粒子滤波算法在视频目标跟踪中的改进与运用

为实现粒子滤波算法在视频目标跟踪领域的应用,减小算法的运算量,提高算法的适应性和鲁棒性,文中提出利用构造等价有效粒子数的概念,采用选择重采样的方式减少重采样的执行步骤,减少运算量。同时为减小算法对亮度的敏感性,提出利用HSV色彩基准代替RGB色彩基准作为目标特征,对目标进行识别。最后对改进算法进行了试验,结果表明文中所提的方法能减少算法的计算量,有效的改进算法在视频目标跟踪中的稳定性。     

基于视频的装甲车和飞机检测跟踪及轨迹预测算法

针对当前视频目标跟踪算法跟踪多目标容易跟丢的问题,以视频中的装甲车、飞机为研究对象,研究一种改进跟踪学习检测(TLD)的视频多目标检测跟踪算法.对于跟丢的目标,利用Kalman滤波算法的预测功能跟踪视频中典型目标的轨迹,并采用Kalman滤波算法跟踪的轨迹来弥补TLD算法丢失的部分,从而获得视频中典型目标的完整轨迹,以...     

扩展概率数据关联算法

在多目标跟踪过程中,为了提高目标跟踪准确率、减少目标丢失,基于目标数目定义了联合关联事件,研究了扩展概率数据关联算法（Extended PDA）。对概率数据关联算法容易产生误跟和失步以及联合概率数据关联可能发生组合爆炸等问题进行改进。实验结果表明,该算法能很好地降低跟踪时间和减少失步次数,提高跟踪准确率。     

基于特征贡献度的Mean Shift 目标跟踪

为有效提高Mean Shift算法的模板匹配精确度,采用基于特征贡献度的Mean Shift目标跟踪方法,对不同贡献度的特征向量赋予不同的权重,以彰显目标特征、抑制背景因素.分别介绍传统Mean Shift目标跟踪算法和基于特征贡献度的Mean Shift算法,并针对多组视频进行实验验证与分析.结果表明:改进后的Mean Shift算法不仅能提高跟踪精度、提升系统的鲁棒性,而且对640 pixel×480 pixel大小的视频处理平均帧速度为22 frames/s,满足实时跟踪要求.     

基于人机交互的免锚检测和跟踪系统设计

为提高越野环境中目标检测和跟踪的准确率和效率,提出一种基于人机交互的免锚检测和跟踪系统。该系统由检测系统、指挥系统和目标跟踪系统组成。检测系统,在基于点的点云特征提取框架的基础上,设计一种免锚的目标检测网络结构;指挥系统通过相机实时获取环境态势信息,人机交互地在检测网络输出的目标序列中选择跟踪目标;跟踪系统利用检测网络输出的目标序列的外观模型和指挥系统下发的跟踪目标外观模型进行匹配来确定跟踪目标,再基于卡尔曼滤波算法进行目标运动估计。基于越野场景的实车数据进行了验证。验证结果表明：基于人机交互的免锚检测和跟踪算法在不增加算法时间的同时实现了超91%的准确率,能够满足无人驾驶车辆在越野场景的使用要求。     

视频序列中目标定位跟踪的ー种新方法

提取视频序列中的目标轮廓，进行定位、跟踪，是当前视频处理技术研究中的一个热点。提出了一种新的视频目标半自动定位跟踪的算法。对于初始帧，采用改进的交互方法进行目标的精确定位；在后续帧中，采用零交叉点约束的Snake算法，对具有凹边和尖点特征的复杂目标准确跟踪，获得了理想的实验结果。     

智能网络视频监控系统

设计一种智能网络视频监控系统,实现实时监控和目标实时跟踪功能。系统前端使用网络摄像机采集实时图像,通过网络服务器将实时图像传输给网络用户终端,在终端实现实时监控操作。以颜色信息作目标特征,采用均值偏移算法实现对目标人物的实时跟踪。实验表明,该系统具有良好的稳定性与实时性。     

修正极坐标系纯方位跟踪算法分析与改进

通过修正极坐标系(MP)的广义卡尔曼滤波,提出了一种探测水中目标位置及其他各项运动参数的估计方法.基于广义卡尔曼滤波算法,设计了舰船以"Z"形路线追踪目标的纯方位跟踪模式;根据舰船的运动特点,改进算法实现了对存在机动行为的目标进行有效跟踪.仿真结果表明该方法稳定性强,对测量精度要求低并可用于跟踪机动目标.     

图像拼接融合技术在网络视频监控系统中的应用探究

通过对视频监控系统对图像拼接融合技术的需求分析,对图像拼接融合技术进行简要分析,在网络监控系统中进行实际的测试应用。系统流程分为视频流数据传输、图像拼接与融合、目标检测与追踪3部分,由此实现在360°宽视场中的图像浏览、运动检测与目标跟踪。     

基于序列图像的空中目标跟踪方法

文中提出一种有效的运动跟踪检测算法对空中运动目标进行快速、准确的检测和跟踪,首先利用对称图像差分梯度法进行运动目标检测,该方法能很好地检测出移动背景中低信噪比的运动目标;然后通过改进的活动轮廓模型在视频图像序列中进行跟踪,实验结果表明,使用该方法可以得到有效的目标轮廓,从而获得准确跟踪效果.     

基于改进Focus的小目标检测技术

为解决深度神经网络模型小目标检测效果不佳的问题,对Focus结构进行改进,提出一种即插即用的轻量级结构Focus+。搜集相关图像并建立包含5类目标的军事小目标数据集,将Focus+插入常用的目标检测模型,使用不同尺度的输入进行了多组对比实验。实验结果表明：引入Focus+模块后,模型检测的平均精度均值平均提高了0.8 %,说明其能够在占用较少算力的同时提取到浅层网络的高分辨率特征,有效提高小目标的检测精度。     

基于改进YOLOv3和核相关滤波算法的旋转弹目标探测算法

旋转弹的电视摄像头拍摄画面会产生旋转及抖动模糊,在预先侦查目标数据较少且末制导段视野目标较小的情况下,目标难以精确探测,为此提出一种基于改进YOLOv3和核相关滤波（KCF）算法的目标检测与跟踪算法,通过深度学习实现目标的自动检测。制作模拟山地打击场景的数据集,基于少量数据样本的前提,模拟不同天气、光照、运动及旋转模糊等复杂环境,完成在网络学习中数据的增强和扩充;通过在YOLOv3网络基础上添加Inception多尺度分支结构,增加网络对于目标不同尺寸的适应性,减少网络层数,更能适应对小目标的检测;在实现目标定位方法上,将目标检测与跟踪算法相融合,提出一种目标丢失判别机制,并利用弹道的速度—时间信息更新目标跟踪框尺度。仿真实验结果表明,相比原始算法,改进算法能更有效实现复杂环境下的目标检测和跟踪。     

适于无线传感网络目标追踪的一种改进无迹粒子滤波时延差估计算法

在无线传感网络（WSN)中运用基于粒子滤波的时延差估计方法进行目标追踪,其性能的关键是设计精确的粒子滤波器建议分布。为了解决追踪过程中粒子贫化问题,提出了一种基于改进无迹粒子滤波器的时延差估计算法。利用最小二乘法估计目标初始时刻位置,在卡尔曼滤波框架下运用高斯-牛顿迭代法则融合最新观测信息,并引入尺度调节衰减因子不断修正重要性密度函数,从而使建议分布更加逼近真实。将其与时延差定位方法结合,并在WSN环境下进行仿真实验。结果显示,改进的算法在整体粒子数有限的情况下追踪精度更高,收敛性较好,尤其适合环境噪声非高斯的复杂WSN目标追踪应用。     

基于改进快速区域卷积网络的目标检测轻量化算法

基于深度学习的目标检测算法已成为合成孔径雷达（SAR）图像目标检测任务的主流。深层网络通常具有大量参数,运行速度不能满足实时要求,难以在资源受限的设备(如移动端)上部署。考虑到对模型实时性和可移植性的要求,对双阶段目标检测算法快速区域卷积神经网络进行轻量化改进,比较不同改进方法对算法速度与精度的影响。结合SAR图像的特点,优化轻量化模型,与单阶段目标检测算法的单脉冲多盒检测网络对比。仿真实验结果表明,改进轻量化模型在保持原有精度水平下,模型占用内存和算法运算量大大减少,可有效满足SAR图像目标检测的实时性要求。     

可分辨空间密集目标群跟踪算法研究

为了有效改善可分辨空间目标群的早期跟踪态势,提高高速目标群的跟踪处理速度和跟踪精度,提出了可分辨空间密集目标群跟踪算法。该算法首先通过全局聚类群分割、群关联和群跟踪,解决大量距离靠近、运动特征差异不明显的高速空间目标群早期连续稳定跟踪问题; 通过群跟踪掌握早期群整体信息,提高目标数据处理速度。在此基础上,边跟踪边分群,由群目标跟踪逐渐过渡到多目标跟踪,在群目标跟踪中通过结合空间动力学方程提高群内目标的跟踪精度,提升雷达系统对可分辨密集空间目标群的跟踪能力。     

基于BP-GSA优化的某随动平台滑模控制

为实现某随动平台负载模拟器响应的快速性和系统的鲁棒性,提出一种基于遗传模拟退火算法(genetic simulated annealing,GSA)优化的BP神经网络(BP-GSA)滑模控制方法。根据负载模拟器各环节硬件组成,建立系统等效数学模型;采取非奇异终端滑模实现对系统的控制,并采用BP神经网络对状态方程中未定项进行逼近,利用GSA算法调整网络节点权值。实验仿真结果表明：相比于传统滑模控制和PID控制,该方法在具有扰动输入的情况下,具有最小的稳态误差和最快的跟踪速度,能够有效提升系统的响应速度和力矩跟踪精度。     

基于迭代无偏有限冲击响应滤波的共轴跟踪技术研究

为了有效提升光电跟踪系统的跟踪精度,提出一种共轴跟踪改进方案。采用迭代无偏有限冲击响应（UFIR）滤波算法来替代传统卡尔曼滤波（KF）算法,进行系统状态估计与预测。迭代UFIR滤波算法由于不依赖噪声先验统计信息,可有效克服传统KF算法的不足,在噪声统计信息未知时能保持理想的预测精度,从而使改进后的系统在实际工况下仍能达到较高的跟踪精度。分别进行了迭代UFIR算法和KF算法对比的单元仿真实验,以及采用两种算法的共轴跟踪系统对比仿真实验,实验结果验证了理论分析的正确性,表明在噪声统计信息无法事先准确获得的实际工程应用中,基于迭代UFIR滤波的共轴跟踪改进方案较基于KF算法的传统方案鲁棒性更强,具有更大的应用潜力。     

不完全量测下基于信息一致性的分布式容积卡尔曼滤波算法

针对不完全量测条件下分布式火控系统中的非线性目标跟踪问题,为提高跟踪系统的估计精度并保证各探测单元估计结果的一致性,提出一种基于信息一致性的分布式容积卡尔曼滤波(ICDCKF)算法。针对非线性系统,给出不完全量测下的改进容积卡尔曼滤波。考虑到各探测单元间局部估计信息的相关性,该算法首次将协方差交叉方法应用于非线性一致性滤波算法,提高互协方差未知情形下分布式融合的估计精度。特别地,为确保算法的可行性,给出不完全量测情形下,ICDCKF算法估计结果收敛的条件,并从理论上严格证明在该条件下ICDCKF算法可以保证估计方差的有界性。ICDCKF算法应用于一类光电跟踪网络,与现有CKFI算法、CKF_CI算法、KCF_ Me算法对比分析表明：ICDCKF算法在保证各探测单元估计结果一致性的同时,大幅度提高了跟踪系统的估计精度。