基于对数极坐标映射的目标跟踪方法

在自动目标跟踪过程中,由于跟踪平台的抖动,较小的跟踪窗口往往不能满足系统稳定跟踪 的要求.本文利用对数极坐标映射,提出了一个目标质心快速搜索方法,从而跟踪运动的目 标.模拟实验表明：当选择较大的跟踪窗口时,仍具有较快的跟踪速度,从而使系统稳定跟 踪的能力得到提高.     

跟踪窗口尺寸自适应调整的粒子滤波跟踪算法

当目标尺度发生变化时,传统的粒子滤波跟踪算法的跟踪窗口尺寸不变,在目标尺寸变化较大时容易丢失跟踪目标.针对这一问题,提出了一种跟踪窗口自适应调整的粒子滤波跟踪方法.该方法依据运动目标区域内粒子到目标中心点的平均距离与目标尺寸的关系,建立跟踪窗口尺寸的数学模型.在两种目标模型上对所建立的数学模型进行了仿真验证.实验结果表明,当目标尺度发生变化时,跟踪窗口能够很好的随目标的尺寸变化而自适应地连续调整,改进后的算法在目标尺寸变化率很大时仍能够稳定跟踪目标.     

一种快速稳定的对比度跟踪方法

基于峰值的对比度跟踪方法是军事应用中最常用的目标跟踪方法之一.在分析了该传统方法的不足之后,提出了新的快速稳定的对比度跟踪方法.本文方法利用积分图像大幅减少重复计算,从而加快了寻找峰值的速度;同时,本文方法记录了具有相同最大值或最小值的所有子窗口位置信息,利用这些信息求得目标的当前位置.实验结果表明,与传统方法相比,本文方法的跟踪结果更稳定,计算速度更快.     

尺度和旋转自适应的均值平移目标跟踪算法

针对不规则目标和背景区分度低的目标在跟踪过程中尺度和旋转自适应的问题,提出了基于前景概率密度函数和椭圆拟合的均值平移目标跟踪算法.首先依据初始化的目标窗口及其周围的背景区域建立前景概率密度函数,抑制跟踪窗口内的背景像素,建立可靠的目标模板;然后将前景概率密度函数引入均值平移的迭代过程,实现跟踪窗口的快速定位;最后计算跟踪窗口内各点的前景概率密度函数,反向投影为前景概率分布图,通过对该图的边缘提取和椭圆拟合,获得当前目标的位置、尺度和旋转信息,并将其用于对下一帧跟踪窗口的初始化.实验结果表明,该方法克服了背景干扰对跟踪窗初始定位和目标信息更新的影响,能够实现对目标尺度和旋转的自适应,具有跟踪稳定和实时性高的特点.     

基于卡尔曼滤波的目标跟踪系统的建模与仿真

为了提高对高速飞行目标的跟踪精度,采用kalman滤波算法建立了飞行目标跟踪系统的滤波模型,将连续系统离散化后,结合奇异值分解理论获得了离散系统方程.通过对滤波稳定性进行分析可知,所建系统模型为完全能控和完全能观的,滤波系统稳定.仿真实验结果表明,经过卡尔曼滤波算法可以精确地获得高速飞行目标的位置、速度和加速度状态信息,从而能够更精确地对高速飞行目标进行跟踪.     

结合SURF与聚类分析方法实现运动目标的快速跟踪

为了解决运动目标快速跟踪过程的实时性与稳定跟踪问题,提出了结合SURF(Speed Up Robust Features)与K-means聚类分析的运动目标快速跟踪算法(SURF-KMs),对图像的局部多尺度特征提取与描述进行了研究。首先,使用SURF算法在跟踪窗口内提取特征点,生成并匹配特征矢量。然后,利用K-means算法估计目标特征点的质心位置,确定其聚集范围,实时更新窗口尺寸和位置。最后,建立目标模板更新策略,当目标发生形态变化而无遮挡时,更新目标模板。实验结果表明,当目标发生大角度旋转和快速缩放,同时发生颜色变化时,所提出的SURF-KMs算法仍能够实现稳定的跟踪,且满足运动目标实时跟踪的稳定可靠、精确度高、抗干扰能力强等指标要求。     

一种改进的长时间压缩感知跟踪算法

压缩感知跟踪(CT)算法具有简单、高效、实时的优点,但是却存在着跟踪窗口尺寸不能自适应变化,无法有效处理遮挡以及跟踪失败后的目标再发现等问题.为了解决上述问题,提出了一种改进的长时间压缩感知跟踪算法.所提出的算法采用多尺度的目标外观再匹配方法,使得跟踪窗口大小能够适应目标尺寸变化.此外,通过分析滑动窗口内跟踪窗口图像的整体特征变化来判定目标是否发生遮挡.为了解决跟踪器漂移问题,采用Haar特征在线生成检测器,实现目标的再发现.实验结果表明提出的算法相比原CT算法具有更好的鲁棒性和准确性.     

基于工地场景的深度学习目标跟踪算法

针对施工现场环境复杂,难以高效管理的问题.提出了基于工地场景的深度学习目标跟踪算法,辅助施工顺利进行.根据工地现场目标的连续性,构建增强群跟踪器,提升目标成功跟踪的概率.然后从滑动窗口、Stacked Denoising Auto Encoder（SDAE）和Support Vector Machine（SVM）三方面组建深度检测器.在滑动窗口方面：从梯度角度建立模型实现窗口自适应.在SDAE算法方面：构建反向算法微调网络参数.优化SVM算法降低跟踪时目标漂移和跟踪失败的概率,最终实现目标高精度跟踪.通过实验表明本文提出的算法可有效对目标进行跟踪,实现动态管理.     

一种自动改变窗口尺寸的跟踪算法

在动态目标跟踪过程中,实用的跟踪系统要求能实时地适应运动目标的外观变化,为了解决CamShift算法在跟踪尺度变化的目标的不准确问题,本文在原算法基础上预测搜索窗口的尺寸,同时也对运动目标质心位置进行预测。实验结果表明,改进的算法对尺寸逐渐逐渐增大的目标都能自动选择合适的跟踪窗口大小。     

嵌入式视觉运动目标跟踪技术研究

传统的PPM（Posterior Probability Measure）视觉运动目标跟踪算法,在目标发生尺寸变化时,会因跟踪窗不能自适应地改变尺寸而导致目标跟偏甚至跟丢的现象.因此本文在深入研究PPM跟踪算法的基础上,基于PPM跟踪算法的运算特点,提出了一种能袁征被跟踪目标尺寸大小的PPM缩放指标,进而设计了跟踪窗口自适应的PPM跟踪算法,实验显示,改进后的跟踪算法能得到较好的跟踪效果.基于TMS320DM642对嵌入式视觉目标跟踪系统的结构和功能进行设计,对改进后的PPM跟踪算法进行了DSP移植,最终实现了一套嵌入式视觉目标跟踪系统.     

利用RPLS算法实现电力系统频率跟踪

针对在电力系统频率跟踪算法中推导过程复杂、计算量大等问题,提出了一种利用递推偏最小二乘法(RPLS)实现电力系统频率跟踪的新算法。该方法在递推过程中,采用滑动窗法更新数据,同时引入了适当的遗忘因子。仿真结果表明,该算法在电力系统频率跟踪中具有计算复杂度小,推导过程简单,频率跟踪收敛速度快,测量精度高的特点,其是电力系统频率跟踪中的一种新方法。     

光电跟踪系统高速运动目标快速跟踪算法

为了解决光电跟踪系统中高速运动目标快速识别、准确定位的问题,在深入研究相关跟踪算法的基础上,提出了一种基于分块模板相关跟踪与自适应波门相结合的快速跟踪算法,该算法利用分块矩阵与大模板矩阵之间的关系,得出了在四分块的情况下,计算量为原来的1/4,搜索范围为原来的4倍,大大提高了计算速度和搜索范围,且具有原始相关算法的高的跟踪精度,可以实时快速的跟踪上高速运动目标。     

基于Mean Shift的变尺度快速运动目标自适应跟踪算法

为了实现对变尺度快速运动目标的良好跟踪,在对传统Mean Shift跟踪算法改进的基础上,提出了一种运动目标自适应跟踪算法。该算法首先采用目标区域的像素点空域加权后的彩色图像作为初始帧目标模板,目标的真实位置利用Mean Shift算法迭代求得,从而实现对快速运动目标的空间定位,然后将相邻帧的目标采用尺度不变特征变换(SIFT)算子进行特征匹配,根据目标的缩放因子实时更新下一帧的核带宽,修正算法跟踪窗口的尺寸,以适应目标尺度的变化,从而实现对快速运动目标的尺度定位。最后,通过实验表明,与传统的Mean Shift跟踪算法相比,该算法的跟踪准确率达到97%以上,能够实现对变尺度快速运动目标的精确跟踪。     

一种新的快衰落信道频域跟踪算法

该文研究了第三代移动通信系统中用户移动速度在150km/h以上时,无线信道的快衰落特性,并且在3GPP系统的协议框架下提出了一种新的基于频域的信道跟踪方法(FBP),利用快衰落信道频域上的相对稳定性,解决了由于信道参数变化的速度超过自适应算法收敛速度,而造成的在时域上无法进行信道跟踪的问题,文章给出了该算法的模拟结果,并与另一种对衰落信道的参数进行基于小波的信道跟踪算法(WBP)进行了比较,该文提出的算法具有更好的性能和更低的算法复杂度。     

变窗长自适应算法

基于快速横向滤波器结构，本文提出一种可变窗长自适应算法，该算法比滑动窗协方差算法具有更强的跟踪时变环境的能力。     

红外成像导引头角跟踪系统仿真分析

根据红外成像导引头角跟踪系统控制回路各部分的线性化数学模型，建立了导引头的数学模型。对导引头角跟踪回路进行了仿真和分析，从跟踪回路的跟踪性能、参数变化对回路性能的影响、考虑射手模型时角跟踪回路的性能、隔离度测试等方面进行了分析和验证。仿真结果表明，导引头跟踪回路的超调量、上升时间、隔离度等性能已基本满足设计要求，且具有较好的抗干扰能力。对导引头角跟踪系统进一步优化提出了建议，为红外成像导弹制导系统总体方案的确定和总体参数的设计提供了依据。     

Optimal tracking of time-varying channels: a frequency domainapproach for known and new algorithms

In this paper, we developed a systematic frequency domain approach to analyze adaptive tracking algorithms for fast time-varying channels. The analysis is performed with the help of two new concepts, a tracking filter and a tracking error filter, which are used to calculate the mean square identification error (MSIE). First, we analyze existing algorithms, the least mean squares (LMS) algorithm, the exponential windowed recursive least squares (EW-RLS) algorithm and the rectangular windowed recursive least squares (RW-RLS) algorithm. The equivalence of the three algorithms is demonstrated by employing the frequency domain method. A unified expression for the MSIE of all three algorithms is derived. Secondly, we use the frequency domain analysis method to develop an optimal windowed recursive least squares (OW-RLS) algorithm. We derive the expression for the MSIE of an arbitrary windowed RLS algorithm and optimize the window shape to minimize the MSIE. Compared with an exponential window having an optimized forgetting factor, an optimal window results in a significant improvement in the h MSIE. Thirdly, we propose two types of robust windows, the average robust window and the minimax robust window. The RLS algorithms designed with these windows have near-optimal performance, but do not require detailed statistics of the channel     

一种应用于VICTS天线的组合跟踪算法

可变倾角连续断面节阵列(VICTS)天线在使用单一跟踪算法跟踪卫星时,存在跟踪速度和跟踪精度之间的矛盾,导致天线不能稳定地跟踪卫星。文章在分析VICTS天线的基础上对步进跟踪算法进行改进,提出一种基于程序跟踪、步进跟踪的组合跟踪算法。通过设定信标AGC阈值把跟踪状态分为程序跟踪、步进跟踪,并将跟踪态和信标AGC值作为跟踪状态的切换条件,保证了天线工作时的跟踪速度和跟踪精度,由此提高了VICTS天线的跟踪效率。仿真实验结果表明,该算法有效地解决了跟踪速度和跟踪精度之间的矛盾,使天线能够快速、稳定和精确地跟踪卫星。     

基于RFID技术的游客游迹跟踪与追溯系统

针对游客游览过程中游客游迹跟踪和追溯的需求．分析了无线射频识别系统数据产生和应用系统需求信息之间的不匹配,给出了游客游迹可追溯单元的语义描述,提出了使用事件处理机制处理游客身份标签数据并完成相应信息的转换,建立了基于射频识别语义事件的游客游迹跟踪模型和追溯方法,通过并发射频识别事件优先级处理策略机制,设计了游客游迹跟踪与追溯系统的功能架构、网络结构和查询。     

A robust, parallelizable, O(m), a posteriori recursive leastsquares algorithm for efficient adaptive filtering

This article presents a new recursive least squares (RLS) adaptive algorithm. The proposed computational scheme uses a finite window by means of a lemma for the system matrix inversion that is, for the first time, stated and proven here. The new algorithm has excellent tracking capabilities. Moreover, its particular structure allows for stabilization by means of a quite simple method. Its stabilized version performs very well not only for a white noise input but also for nonstationary inputs as well. It is shown to follow music, speech, environmental noise, etc., with particularly good tracking properties. The new algorithm can be parallelized via a simple technique. Its parallel form is very fast when implemented with four processors