海量目标量测数据下的目标跟踪

针对大量传感器同时跟踪同一目标产生海量目标量测数据而一般融合滤波算法难以处理的问题,提出了通过数学统计原理提取跟踪状态信息并应用交互式多模型统计滤波算法进行解决的方法。该方法首先利用数学统计原理从海量目标量测数据中统计出目标跟踪滤波过程中所需要信息,并利用改进的交互式当前统计模型算法对所提取信息进行滤波,在不影响跟踪精度的情况下很好地解决了的海量目标量测信息的融合跟踪问题。理论分析和仿真结果证明了该方法的有效性。     

一种利用点目标响应和加权窗 进行海洋雷达高度计重跟踪的新方法

重跟踪是海洋雷达高度计1B级数据处理中的重要内容,依靠重跟踪可进一步精确提取测量信息,在重跟踪中利用雷达系统的点目标响应和加权窗进行数据校正十分重要.本文提出了一种利用点目标响应和加权窗进行雷达高度计重跟踪的新方法,在该方法中利用点目标响应和星上加权窗重新构造了重跟踪时使用的信号模型,从而有效地提高了重跟踪的精度.本文利用该方法对SZ-4高度计的数据进行了处理,并将处理结果分别与同期的ERS-2高度计测量数据和海面浮标数据进行了对比,对比结果显示该方法对参数提取效果有显著改善.     

基于压缩感知的变尺度目标跟踪技术

为解决变尺度目标的跟踪问题,本文基于压缩感知理论设计了一种具有目标尺度不变性的目标跟踪方法。该方法首先通过插值的方式将初始帧中要跟踪的目标扩展细化至设定的模板图像大小,提取其压缩感知变换后的低维Haar-like特征作为模板特征并初始化分类器,其次利用卡尔曼滤波对待跟踪的图像帧中目标所在位置和尺度变化趋势进行预测,然后在预测目标所在位置周围提取多个不同尺度的待测目标样本并提取其压缩感知变换后的低维Haar-like特征,最后将这些特征送入分类器进行分类得到真实目标并更新分类器。经过实验验证,本文所设计的跟踪方法的平均跟踪成功率为77%,平均中心位置误差为12像素。能够实现对运动过程中发生尺度变化的目标的有效跟踪。     

空域视频场景监视中运动对象的实时检测与跟踪技术

本文分析了空域视频场景中运动对象实时检测、跟踪系统的模型。提出了一种在运动背景下实时检测与跟踪视频运动目标的技术。该方法首先进行背景的全局运动参数估计,并对背景进行补偿校正,将补偿校正后的相邻两帧进行差分检测。然后利用假设检验从差分图像中提取运动区域,利用遗传学方法在指定区域内确定最优分割门限,提取视频运动对象及其特征;最后利用线性预测器对目标进行匹配跟踪。在基于高速DSP的系统平台上的实验结果表明该方法取得了很好的效果。     

基于Kalman和GMM-PBAS融合的红外视频目标检测与跟踪

红外成像系统已被广泛地应用于红外精确制导、视频监控、搜索和跟踪等领域。基于红外视频的目标检测与跟踪是上述领域中的一项重要技术,文中通过结合GMM和PBAS算法的优点进行背景提取,再结合Kalman滤波进行目标检测与跟踪。实验证明该方法能够在多种外部扰动情况下准确地提取背景并抑制阴影对真实运动目标的影响。     

基于单像素单光子探测的目标识别与跟踪方法

为了实现弱回波信号下非合作目标识别跟踪,文章基于单像素光子计数激光雷达系统设计了目标识别跟踪策略,并且提出了一种目标识别跟踪方法。该方法首先将单像素光子计数激光雷达系统采集得到的三维点云经过插值处理得到直观的距离像,然后采用最大稳定极值区域算法分割目标和背景,根据目标轮廓特征识别并选择需要跟踪的目标。最后提取识别目标的质心,与激光雷达扫描中心的偏差作为误差信号,控制伺服系统在扫描的基础之上执行目标跟踪。实验结果表明,当激光发射能量为625 pJ、回波光子数为25时,该系统能对距离为5 m、角速度约为2 mrad/s的目标进行稳定的识别跟踪;验证了基于单像素光子计数激光雷达的策略及方法能够稳定的分割目标和背景,以及正确提取需要识别跟踪测距的目标质心,为弱回波信号下目标识别跟踪测距提供一种有效直观的探测方法,同时,弱信号探测作为远距离探测的必要条件,为远距离下的目标探测及识别跟踪提供了一个新的技术方向。     

遮挡情况下多尺度压缩感知跟踪

针对现有在线学习跟踪算法中目标在线模型更新错误导致跟踪漂移的问题,提出一种在线模型自适应更新的目标跟踪算法:首先利用压缩感知技术的高效性,对多尺度图像特征进行降维,并提取多尺度样本来实现目标尺度自适应更新,再由提取的正负样本低维图像特征训练朴素贝叶斯分类器,利用分类器输出置信度最大处目标样本完成目标跟踪,并依据当前目标置信度来自适应在线模型更新速率,减少了遮挡带来的目标错误更新。实验表明:该方法在尺度变化、局部和全局遮挡、光照变化等情况下均能完成鲁棒跟踪,平均跟踪成功率较原始压缩感知跟踪算法提高了20.3%。     

基于SWAD算法的空间面目标高精度跟踪技术研究

针对空间面目标的高精度跟踪问题,提出一种面目标高精度跟踪方法,该方法利用SWAD模板匹配算法和亚像素拟合算法提取目标精确的位置信息,并在跟踪过程中对模板进行实时更新。对传统的无限冲击响应滤波模板更新方法进行了改进,提出一种变系数模板更新方法,该方法计算量小,不需要经过复杂的置信度判断,模板更新系数由当前模板图像和当前最佳匹配区域图像的灰度值决定;利用不同亮度的目标,以及对目标图像进行尺度变换模拟姿态变化的目标,比较了该模板更新算法和传统算法的匹配误差,结果表明:该算法能够更好地适应目标姿态的变化;最后通过平行光管和靶标板模拟远场非合作目标,搭建了室内演示试验,证明了利用模板匹配进行高精度目标跟踪的可行性。     

复杂背景下圆形红外目标跟踪系统

提出了一种复杂背景下红外图像序列中圆形目标提取、判别以及跟踪的系统框架。在目标提取阶段,采用支持向量回归的方法选择种子点,用自适应选择阈值区域的生长方法进行分割提取目标。对于目标判别,采用最多共圆像素点数除以总像素点数作为圆形程度的度量进行圆形判别,并提出改进的标准Hough变换来找到共圆点。跟踪算法中,应用了粒子滤波的跟踪方法,并针对红外目标的特点,建立实现粒子滤波算法的细节。实验证明了整个框架体系的有效性和稳健性。     

改进的KCF红外空中目标跟踪方法

针对红外空中目标跟踪中遮挡导致的跟丢问题,结合核相关滤波跟踪算法(KCF)无法跟踪尺度的缺点,提出一种基于KCF的红外空中目标跟踪方法。该方法借助KCF估计的目标位置,增加Sobel算子提取目标扩展区域的边缘信息,从而获取目标尺度并进行二次定位。然后,判断目标是否受遮挡或跟丢,采用帧差法重新检测目标,确保目标的持续跟踪。在7个视频序列上对所提的算法进行了实验,结果显示,所提算法能够有效计算尺度,验证了多种环境下跟踪的有效性。平均跟踪速度达到44 f/s,能够满足实时性要求。因此,本文提出的方法对于红外空中目标的跟踪具有一定的实用意义。     

基于颜色和边缘直方图的多目标跟踪

为了解决基于颜色直方图的多目标跟踪方法对复杂场景适应能力差,容易丢失目标的问题,文中提出一种将颜色直方图与边缘方向直方图相结合的多目标跟踪方法。该方法首先采用一种分块连通域标记方法进行多目标提取,并获得目标的颜色、边缘特征;然后融合目标颜色与边缘两种特征来描述目标的外观模型;最后对跟踪过程中的目标模板进行更新。实验结果表明,该方法对于目标在尺度、光照、姿态发生变化以及目标发生旋转情况下能够实现目标的稳定跟踪,具有很强的鲁棒性。实验中对3组挑战性的视频序列进行了测试,目标数目选定为2个,目标窗口大小为64 pixels× 64 pixels的情况下,本文方法跟踪速度最高可达20 fps,基本上可以满足实时性的跟踪需求。     

基于分形几何边界提取的图像跟踪方法

为了满足现代武器装备对图像跟踪系统的实时性和跟踪可靠性的双重要求,针对武器装备所跟踪目 标的特点,将基于分形几何的边界提取方法用于图像跟踪系统,提出了一种基于运动区域和边界图像的目标跟踪方 案。文中的边界提取方法不仅能提取出目标的轮廓,还能较好地保留其内部细节,这样通过模板匹配得到的最佳匹 配位置更加可靠。同时,基于运动区域的边界提取,大大减少了计算量,尤其是对于远景的目标跟踪。此外,在利 用边界图像进行匹配的基础上,采用了自适应模板更新策略,目的是尽可能地克服形变、光照等影响,使跟踪过程 准确可靠．仿真实验表明,该方法运算量小,能满足武器装备实时性的要求,并行之有效。     

面向无人机影像的目标特征跟踪方法研究

提出了一种面向无人机视频影像的目标特征跟踪模型,首先根据目标检测结果在目标感兴趣区域中采用Shi-Tomasi算法进行角点检测,提取目标特征角点并在跟踪过程中对特征角点进行实时更新以保证角点数量满足跟踪条件,最后通过金字塔Lucas-Kanade算法对目标特征进行跟踪。实验结果表明,该模型鲁棒性强且易于实现,在获得良好跟踪效果的同时可满足实时处理要求。     

目标遮挡情况下的压缩跟踪算法

针对经典压缩跟踪算法在目标被遮挡时容易导致目标丢失的问题,提出了一种基于目标遮挡情况下的压缩跟踪算法.该方法首先依据分类器的最大响应值判断目标是否被遮挡.若发生遮挡则利用基于颜色直方图特征的粒子滤波算法进行跟踪预测,即将遮挡前提取的目标颜色直方图与粒子的颜色直方图进行相似性比较.为确保目标再现时能及时准确地捕捉其位置,再利用Harris角点特征进一步验证,并将预测的位置作为目标位置继续压缩跟踪.仿真结果表明,该算法能够准确地判断遮挡的发生,平均跟踪成功率较经典的压缩跟踪算法提高了24%,有效提高了跟踪的鲁棒性.     

基于光流方程和目标匹配的视频图像目标跟踪方法

提出一种利用图像差分、局部光流法和目标匹配,实现视频对象目标提取和跟踪的方法.首先,对预处理后的图像进行差分;在差分的基础上,运用局部光流场对目标进行运动估计;对估计结果依据相似度进行聚类分析,消除小的非目标区域;当目标未发生剧烈变化时,更新目标模板,否则,利用已有目标模板进行匹配跟踪.实验结果验证了该算法的有效性,并实现了目标变形和部分遮挡时的稳定跟踪.     

一种用红外热像仪检测与跟踪遮挡目标的方法

针对隐蔽目标难于发现、复杂多变、信息量少等特点, 提出了一种用红外热像仪检测与跟踪遮挡目标的方法。关于目标检测, 首先利用模糊 C均值聚类(fuzzy C-means clustering, FCM)对图像中的区域进行聚类, 根据亮度信息初步分割出候选目标区域, 然后用纹理信息进一步分割候选的目标区域, 以检测出最终的目标区域; 关于目标跟踪, 由于被遮挡的目标轮廓不连贯, 所以采用链码提取目标轮廓, 并应用质心跟踪算法跟踪目标。通过实验, 验证了该方法对遮挡目标检测和跟踪的有效性。     

基于图像识别的钻头自动跟踪算法

针对当前方法进行钻头自动跟踪过程中,难以对钻头目标模板进行精确描述且运算较为复杂,存在跟踪误差大的问题,提出一种基于图像识别钻头自动跟踪方法。该方法利用双重卷积理论对钻头原图像进行阈值分割,提取钻头运动图像目标,将提取的钻头运动图像目标进行滤波处理,获得钻头图像的归一化中心矩,采用高斯模型对钻头运动图像目标和背景建模,在此基础上将卡尔曼滤波预测估计思想和均值漂移思想相融合,应用于钻头运动图像目标跟踪过程中,由此完成对钻头的自动跟踪。实验结果表明,所提方法能够有效提升钻头运动图像目标的检测精度,且目标跟踪的稳定性较强。     

视频序列中运动目标的检测与跟踪方法

提出了一种视频序列中运动目标的检测与跟踪算法,该算法采用基于码本背景建模的减背景法与差分法相结合的算法,实现对运动目标的快速精确的检测与提取,也能够在存在前景运动的过程中提取背景,使用卡尔曼滤波对运动目标在下一帧中最可能出现的位置进行估计,在此基础上利用Camshift跟踪算法进行较小范围的搜索和目标匹配,减少了运算量、节约了搜索和匹配的时间、提高了跟踪的速度。实验证明该方法具有一定的实用性。     

一种红外目标的检测方法

在红外寻的制导过程中，需要尽快的截获并锁定跟踪目标，本文就此问题提出了一种方法可以快速的进行目标的截获与获得跟踪的波门，而且能够进行多目标的分割。该方法的思想是把对图像的二维矩阵的处理通过投影简化到对两个一维向量的处理，首先，对图像进行边缘提取，然后把边缘提取的结果投影到两个一维向量上，接着在一维向量上通过模板的方法进行滤波，最后在两个一维向量上计算目标的中心与波门。经试验表明，该算法能够准确截获目标并给出跟踪波门。     

脉冲神经网络在运动目标检测中的应用

近几年,在智能监控系统中,广泛应用了基于生物视觉原理的运动目标检测与跟踪计算模型。这里提出一种基于神经轴突延迟机制,利用脉冲神经元网络模型对运动目标进行检测与跟踪的算法,该神经网络模型是利用轴突延迟脉冲神经网络模拟人类的视觉特性,从而提取运动目标,并具体分析脉冲神经元网络算法的实际意义。实验结果表明,该算法能够动态并行地进行运动目标提取,可通过硬件实现而应用于监控系统中。