基于ROI特征匹配融合的图像多目标跟踪算法

在图像多目标跟踪问题中,针对图像匹配无法辨别同类别目标以及状态滤波难以对目标突发机动建模两个难点,提出了一种多特征匹配融合跟踪算法。该算法在基于局部方差图(standard deviation map,STDM)的目标检测结果的基础上,首先利用目标感兴趣区域(region of interest,ROI)的图像匹配来克服目标状态匹配误差的影响;然后利用状态特征匹配消除图像匹配识别的模糊性;最后在关联代价全局最优化框架下,将两者匹配结果融合,以提高多目标跟踪的正确率。     

一种新的基于在线采样的多物体跟踪方法

跟踪多个运动物体,尤其是在遮挡过程中跟踪多个运动物体,是计算机视觉领域一个重要但具有挑战性的问题.该文提出了一种新的在线采样、更新学习和分类的跟踪框架来处理多物体跟踪问题.首先,对遮挡发生前若干帧的各物体进行块采样,作为训练样本进行在线分类器设计.各帧的物体区域也在线进行块采样,并用这些分类器来进行分类标号.如果遮挡没有发生,一些新的训练样本被添加用来更新分类器.当遮挡发生时,根据标号结果,前景区域被分割成多个目标物体.和以往方法相比,新方法不依赖于一些假设条件,如场景深度信息、物体的先验模型(比如形状、种类、区域内颜色各向同性、运动规律等),具有更好的适应能力.实验结果验证了该文方法的稳定性和有效性.     

虚拟群体与动态视频场景的在线实时融合

将虚拟人群与实拍视频场景融合实现虚拟人群对现实场景中动态目标的合理避让,是增强现实技术有待解决的一个新问题.文中首先对实拍视频流进行分析,获取真实动态目标在三维空间中的运动信息;然后将动态目标的运动转化为每个虚拟角色的约束条件,实时更新虚拟角色的运动决策,实现其对现实场景中动态目标的避让以及虚拟角色之间的避让.为了清晰地展示现实世界中多个目标的空间位置关系,还对视频画面中的目标体做了精确的实时分割,以产生正确的遮挡关系和目标定位.最后通过实验结果表明了该算法的有效性.     

基于联合概率数据关联和粒子滤波的多目标跟踪算法

数据关联一直是多目标跟踪中的核心问题,是实现多目标有效跟踪的关键。介绍了多目标跟踪的基本原理以及联合概率数据关联的基本原理,并且将粒子滤波引入到联合概率数据关联模型中,提出了联合概率数据关联-粒子滤波算法来实现多目标跟踪。仿真结果表明,此算法可以很好的实现固定数目多目标跟踪。     

用于多个机动目标的混合高斯概率假设密度跟踪器

现有的混合高斯概率假设密度（GM—PHD）跟踪器不仅可以估计时变的多目标状态,还能辨识不同目标并保持其轨迹连续性．但当多个目标发生机动时,其稳定性较差,容易丢失目标．针对这一问题,本文提出一种能跟踪多个机动目标的混合高斯概率假设密度跟踪器算法．算法在GM—PHD滤波的框架上采用修正的输入估计方法将目标的概率假设密度（PHD）表示成混合高斯形式,并利用不同的标记辨识各个高斯分量,然后通过PHD滤波方程迭代这些高斯分量和对应的标记,最终达到跟踪多个机动目标的目的．仿真实验表明,和传统的GM—PHD跟踪器相比．新算法能以更高的稳定性跟踪多个机动目标．     

受限工作模式下航迹融合多目标跟踪算法研究

针对实际目标跟踪系统中，传感器工作常常受到限制，以满足跟踪精度和隐蔽性双重 要求的工程应用问题．研究了杂波环境下，采用红外(主传感器)始终工作、雷达(辅传感器) 间歇工作的特殊传感器工作模式，红外\雷达双传感器航迹融合多目标跟踪算法及实现．仿 真表明可以达到跟踪精度与隐蔽能力兼顾的系统要求．     

舰载指控系统航迹相关算法研究

基于随机神经网络的多目标数据关联成果的基础上，提出一种新的适合实际应用的多目标跟踪的综合方法。该方法放弃了联合概率关联方法的加权平均更新航迹的特点，利用计算出来的互联概率在航迹更新时作一对一的互联决策，解决了跟踪多目标时相邻目标时相邻目标的航迹趋于合并的问题，同时给出了航迹起始的通用方法，并通过仿真研究说明改进算法的有效性和可行性。     

分布式不确定性系统状态估计

研究了分布式不确定性系统的状态估计。以两部雷达构成的分布式系统为对象，考虑杂波环境、量测噪声和目标不确定性机动下的多目标跟踪。针对其中的两类不确定性问题，提出了机动目标自回归统计模型，并将它与联合概率数据关联相结合，给出了一种新的分布式多目标跟踪算法。仿真结果证明了其快速性和自适应性。     

适用于复杂场景的多目标跟踪算法

在视觉目标跟踪应用中,传统算法在光照变化、阴影、遮挡和背景运动等复杂环境下面临着鲁棒性较差的问题。针对上述问题,首先在局部二进制类型(LBP)背景模型基础上,提出了自适应像素距离阈值编码的背景模型(ST-LBSP)克服阴影和光照变化对目标检测的影响;其次,为了克服遮挡、背景运动等问题,计算图像块之间的最小像素距离和图像块和目标历史数据之间的标准化差值平方和距离,依据距离信息对图像块进行整合;同时,对整合后的图像块,计算其光流矢量、区域内差异性和区域间差异性,对图像块进行分割;最后,采用结构化的支持向量机设计多目标跟踪器,实现了鲁棒的视觉跟踪。基于标准数据集的实验结果显示,该方法具有较强的鲁棒性和较高的跟踪精度。     

基于实时多目标跟踪的足球机器人视觉系统设计

针对机器人足球比赛的需要,提出了一种基于实时多目标跟踪的足球机器人视觉系统设计方案。