基于卡尔曼滤波的多运动目标跟踪算法研究

针对多运动目标跟踪的实时性和鲁棒性问题,本文提出了一种基于卡尔曼滤波的多运动目标跟踪算法,该算法运用卡尔曼滤波预测目标的位置,并以目标的中心点坐标、面积和长宽比特征、一维HSV颜色直方图作为目标的特征对当前帧检测到的目标模板和预测区域内的目标进行匹配。实验证明,该算法可实时、稳定地跟踪复杂场景内的多运动目标,并能够解决目标遮挡问题。     

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。     

利用帧间差探测函数模型的运动目标跟踪算法

针对基于模板匹配的目标跟踪算法中,匹配环节在算法中耗费大量的处理时间,使实时性较差的问题,提出了一种基于帧间差探测函数模型的运动目标跟踪算法.算法将"虚拟边缘"引入目标运动事件中,建立了帧间差探测函数模型,设计了几种新的模块用于解决目标跟踪中的方向纠错和实时性问题.实验结果表明,不仅可以有效地对在复杂背景下运动的小目标进行跟踪,而且能够获得相比于块匹配法更好的实时性能.     

一种基于边缘幅值分布的相关跟踪算法

针对空中目标的跟踪环境提出一种边缘幅值分布的相关跟踪算法,利用目标的边缘幅值分布作为目标的特征模板,通过求取当前帧中目标特征与目标特征模板相关系数的最优解来进行目标跟踪.与采用对称核函数的均值迁移目标跟踪算法相比,采用目标边缘点作为核函数中的样本点,参与计算的样本点为核窗口中样本的5%～10%,使图像处理速度达到了50帧/s以上,满足了实时跟踪的要求.在跟踪过程中,以目标相邻帧间特征向量的Bhattacharyya相关系数作为目标特征模板的更新判据,实验中相邻帧间目标特征向量的Bhattacharyya系数保持在0.95～1.0,满足模板实时更新的要求,为稳定跟踪提供了保障.     

基于帧间差分和运动估计的Camshift目标跟踪算法

针对Camshift算法无法适应目标的高速运动、复杂背景和遮挡的局限性,本文提出结合帧间差分法和运动估计对Camshift算法进行改进.首先在颜色概率分布图计算中通过帧间差分法加入目标运动信息,实现自动初始化跟踪并排除与目标相似背景颜色的干扰.之后在搜索窗传递过程中预测目标的位置,根据跟踪状态对搜索窗进行调整,以实现对高速运动目标的跟踪.实验表明新算法在目标高速运动、遮挡、和同色干扰情况下,仍能进行有效跟踪.     

复杂背景下迎头点目标检测算法

针对传统检测跟踪算法无法有效处理迎头点目标的问题,提出了基于红外序列图像相邻两帧间匹配的检测算法.根据迎头点目标的红外序列图像特点,采取点对点标记匹配结果,点对点统计标记次数,阈值门限输出迎头点目标.算法无需假定目标点位置,检测过程不随背景复杂程度和目标点数目变化而变化,尤其解决了高噪声情况下迎头点目标的检测和跟踪问题.算法结构简单、存储量小、运算速度快,根据多次仿真和实拍照片实验,验证了该方法的可行性和有效性.     

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。     

一种特征点跟踪的运动目标检测

提出一种基于特征点跟踪的运动目标分割算法。在角点跟踪过程中,8等分匹配点邻域,构造方向子邻域提高匹配精度;提出一种新的聚类准则抽取最优特征子集估计运动参数;结合统计方法消除残差噪声;采用时域滤波滤除孤立区域检测出运动目标。对200帧可见光视频序列和100帧红外图像序列中运动汽车进行检测分割实验,检出率分别达到96%和94%。     

多个运动目标回声图像的自动检测与跟踪

以图像处理技术理论为前提,提出了一种基于特征代价函数的运动目标自动检测跟踪算法.通过隔帧对称差分法检测运动目标,应用卡尔曼滤波对运动目标进行预测,并计算可能目标的形心、速度、大小、周长、长宽比等特征参数,依据这些特征参数构造了一个用于目标跟踪的代价函数,成功地实现了对水下多个运动目标的自动检测与跟踪.     

运动背景下多目标跟踪的小波方法

为了能从运动背景中检测其中的运动目标,并进行跟踪,提出一种基于小波变换的分层匹配跟踪算法。利用小波分解的多层子图进行分层匹配,估计整个背景的运动矢量;利用差分算法从运动背景中检测出多个运动目标,计算出多个动目标的形心坐标,绘出各动目标的运动轨迹。该算法与传统的块匹配算法相比,滤除了原图像的高频噪声,防止了在含噪原图像上进行块匹配不准确的缺点;另外,在低频分量图像上N×N范围进行块匹配,相当于在原图像上2nN×2nN的范围进行匹配搜索,搜索速度快。当相邻两帧背景运动向量小于10个像素,运动目标相对背景的运动向量小于5个像素时,实验结果证明了此算法的有效性和可行性。     

海空复杂背景下红外弱点目标检测新算法

为解决海空复杂背景下红外弱点目标的检测,提出了多量级多向梯度表决融合检测算法。算法依据目标红外辐射特征是像素灰度在水平和垂直方向上梯度变化,将弱点目标特性转化为对图像奇异性的分析。算法用多个量级的梯度步长对图像目标进行检测,并对检测的结果进行表决融合。实验结果表明,红外阈值系数选取2.0-2.4时,算法可对信杂比为1的点目标实现高于95%的检测概率及较低的虚警率。     

仅有角度观测信息情况下目标机动自适应跟踪算法研究

针对光电目标跟踪问题中纯角度跟踪的特点,提出了纯角度目标的机动自适应跟踪算法.该算法采用机动目标“当前”统计模型描述目标的运动特性,根据强跟踪滤波器的思想通过实时检测滤波器的残差信息确定目标的机动变化情况,进而调整“当前”统计模型中表征目标机动特性的参数(机动频率和随机加速度分布的极值),使得运动模型更加符合目标的机动...     

弱小目标跟踪算法性能评估的研究

本文提出了弱小目标检测和跟踪算法的性能评估框架,并针对弱小目标检测和跟踪的特点,从背景特性、目标特性和跟踪干扰特性等方面对弱小目标序列图像的仿真进行了分析.通过分析弱小目标跟踪中可能遇到的不同的目标情况和由此产生的正确跟踪轨迹、正常轨迹消失、错误跟踪轨迹、遗漏轨迹和虚假跟踪轨迹等目标跟踪状况,以弱小目标仿真模块提供的目标原始真值为基础,采用了有效跟踪评价和有效跟踪精度评价的方法对跟踪算法进行评估.试验表明,该方法能够有效地评估弱小目标跟踪算法.     

误差空间估计的卫星跟踪位置预测

为了提高光电跟踪设备进行卫星观测跟踪时的精度与平稳性,提出一种在跟踪过程中预测卫星位置的误差空间估计方法.该方法根据当前不完全有效与准确的实测数据,用动力学模型方法离线预测数据与离线预测误差表示卫星位置,在预测误差构成的误差空间中对其进行滤波与预测,再与离线预测数据合成以得到精度更高的卫星位置预测数据.实验结果表明,文中方法对卫星位置的预测数据精度比采用运动学模型的Kalman滤波方法高,在精度要求为1'的情况下,其能预测的时间范围比后者多25s以上,且误差随预测步长的增加,增长较缓慢.     

基于YOLOv3和ASMS的目标跟踪算法

为了解决传统算法在全自动跟踪过程中遇到遮挡或运动速度过快时的目标丢失问题,本文提出一种基于YOLOv3和ASMS的目标跟踪算法。首先通过YOLOv3算法进行目标检测并确定跟踪的初始目标区域,然后基于ASMS算法进行跟踪,实时检测并判断目标跟踪效果,通过二次拟合定位和YOLOv3算法实现跟踪目标丢失后的重新定位。为了进一步提升算法运行效率,本文应用增量剪枝方法,对算法模型进行了压缩。通过与当前主流算法进行对比,实验结果表明,本算法能够很好地解决受到遮挡时跟踪目标的丢失问题,提高了目标检测和跟踪的精度,且具有计算复杂度低、耗时少,实时性高的优点。     

遮挡和光照变化下的单鱼目标跟踪

鱼类跟踪是对鱼类行为分析的基础,在对水中的鱼类跟踪时,目标鱼会由于姿势的变化、受到周围鱼或者物体的遮挡或者光照的影响变得难以追踪。针对这种情况,提出一种利用MobileNet-SSD(SSD,single shot multibox detector)与Dlib关联跟踪器相结合对鱼体进行跟踪的方法,通过SSD算法精准地检测到视频中的鱼体,再将信息输入到Dlib关联跟踪器中,使跟踪对象定位更加准确,提高了鱼体在水中运动发生遮挡和光照变化时跟踪的鲁棒性。实验结果表明,该方法在鱼体跟踪视频中的表现明显优于其它算法,在不同环境下的跟踪成功率达到90%以上。     

基于慢度估计的次声台阵信号自动检测算法及应用

针对次声监测研究领域广泛使用的短时间与长时间信号功率比检测方法性能不能满足要求,渐进多通道互相关检测算法虚警率较高的缺点,利用信号的时、频、波数域特性和次声台阵各子台信号的互相关性特性,提出了一种基于次声台阵信号慢度估计的自动检测算法。次声信号慢度估计结果的合理性、一致性是该检测算法的依据。考虑到该检测算法计算量较大,在具体应用中加入其他计算量较小的传统算法,进行逐次检测,最后应用的慢度估计方法既是一种检测方法,也是对其他检测算法结果的最终审核,一方面可以降低单项检测方法对检测参数的敏感性,另一方面也可提高检测的正确率(虚警率和漏警率同时降低)。该复合检测算法应用于某实验次声台站信号的检测(信噪比大于1.1),结果虚警率为4.0%,漏警率为5.0%,表明了该方法的优良性能。从检测应用处理结果还可以推测,结合一个区域现有密集的地震台站数据和2~3个次声台阵的数据,可以方便地识别、监控爆破方式日益复杂的人工爆破事件和真正的地震(余震)事件,为地震灾害减灾防灾、采矿监控等多领域服务,具有重大推广价值。     

过程噪声方差实时补偿的非定轨目标跟踪

针对非定轨目标跟踪问题中过程噪声统计特性未知的特点,提出了一种实用的对过程噪声方差进行实时补偿的目标跟踪算法。该算法根据强跟踪滤波器的思想,通过实时检测新息序列来修正卡尔曼滤波算法中的状态预测误差协方差矩阵,进而对未知的过程噪声方差矩阵进行实时地补偿。由于存在新息检测机制,该算法能够有效地规避表征建模不确定性的过程噪声统计特性未知的问题,对于建模不确定性具有一定的适应能力。通过对一旋转靶标跟踪问题的仿真试验,证明了该方法的有效性。     

基于空气阻力因子估计的乒乓机器人精确轨迹跟踪

乒乓机器人轨迹跟踪中,由于摄像机成像畸变、目标高速运动造成的成像模糊和空气阻力等不确定因素会导致跟踪误差.针对这些问题,本文提出一种基于空气"阻力因子"估计的轨迹跟踪算法.该方法结合了Kalman滤波器快速高效的跟踪优点,先从空气动力学模型推导出"阻力因子"项,并将其引入状态向量,重新对增广的状态向量进行非线性特征建模,再采用针对非线性估计的扩展Kalman滤波算法进行状态估计.实验结果表明,该算法跟踪精度优于传统轨迹跟踪算法(速度误差由±0.5m/s减少为±0.2m/s),并具有数值计算的实时性和高效性.