一种交叉多目标跟踪算法

为了解决多目标跟踪过程中由目标轨迹交叉引起的跟踪算法复杂度增加以及跟踪精度降低的问题,提出了一种改进的基于随机有限集的交叉多目标跟踪算法。该算法以高斯混合参数代替概率密度假设来降低算法复杂度和减小跟踪误差。最后在线性高斯条件下进行了MATLAB仿真实验,模拟多目标的运动过程,应用本文提出的改进算法和传统的基于数据关联的算法对多目标进行跟踪,对比试验结果表明所提出的改进算法对交叉多目标具有更加良好的跟踪性能。     

基于改进YOLO和DeepSORT的实时多目标跟踪算法

针对基于检测的两步多目标跟踪算法模型结构复杂、实时性差的问题,提出一种基于改进YOLOv4-Tiny和DeepSORT的实时多目标跟踪算法。在YOLOv4-Tiny算法中引入深度可分离卷积,压缩模型计算量;将检测分支增加至3个,并使用多尺度特征融合结构以降低对小目标的漏检率;利用改进的GC注意力模块,加强网络对全局上下文特征的提取能力。跟踪部分使用DeepSORT算法,使用匀加速卡尔曼滤波优化其行人运动模型,利用浅层分类网络重构其外观模型,最后在MOT16测试序列中实验。结果表明,改进算法的总参数量为4.2M,较原算法减少52%且MOTA增加5.2%,GPU下处理时间加快,单CPU时能达到平均每秒11帧的跟踪速度,能满足低算力设备对跟踪任务精度和速度的要求。     

一种拥挤环境下的多目标跟踪算法

多目标的鲁棒跟踪是视频监控系统的基础。在拥挤的环境下,由于遮挡的原因,传统的单目跟踪方法很难分割前景目标并跟踪。本文通过码本算法获得多个视角的前景信息,利用部分标定法获得平面单应性矩阵,根据此矩阵将各个视角的前景信息投射到参考视角后进行数据融合,利用得到的定位信息进行跟踪。实验结果表明,该算法在拥挤的环境中能实现对多目标的鲁棒跟踪,具有很好的实时性。     

改进布谷鸟算法优化粒子滤波的多目标跟踪方法

标准粒子滤波器的重采样会造成粒子贫化,影响跟踪系统的精度。为克服这一缺陷,提出了一种改进布谷鸟搜索算法优化粒子滤波的多目标跟踪方法。将粒子作为布谷鸟宿主鸟巢,模拟布谷鸟寻找宿主鸟巢位置的行为,通过全局搜索和局部搜索两个阶段使粒子向高似然区域移动。同时,改进布谷鸟搜索算法的寻优机制,提出动态搜索步长和强化局部搜索的方法,加强了算法的全局搜索的收敛速度。此外,改进算法结合了联合概率数据关联,用于解决多机动目标跟踪问题。本文设置了一维环境和二维环境两组实验,对比优化后的粒子滤波算法与标准粒子滤波算法的目标跟踪性能。实验结果表明,本文提出的算法不仅全局收敛速度更快,而且提高了多机动目标跟踪的精度;与标准布谷鸟搜索优化粒子滤波算法相比,全局收敛迭代速度提高了28.5%;与粒子滤波联合概率数据关联和粒子群优化粒子滤波联合概率数据关联算法相比,估计精度分别提高了24.7%和11.81%。     

融合SimAM注意力机制的实时多目标跟踪算法

多目标跟踪中的JDE算法首次将目标检测与重识别进行联合学习,极大提升了跟踪速度,但由于复杂背景干扰和遮挡导致跟踪准确度下降。为了解决跟踪速度与准确度的平衡问题,本文提出了SAM JDE,该模型融合了SimAM注意力机制、多尺度融合等思想,通过增强特征提取能力提高目标跟踪的准确性。使用CIoU_Loss作为回归损失函数,通过准确地构建目标框和预测框之间的位置关系来提升定位精度。关联匹配部分使用卡尔曼滤波预测运动信息,匈牙利匹配算法完成时序维度上的目标关联。在MOT16 test数据集上进行测试,MOTA达到664%,跟踪速度为206 FPS,在保证实时性的基础上跟踪准确度较JDE算法提升23%,较好地优化了准确度与速度的平衡问题。     

多目标跟踪在红外制导系统中的应用

为实现远距离对可疑目标的跟踪功能,提高红外制导的引导精度,提出了一种多抽头流水线架构的多目标跟踪方式.该方法将图像预处理、图像分割和目标检测等算法均在FPGA内部通过卷积运算实现,通过提高卷积运算速度达到实时处理的效果.试验结果表明,该方法与其他跟踪算法相比,可以自适应调整窗口大小、改变跟踪策略和自动分配窗口,提高了跟踪的多样性和可选性.该方法可以引导红外制导系统对多个目标同时进行跟踪,最终给出判据对威胁等级高的目标进行打击,具有实际应用前景.     

一种图像确认目标的多目标跟踪方法

为了解决回波的复杂性和不确定性导致雷达多目标跟踪精度降低的问题,给出一种图像确认的多目标跟踪方法。该方法通过序列图像获取目标部分相关参数,从而剔除与参数不相符的虚假回波和杂波;然后根据保留的目标回波更新所跟踪目标的测量新计算,从而减少了多目标跟踪中由无关回波和杂波干扰所造成的测量更新误差,提高了目标跟踪的精度。仿真实验结果表明,本算法在去除部分或全部杂波后,能够减小多目标跟踪的误差,使跟踪精度得到较大改善。     

基于复合粒子群算法的微电网能量管理策略

微网中的部分分布式能源的功率输出具备一定的随机和性间歇性,很大程度上影响了系统的供电稳定性和可靠性,因此,有效的对微网系统进行能量管理显得至关重要。以往的研究中,多采用优化算法在解决能量管理等问题,但其存在着陷入局部最优解等问题,为有效的解决上述问题,本文引入一种复合粒子群优化算法,综合考虑了微网运行过程的经济性、环保特性以及运行可靠性等要求,建立了微电网能量管理多目标优化数学模型,优化目标是运行成本及环境治理的费用最小。在满足功率平衡、分布式电源输出功率等约束条件下,对模型进行了求解,同时,预测系统内负荷需求的变化情况来确定微网的能量管理策略。通过仿真算例的分析验证改进算法的有效性。     

基于多目标跟踪偏差的异步电动机非线性稳定控制

针对异步电动机这一多变量、非线性、强耦合的控制对象，基于多目标跟踪偏差，运用非线性控制的方法，提出一种多目标非线性的控制方法。为改善电动机运行的控制性能，基于电动机的仿射非线性模型，采用基于微分几何理论的精确线性化技术，设计了异步电动机的非线性控制器。所提控制策略解决了模型系统的非线性问题。改善了控制系统的动态性能。基于Matlab／Simulink的仿真结果证明了所建立数学模型的正确性和非线性控制策略的有效性。     

一种基于随机场多运动目标跟踪算法

多运动目标跟踪是智能视频监控系统的重要内容。由于目标数量众多且目标之间相互遮挡,会造成跟踪轨迹不连续,这是多目标跟踪问题的难点,也是当前流行算法无法解决的研究的问题。利用目标对相互之间的位置信息受到外界干扰较少的特点,提出基于条件随机场多目标跟踪。与以前针对所有目标的外形特征不同,算法对跟踪子对进行标示。采用分层结构,由低阶状态作为输入序列到高阶,通过代价函数最小化,从而得到最终连续跟踪轨迹。能有效解决复杂环境下多目标不连续的问题。算法对于外形类似的被跟踪目标以及相互遮挡严重的情况有比较明显的优势,与当前优秀的算法相比,实验表明本文算法在定量分析和定性分析上均有较好的结果。     

基于变维交互式多模型算法的近区目标跟踪研究

雷达数据处理中的一个关键部分是目标跟踪,它负责对目标的点迹进行滤波,降低噪声影响.交互式多模型算法是一种基于广义伪贝叶斯算法的具有马尔科夫转移概率的多模型算法.它可以用多个模型匹配目标的不同机动模式,避免了单模型不能全程匹配带来的模型误差.近区目标往往具有较大的角速度和角加速度,模型集里包含角速度分量可以更好的匹配其机动形式.于是在交互式多模型的基础上提出了一种变维交互多模型算法,可以对不同维度的模型集进行交互滤波,以取得更好的跟踪精度.     

基于动态自适应相关滤波的复杂场景目标跟踪算法

为解决目标变化、场景非均匀照明等复杂场景下的目标跟踪问题,提出了一种复杂场景下基于动态自适应相关滤波的目标跟踪算法。该算法首先构造一组几何失真的目标参考图像的版本,然后基于组合滤波器的思想,将构造的适用于每个图的最优模板组合起来;同时为避免下一帧中预先指定目标预期位置的需要,算法采用基于时间序列的预测机制,通过考虑目标的运动学来提高跟踪精度;最后该算法设计了重新初始化机制,在系统发生故障时算法进行重启。仿真结果表明,所提的算法的跟踪精度和跟踪效率上优于现有的算法,从而验证了所提算法的有效性和可行性。     

基于AIMM SRCKF的机动目标跟踪算法

为了解决交互式多模型(interacting multiple model,IMM)算法在目标机动时模型切换速度迟缓的问题,给出了一种Markov概率转移矩阵在线修正的自适应IMM(adaptive IMM,AIMM)算法,利用IMM子模型中连续两个时刻之间的概率差来调整Markov概率转移矩阵,以提高子模型的切换速度...     

基于K-S检验的直方图匹配目标跟踪算法

为了快速准确跟踪运动目标,提出了基于K-S（kolmogorov-smirnov）检验的直方图匹配目标跟踪算法。将直方图信息作为模板,通过Kalman滤波原理预测出目标下一时刻的可能出现位置,以该位置为中心确定一个搜索范围,在搜索范围内判别直方图的相似性并进行模板匹配,在当前图像中跟踪目标。结果表明,基于K-S检验的直方图匹配方法可减小搜索范围,利用Kalman滤波预测目标的位置,在预测位置附近进行模板匹配,可有效减少模板匹配的遍历时间,提高目标实时跟踪效率。     

改进的基于特征融合MOSSE冠脉目标追踪算法

CT血管造影(computed tomography angiography,CTA)作为一种无创、检测精确较高的辅助诊断方法,尚急需能有效消除冠脉目标附近干扰噪声并寻求可全自动快速准确追踪目标的新算法以大幅减轻医生阅片压力、辅助其进行可靠诊断与治疗.提出了一种特征融合的误差最小平方和(minimum output s...     

基于AIMM SRCKF的机动目标跟踪算法

为了解决交互式多模型(interacting multiple model, IMM)算法在目标机动时模型切换速度迟缓的问题,给出了一种Markov概率转移矩阵在线修正的自适应IMM(adaptive IMM, AIMM)算法,利用IMM子模型中连续两个时刻之间的概率差来调整Markov概率转移矩阵,以提高子模型的切换速度和分配的合理性,同时提高了IMM算法的跟踪精度。其次,将平方根容积卡尔曼滤波(square root cubature Kalman filter, SRCKF)引入到 AIMM 算法中,以解决在迭代滤波过程中协方差矩阵出现的非正定的问题,改善了数值稳定性,提出一种适用于机动目标跟踪的AIMM SRCKF算法,仿真实验结果表明,该算法能提高匹配模型概率,缩短模型切换时间。     

基于目标跟踪的区域入侵检测方法研究

智能视频监控在人们生产生活中的应用越来越广,区域入侵检测是智能视频监控的一个重要方面。主要研究了基于目标跟踪的区域入侵检测方法。首先采用混合高斯模型进行运动物体检测,在实际验证中获得了较好的前景检测效果;进一步采用了Mean-Shift算法对从前景检测图像中提取出的运动物体进行实时跟踪,能够实时标记出运动物体并绘制出运动轨迹。采用OpenCV的运动物体跟踪算法框架,在Qt软件开发平台上进行了算法验证,获得了较好的实验效果,充分验证了算法的跟踪效果和实时性,具有实际工程指导价值。     

基于模糊交互多模型的机动目标被动跟踪算法

针对双观测平台纯方位测量的机动目标,提出了自适应归一化的模糊交互多模型算法。算法利用目标的方位信息,通过模糊推理机制自动调整过程噪声水平。提出了限定记忆归一化方法来自适应归一化模糊系统的输入变量,使得输入变量值始终保持在一个合理的范围内。仿真结果表明,与基于增长记忆归一化方法和经验法的模糊交互多模型算法相比,基于限定记忆归一化的模糊交互多模型算法的跟踪误差分别降低了9.56%和9.29%,能更好地跟踪机动目标的位置、速度和加速度。     

An adaptive kernel‐based target tracking method based on multiple features fusion

A new adaptive kernel‐based target tracking method is proposed to improve the robustness and accuracy of target tracking in a complex background. A linear weighted combination of three kernel functions of scale‐invariant feature transform (SIFT), color, and motion features is applied to represent the probability distribution of the tracked target. Appearance and motion features are combined to enhance the target region location stability and accuracy. The size of the tracking window can be adjusted in real time according to the affine transform parameters of the corresponding SIFT couples. The weights of three kernel functions are also adaptively turned according to the scene, in order to better extract the features. Experiments demonstrate that the proposed algorithm can track the moving target successfully in different scenarios. Moreover, it can handle target pose, scale, orientation, view, and illumination changes, and its performance is better than that of the classic Camshift algorithm, SIFT‐based method, the and color SIFT‐based method. © 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.