪是实时视频序列分析的重要前提。针对在线多目标跟踪中目标检测可靠性低、跟踪丢失较多、轨迹不平滑等问题,提出了基于R-FCN网络框架的多候选关联的在线多目标跟踪模型。首先,通过基于R-FCN网络从KF预测结果和检测结果中获取更可靠的候选框,然后利用Siamese网络进行基于外观特征的相似性度量,实现候选与轨迹之间的数据关联,最后通过RANSAC算法优化跟踪轨迹。在人流密集和目标被部分遮挡的复杂场景中,提出的算法具有较高的目标识别和跟踪能力,大幅减少漏检和误检现象,跟踪轨迹更加连续平滑。实验结果表明,在同等条件下,与当前已有的方法对比,本文提出在目标跟踪准确度(MOTA)、丢失轨迹数(ML)和误报次数(FN)等多个性能指标均有较大提升。     

基于稀疏非负矩阵分解的低空声目标识别

借鉴人耳听觉原理和特征学习的优势,提出了梅尔(Mel)频率谱提取和稀疏非负矩阵分解相结合的方法用于低空飞行目标声信号识别。首先,以不同目标的Mel频率谱为特征矩阵,利用稀疏非负矩阵分解方法学习得到各自的模板矩阵;然后,利用按列合并后的模板矩阵对训练/测试样本进行特征分解获得编码系数,该系数可作为分类特征;最后,结合不同目标的特点,采用分频段特征提取和顺序二类分类的方法进行多目标分类,并与Mel频率倒谱系数进行性能比较。结果显示,无论在单类目标辨识还是在多类目标分类中,稀疏非负矩阵分解方法均取得了更好的效果。     

基于声呐图像序列SIFT特征的多目标跟踪方法研究

针对高频成像声呐多目标跟踪中声成像的不稳定问题,在基于检测前跟踪的声呐图像序列尺度不变特征变换（Scale Invariant Feature Transform,SIFT）的基础上,提出了一种结合对数变换的声呐图像序列SIFT特征跟踪方法。该方法利用对数变换进行图像预处理,进而利用声呐图像序列SIFT特征进行多目标跟踪。水池试验数据的处理结果表明：与中值滤波和动态亮度分配的方法相比,结合对数变换的声呐图像序列SIFT特征跟踪方法具有更好的多目标跟踪效果。     

复杂动态背景下的红外运动多目标跟踪与检测

提出了一种采用小波变换对复杂动态背景变化程度的检测方法.对红外序列图像进行小波变换预处理后,可以提取出若干个特征区域,通过检测这些特征区域的差异来判断背景的变化程度,实现背景抑制.在抑制动态背景的基础之上,运用基于动态先验知识的区域主动轮廓模型的水平集方法来实现红外多目标的数据关联和跟踪,动态先验知识包括形状描述因子、灰度特征和运动特征等.同时,在多目标跟踪中存在目标"合并和分裂"的现象,运用"记忆和填充"方法来实现对多目标的稳定跟踪.通过对实际复杂动态背景条件下的红外序列图像进行多目标跟踪和检测实验,验证了所提方法的可行性和有效性.     

基于新的梯度特征相似度量的目标跟踪算法

为了稳定跟踪空中具有强机动特点的战斗机目标,提出了一种图像梯度特征相似性度量算法,并利用空中目标梯度空间分布特点构造了一种自适应调整模板尺寸的方法.在传统MAD相关匹配算法的基础上,通过引入梯度匹配权值模板,实现了对梯度特征的相似性度量.在跟踪过程中利用目标梯度空间分布局部占优的特点,构造能够反映目标尺寸的特征分布曲线来估计目标大小,调整匹配定位时的目标模板尺寸.仿真结果表明,跟踪算法能够适应飞机在做强机动时产生的快速形变,以及由形变带来的目标自身灰度的剧烈变化,实现了对目标的稳定跟踪.     

Analytic performance prediction of feature-aided global nearest neighbour algorithm in dense target scenarios

An analytic performance prediction method for the feature-aided global nearest neighbour tracking algorithm in multi-target tracking (MTT) scenarios is proposed. The approach serves as an alternative to the costly Monte Carlo simulation method. In MTT, evaluation of interference among multiple targets remains a crucial issue on tracking performance study. This issue is investigated in dense target scenarios with feature information and unrestrictive motion. Analytic expressions are developed for tracking performance in terms of the probability of correct association and estimation accuracy. Feature information of targets is incorporated in the formulation which provides us an insight on how the tracking performance is impacted by features. In the derivations, a series of simplification assumptions are made and the results are not intended to be used directly in practical tracking applications. The major contribution of the paper is to provide a theoretical exploration and a methodology for analytic performance prediction of MTT.     

带SSR修正的异步多传感器系统的无味JPDA跟踪

针对杂波环境下多变采样率传感器多目标跟踪问题,考虑到二次雷达(SSR)具有辨别敌我方目标和更精确的高度探测能力,本文提出了一种带SSR修正的异步多传感器系统的无味JPDA跟踪算法.该算法首先通过测量值映射的异步数据处理方法对多传感器数据进行点迹的合成,然后通过二次雷达对敌方目标的高度信息进行自适应修正,最后用无味JPDA算法对按序到来的异步采样量测进行顺序滤波融合.通过蒙特卡洛仿真,表明该算法在提高目标跟踪精度和正确关联概率上是有效的.     

基于BELLHOP模型的水下多目标跟踪算法研究

针对高频主动声呐的深海多目标跟踪问题,提出了基于BELLHOP模型的无迹卡尔曼滤波-高斯混合概率假设密度(Unscentesd Kalman Filter-Gaussian Mixture-Probability Hypothesis Density, UKF-GM-PHD)水下多目标跟踪算法。该算法首先利用BELLHOP射线声学模型,计算出本征声线、目标信号的幅度、相位及时延信息,以此构造目标回波信号并叠加高斯白噪声。然后,由回波信号计算得到目标相对于观测站的距离、方位角和俯仰角信息,作为目标跟踪系统中的量测信息。最后利用提出的UKF-GM-PHD多目标跟踪算法,实现高频主动声呐非线性系统的多目标跟踪。仿真结果表明,在深海高频主动声呐条件下,文章提出的UKF-GM-PHD多目标跟踪算法较传统高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density, GM-PHD)方法,明显降低了目标丢失率,并且最优子模式指派统计量(Optimal Sub-Patter Assignment, OSPA)距离也更小,跟踪效果更好。     

基于YOLOv3检测和特征点匹配的多目标跟踪算法

针对传统多目标跟踪算法中行人检测速度慢、易受光照变化、行人快速移动及部分遮挡因素的影响造成行人目标跟踪性能差等问题, 提出一种根据经典的Tracking-by-Detection 模式,采用深度学习YOLOv3算法检测行人目标,然后利用FAST角点检测算法与BRISK特征点描述算法对相邻帧间的行人目标进行特征点匹配,实现多目标行人跟踪的算法。实验结果表明行人目标在背光、快速移动、部分遮挡等复杂环境下均获得了良好的连续跟踪效果,平均精度达到87.7%,速度达到35帧/s。