机载光电跟踪系统连续帧图像快速识别定位

针对机载光电跟踪系统连续帧图像快速识别、准确定位的要求,本文在深入分析连续图像序列特性和机载光电跟踪系统特点的基础上,结合精密转台的运动变化信息,提出了基于转角信息的连续帧图像处理算法.该方法根据精密转台的转角变化信息,采用连续的图像序列进行多帧间差值运算以获得目标残差图,残差图之间相乘.除去大部分随机噪声点,结合中值滤波和自适应渡门跟踪算法,大大的减小了运算量,实现了运动目标的快速跟踪定位.通过对目标实测图像序列的试验,结果表明,该算法具有快速、稳定等优点,能满足机载光电跟踪系统实时图像跟踪的要求.     

三级管道流水线算法实现红外点目标跟踪

针对海空复杂背景下舰载光电跟踪仪的红外点目标检测跟踪问题,本文研究了一种基于三级流水管道的点目标轨迹检测与跟踪算法.该算法针对由光电跟踪仪实际拍摄的红外图像的二值分割图,利用第一、二级流水管道,完成对二值图像的二阶相关,实现更为有效的滤波除噪.利用第三级基于"或运算"的目标检测管道搜索目标点和进行目标点的准确定位,从而实现了从序列图像中可靠检测和跟踪点目标的目的.本文采用舰载光电跟踪仪实拍的红外图像,进行了实际的工程验证.结果说明,工程验证的结果与实验仿真结果相吻合,算法是可行的.     

基于LabVIEW的红外人体目标跟踪

针对红外图像序列信噪比低,缺少边缘及纹理信息,以及人体目标运动自主性强且姿态复杂多变的特点,选用Mean Shift目标跟踪算法,对红外人体目标进行跟踪.针对传统Mean Shift目标跟踪算法不能对尺度变化的红外目标进行有效跟踪的问题,对原有算法进行改进,使用边缘加权直方图与模板中心加权直方图计算Bhattacharyya系数的方式,实现核函数带宽的自适应,并利用界面友好的LabVIEW2011平台进行实现.通过两组实验证明了改进后算法的可行性和有效性.     

紫外序列图像中目标的提取

分析了"日盲"紫外ICCD(增强型电荷耦合装置)探测系统所采集紫外图像中噪声和目标的特点,基于紫外图像的特点,提出了一种紫外序列图像中目标提取的方法.该方法首先采用时域递归低通滤波算法对紫外图像进行降噪处理,有效抑制了图像中的随机噪声,提高了图像的对比度.然后运用自适应阈值分割算法对目标进行了提取.实验结果表明,该方法能较好地检测出紫外序列图像中的目标,具有较强的噪声抑制能力.     

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.     

基于Camshift的多特征自适应融合船舶跟踪算法

基于航道内船舶监控图像序列的多目标跟踪技术是开展船撞主动预警,提升桥区船舶通航安全的前提.基于颜色直方图的Camshift跟踪算法在复杂气象条件下无法得到准确的跟踪结果,本文提出了一种多特征自适应融合的多目标跟踪算法.该算法的目标模型由颜色、形状及纹理多特征自适应融合实现,增加了描述目标模型的可靠性和鲁棒性;在跟踪目标...     

基于支持向量机的红外成像跟踪算法

为提高传统红外成像跟踪算法的性能,克服相关跟踪对"图像灰度一致性"的要求,在分析光流方程和支持向量机基本理论的基础上,提出一种由光流方程引出的基于支持向量机的成像跟踪算法.以机动车的红外图像序列为研究对象,该算法利用支持向量机的分类值替代方差和误差函数,将每帧中分类值最大的位置看作当前帧中目标的位置,从而实现了对目标的跟踪.该算法不仅不要求满足"图像灰度一致性",而且有效地减少了跟踪的累积误差.研究结果表明,与传统相关跟踪算法相比,本文提出的跟踪算法的精度、稳定度和鲁棒性都有所提高.     

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.     

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。     

适用于快速扩展目标的跟踪算法

提出了一种算法──偏移质心算法,阐述了偏移质心算法的原理及实现过程。该算法适用于对高速运动扩展目标的跟踪,已成功地用于ＯＦＤ－６３０电视跟踪器,并通过了连云港动态打靶试验。由于这种算法快速简捷、方便易行,且能实时稳定的对目标进行跟踪,在图象跟踪系统中不失为一种简单实用的跟踪算法。     

水下机动目标跟踪技术研究

水下目标跟踪是海洋国土监视、反潜战等环境下的关键技术。以往的跟踪滤波算法主要基于卡尔曼滤波、扩展卡尔曼滤波等算法,这些方法实现比较复杂,滤波精度不高。最近出现了不敏卡尔曼滤波、粒子滤波、转换瑞利滤波、双多基地跟踪算法等,需要研究这些算法在水下目标跟踪中的性能。总结对比了国内外学者在此领域的研究成果,得出了这些滤波算法在水下目标跟踪中的优缺点。重点论述了纯角度跟踪和非线性滤波算法的发展、在水下目标跟踪中的应用以及多基地声纳跟踪水下目标技术的发展,回顾了机动目标跟踪和多目标数据互联算法。研究表明,非卡尔曼滤波算法能够更高精度地跟踪水下目标,双多基地声纳是今后发展的重点。为今后的研究提供参考。     

多亮点声纳目标轨迹起始技术

高分辨率声纳目标具有多亮点分布特性,传统轨迹起始算法很难有效对其轨迹起始。针对声纳目标多亮点分布特性,设计了基于蒙特卡洛方法的轨迹起始算法,其根据跟踪门内每个分布亮点的特性,估计目标的概率分布,推出目标位置信息。由于轨迹起始算法考虑了声纳目标的多亮点属性和每个亮点的信息,并在轨迹起始过程中没有将速度、加速度、角度等作为轨迹起始的限制条件,而是在确认阶段,作为限制条件,对不符合逻辑的轨迹进行淘汰,对符合逻辑的进行动静分类。所以此轨迹起始算法克服了传统算法容易将多亮点目标起始为多个轨迹或轨迹起始错误的缺点。用不同方法对多亮点分布声纳目标数据进行了轨迹起始,结果验证了该方法的有效性。     

一种新的基于颜色统计特征的判别跟踪方法

针对目前目标跟踪的大部分判别算法注重跟踪效率而没有考虑尺度变化这一问题,提出了一个简单而鲁棒的基于颜色统计特征的判别跟踪方法。这种新的颜色统计特征具有一定的光照不变性,同时保持较强的判别能力。建立了跟踪过程的仿射运动模型,利用优化参数来解决尺寸及角度变化等问题。此外,为了进一步提高跟踪速度,采用低维的颜色统计特征描述目标外观,利用颜色统计特征训练贝叶斯分类器,将置信值最大的样本作为跟踪结果,并在线更新分类器。与现有跟踪器的大量综合性的对比实验表明,该判别跟踪方法在不同挑战因素下均有明显优势。     

声纳目标运动分析的实现方法

目标运动分析是声纳的一个重要问题。为了能够有效地估计目标运动状态,选择适当测度集合是第一步。开发出有力的估计算法是解决目标运动分析的另一个关键步骤。本文简练地回顾了声纳目标运动分析的实现方法。在本文中,目标运动分析被松散地分成两大类。一类是经典的目标跟踪方法的一部分,它把数据融合作为整个估计过程的不可分割的一部分;另一类在估计目标状态时并没有利用数据融合。     

基于随机集理论的多目标跟踪研究进展

基于随机有限集理论的多目标跟踪方法,能够避免数据关联步骤的困扰,能够较好地解决复杂环境中目标数目未知且随时间变化的多目标跟踪问题.本文分析基于数据关联和基于随机集理论的多目标跟踪方法,阐明基于随机集理论的多目标跟踪方法的特点和优点,对目标状态提取、航迹关联、更准确的滤波算法,以及复杂条件下的PHDF算法等关键问题进行总结和评述,并指出该领域今后的研究热点.     

The tracking study of 3D image feature points of aerobic movements of high difficulty

Tracking the 3D image feature points of aerobic movements of high difficulty can improve the quality of aerobic movements. The current method takes the windowed area as the tracking template to complete the track of feature points with low efficiency. For that reason, a method based on Gabor is presented with which to track the 3D image feature points of aerobic movements of high difficulty. The method extracts feature points with SIFT algorithms, classifies feature points according to AdaBoost algorithms, and tracks feature points through the image pyramid. The experiment shows that the mentioned method enhances the accuracy of tracking the 3D image feature points of aerobic movements.     

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。     

基于运动方向及主轴的目标头部跟踪点稳定提取

光电成像跟踪过程中,目标距离较近时,将在视场中呈现出扩展目标的特性,其成像大小将随着距离的减小迅速增大甚至溢出视场.此时传统的质心、形心、相关跟踪会出现跟踪点跳动或漂移的问题,严重时甚至出现跟踪丢失的现象.针对这一问题,提出了结合目标运动与主轴方向的目标头部跟踪方式,通过跟踪目标头部确保背景在视场内占据定的比例,避免了目标充满视场而导致的分割失败或跟踪点在目标上滑动的情况.通过对目标的二值图像进行形态学滤波并计算头部的形心,进一步提高了头部跟踪点的稳定性.仿真测试与外场试验表明,该方法显著提高了跟踪的稳定性与可靠性.     

Moving human tracking across multi-camera based on artificial immune random forest and improved colour-texture feature fusion

In multi-camera video tracking, the tracking scene and tracking-target appearance can become complex. To finish multi-camera tracking in these challenging, we first utilize an improved brightness transfer function to establish matching tasks of different cameras and to reduce the influence of brightness changes between multiple cameras. Then, we proposes an improved colour-texture feature fusion (ICTFF) that is composed of the colour features and texture features for multi-camera human tracking in non-overlapping field of view. It’s the first time to use artificial immune random forest with fully exploit the linear combination information of the feature and colour feature that can achieving the optimization of the number of decision trees and the effective classification of the target feature. Compared with state-of-the-art algorithms, our ICTFF algorithm can significantly improve the tracking accuracy in some complex scenes, such as changing the speed, changing the direction and appearance of the target.     

基于混合相关滤波信息融合再检测的目标跟踪算法

为了减小在目标跟踪过程中目标形变和复杂背景变化对跟踪效果的影响,提出一种基于混合相关滤波信息融合再检测的目标跟踪算法。首先,利用相关滤波算法提取到目标的方向梯度直方图HoG特征,利用颜色模板得到目标的颜色特征,计算两个模板的采样得分;其次,再将两者的特征信息用线性组合的形式进行特征信息融合确定目标位置,跟踪过程中,根据设定的阈值条件选择两个模板采样较大的得分再检测目标的位置;最后,输出所有帧目标位置的结果。与其他的算法进行比较,该算法在应对目标形变和背景杂波方面有较好的跟踪效果。