高分辨距离像相关性辅助多目标跟踪

密集多回波环境下对多目标跟踪时,在无法预知跟踪目标先验信息的条件下,研究了利用时间相邻的目标高分辨距离像的相关性辅助多目标跟踪的信号辅助跟踪算法。结合仿真目标的散射数据,建立多目标跟踪并行和向心飞行2种动态仿真场景,并与联合概率密度和最近邻算法进行比较,验证了算法的性能和有效性。     

基于粒子滤波和数据关联的多目标跟踪算法

针对图像序列中低信噪比条件下的点状多目标跟踪问题,在已获得各个目标初始信息的基础上,结合粒子滤波和联合概率数据关联(JPDA),研究了一种基于单帧检测的实时多目标跟踪算法.介绍了其基本思想和具体算法实现步骤,并在MATLAB仿真环境下实现了该跟踪算法.实验仿真结果表明,该算法能够准确跟踪作任意轨迹运动的多个点状动目标,具有良好的实时性与准确性.     

基于灰关联无源多目标跟踪系统航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本上照搬多传感器数据融合的理论,仅利用目标的状态信息.文中利用了目标的多特征信息(载频、脉宽、脉冲重复间隔等),应用灰关联理论,提出了一种基于灰关联的分布式无源多目标跟踪系统的航迹关联算法.由于利用了目标多特征信息,算法具有关联速度快、正确率高、而且能够适应密集目标环境的优点.仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法.     

一种融合遮挡分割的多目标跟踪算法

复杂环境下的多目标视频跟踪是计算机视觉领域的一个难点,有效处理目标间遮挡是解决多目标跟踪问题的关键。提出了一种融合遮挡分割的多目标跟踪算法,计算每个目标的光流速度概率直方图,反映其运动统计信息;综合使用外观、运动、颜色信息构造新的像素距离表达,借助分阶段分类思想及K均值聚类技术进行遮挡分割,得到准确的运动前景像素;在粒子滤波器跟踪框架下,使用概率外观模型进行多目标跟踪,更好地处理动态遮挡问题。实验表明,所提算法解决了复杂环境下的多目标跟踪问题。     

一种GMPHD滤波改进算法及仿真研究

提出了一种面向快速多目标跟踪的多目标信息自适应提取算法。该算法引入子PHD表示单目标强度,其积分表征目标存在概率,并分类为存活子PHD、新生子PHD以及预备存活子PHD,对各子PHD进行预测及更新,另外构建多子PHD管理策略实现航迹提取,从而实现快速目标跟踪。仿真结果表明,此算法在状态估计的精度以及计算效率上具有非常明显的优势。     

基于D-S证据理论的无源航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本照搬多传感器数据融合的理论,仅利用目标的状态信息。文中利用了目标的多特征信息（载频、脉宽、脉冲重复间隔（PRI）等）,应用Dempster-Shafer（D-S）证据理论,提出了一种基于分布式无源多目标跟踪系统的多特征信息融合航迹关联算法。算法具有以下优点：关联速度快,正确率高,而且能够适应密集目标的环境。仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法。     

多目标跟踪中基于特征辅助的概率数据关联算法

在传统的多目标跟踪系统中,数据关联仅利用了那些与目标状态向量直接相关的信息。在此提出了一种基于广义概率数据关联(GPDA)的新的关联算法即特征辅助跟踪(FAT)算法。该算法同时利用了目标的特征信息和状态信息进行数据关联,较好地解决了在密集杂波环境下对近目标的跟踪问题。最后以目标的一维距离像信息为例进行仿真,仿真结果表明,所提出的算法使跟踪性能优于传统的概率数据关联。     

一种多目标跟踪起始和数据关联的快速算法

包含有新目标跟踪起始的数据关联问题是多目标跟踪算法研究中的一个难点。本文首先描述了红外搜索跟踪（ＩＲＳＴ）系统进行多目标跟踪中的跟踪起始和跟踪终结问题;然后提出了采用可变跟踪门的方法,并且将ＩＲＳＴ系统接收到的目标红外辐射作为一个参考量。给出了多目标跟踪起始和数据关联的快速算法。最后给出了数值仿真结果,仿真表明了这种算法的快速性和有效性。     

多普勒盲区下基于GM-CBMeMBer的多目标跟踪算法

在机载多普勒雷达多目标跟踪(MTT)过程中,多普勒盲区(DBZ)的存在易造成连续漏检,严重地影响目标跟踪性能。针对这一问题,提出了DBZ下基于高斯混合势平衡多目标多伯努利(GM-CBMeMBer)的多目标跟踪算法。首先将带最小可检测速度(MDV)的检测概率模型代入CBMeMBer更新公式中,然后推导了带MDV和多普勒信息的GM-CBMeMBer更新公式。仿真结果表明,相比未并入多普勒和MDV信息的GM-CBMeMBer,所提算法能有效改善DBZ条件下的多目标跟踪性能。     

地面多目标跟踪滤波技术

介绍了地面运动目标的跟踪滤波算法。计算机仿真及真实雷达环境的多目标跟踪表明,采用本文提出的多目标跟踪处理算法进行地面目标的跟踪,跟踪精度和实时性都能满足要求,该方法是有效和可行的。