基于显著图的红外弱小目标动态规划检测前跟踪算法

针对低信噪比复杂背景红外图像弱小目标检测虚警率高的问题,提出一种基于显著图的红外弱小目标动态规划检测前跟踪算法.该算法采用改进的局部区域差分算子提取显著图,根据注意力转移机制设计搜索策略,利用目标移动速度实时更新搜索范围,对多帧连续的显著图进行滤波跟踪,实现对红外图像弱小目标检测.实验结果表明,文中算法在对弱小目标进行有效检测的同时降低虚警率,提高了图像的检测效率.     

基于星凸随机超曲面的扩展目标伽马高斯混合势概率假设密度滤波器

针对杂波和检测不确定情况下扩展目标形状估计精度低的问题,提出了一种基于星凸随机超曲面模型(SRHM)的扩展目标伽马高斯混合势概率假设密度(CPHD)滤波器.该算法在高斯混合概率假设密度滤波的框架下,首先将目标形状建模为星凸随机超曲面,然后通过CPHD滤波估计出目标的质心位置和目标数目,最后通过将已估计的目标质心位置作为目标形状的中心点来结合量测对目标形状进行估计.其中,算法通过自适应估计尺度变换因子对形状边界进行约束优化,解决了星凸随机超曲面模型存在的边界形状不规则的问题.设计扩展目标个数未知以及含有杂波的实验场景,实验结果验证了该算法的有效性和可行性.     

基于变分贝叶斯势均衡多目标多伯努利滤波的 多扩展目标跟踪算法

由于传统多扩展目标跟踪算法在量测噪声协方差未知情况下跟踪性能急剧下降,本文提出一种基于变分贝叶斯的势均衡多目标多伯努利滤波(VB--CBMe MBer)跟踪算法,并给出了高斯混合实现.该算法在未知量测噪声协方差的情况下,将量测看成随机分布在扩展目标上的量测产生点所产生,利用变分贝叶斯方法近似地求出各量测产生点状态和量测噪声协方差的联合概率密度,并给出其递归形式以估计量测产生点,继而将得到的量测产生点状态进行聚类得到扩展目标的状态.仿真实验表明,所提算法可以自适应地跟踪未知数目、未知量测噪声协方差的多扩展目标.其跟踪精度与传统的CBMe MBer跟踪算法相比,有明显提高.     

一种新的未知杂波环境下的PHD滤波器

针对多目标跟踪中概率假设密度(PHD)滤波器在杂波模型与先验知识不匹配情况下滤波性能急剧下降的缺点,将增广状态空间引入PHD滤波器,提出了一种新的未知杂波环境下的PHD滤波器．该滤波器利用增广状态空间区分目标状态空间与杂波状态空间,通过量测对杂波模型进行估计,不需要杂波先验知识,避免了因杂波强度的先验知识选择不当而造成PHD滤波器跟踪性能下降的问题．仿真结果表明,该算法在未知杂波环境下,具有稳定的跟踪效果;在保证实时性的前提下,其跟踪精度与传统PHD滤波器在杂波模型匹配情况下相当．     

基于箱粒子PHD滤波的多目标视频跟踪方法

针对粒子滤波运算量大的问题,提出一种基于箱粒子概率假设密度(Box-PHD)滤波的多目标视频跟踪方法.首先给出一种快速运动目标检测算法,通过阈值自动选取的帧差分法得到目标质心并作为量测,然后经箱粒子PHD滤波预测更新后,及时修正检测偏差实现多目标的跟踪和目标数目的估计;最后为所提算法设计了航迹识别步骤,通过颜色特征与纹理特征作为相似性度量,从而实现航迹识别,弥补了PHD滤波无法区分目标的不足.利用目标的特征区分出每个目标的航迹,同时进一步剔除了目标状态集中的杂波,保证了跟踪精度.箱粒子PHD滤波器不仅可以解决量测不确定性的问题,同时可以降低复杂度,减小运算量.实验表明,文中算法可以实现目标新生、消失、合并和分裂等复杂情况下的多目标视频跟踪,并实时区分不同目标的航迹,在保证跟踪效果的同时提高了实时性.     

基于Mean Shift迭代的新生未知多扩展目标跟踪

针对当前基于随机集的多扩展目标跟踪算法存在计算量大、量测划分不准确和跟踪误差大的问题,在PHD滤波基础上提出一种基于均值漂移(Mean Shift)迭代的新生未知多扩展目标跟踪算法.首先,对聚类后量测数据进行关联,得到新生目标状态,解决目标新生问题;然后,通过Mean Shift迭代获得目标量测集质心,将扩展目标的多量测问题转化为点量测处理;最后,给出其粒子实现方式.仿真实验表明,所提出的算法可以降低跟踪复杂度,提高跟踪效率,在交叉时刻具有稳定的跟踪性能。     

基于拟蒙特卡罗的未知杂波GMP-PHD 滤波器

针对非线性系统模型中未知杂波环境下的多目标跟踪问题,提出一种基于拟蒙特卡罗方法的未知杂波高斯混合粒子概率假设密度(GMP-PHD)算法.首先利用有限混合模型拟合未知杂波空间分布,使其能够在杂波模型未知的情况下稳定跟踪目标;然后利用低偏差点集在状态空间中分布均匀的特性将拟蒙特卡罗采样方法应用到GMP-PHD中,使其在解决非线性滤波问题的同时提高目标跟踪精度.仿真实验表明,所提出的算法具有良好的跟踪性能.     

Rao-Blackwellized粒子滤波的红外多个弱目标检测前跟踪

针对红外图像低信噪比下数目可变的多个弱目标的检测与跟踪问题,提出了基于Rao-Blackwellized粒子滤波器(RBPF)的多目标检测前跟踪算法.对每个目标利用RBPF把状态变量分解为线性变量与非线性变量,分别进行Kalman滤波与基本粒子滤波.将已出现目标的状态构成新目标的约束初始化函数,多个滤波器并行跟踪多个弱目标.对红外图像弱目标的仿真实验表明,约束初始化可以避免已有目标的干扰,RBPF可以减小状态变量的的估计误差, RBPF的检测性能优于10倍粒子数PF的性能,对单目标进行检测前跟踪平均每帧耗时为0.3287秒,可以满足实时处理的要求。新方法在不同空间位置的实验对比中,出现延迟,消失延迟和均方根误差等参数对比也验证了算法的有效性.     

一种基于椭圆RHM的扩展目标Gamma高斯混合CPHD滤波器

针对杂波环境下扩展目标形状难以估计、目标跟踪精度低等问题, 提出一种自适应估计扩展目标形状的伽玛高斯混合势概率假设密度算法(GGM-CPHD). 该算法将目标的扩展形状建模为椭圆随机超曲面模型, 并将其嵌入到GGM-CPHD 滤波器中, 更新扩展目标的质心、椭圆形状和方向等信息以完成对扩展目标的跟踪. 通过杂波环境下未知数目的扩展目标仿真实验, 表明了所提出算法在质心状态和椭圆长短轴的估计精度方面要优于传统的基于随机矩阵的伽玛高斯逆韦氏CPHD滤波器.

     

多伯努利滤波的快速红外弱小目标检测与跟踪

针对复杂背景下多个弱目标检测与跟踪中存在的跟踪不稳定、非实时及量测模型高度非线性问题,提出一种基于多伯努利滤波的快速检测与跟踪算法.首先,采用改进的Robinson Guard算法抑制背景杂波,避免强起伏背景图像中目标被抑制的问题;其次,采用平方根容积卡尔曼滤波实现多伯努利检测前跟踪,在保证实时跟踪的同时,解决了滤波的高度非线性,避免了协方差矩阵负定造成的数值不稳定.实测红外背景图像实验表明,改进的Robinson Guard算法能够有效抑制背景杂波、保留弱目标信息,平方根容积卡尔曼多伯努利检测前跟踪能更准、更稳定地估计目标数目和状态,实现目标的实时检测与跟踪.