基于卡尔曼滤波器的运动目标跟踪的实现

联系智能视频监控系统的现状,对运动目标跟踪技术的发展,提出了基于卡尔曼滤波的目标跟踪算法进行了详细论述,并进行实验验证。实验结果表明,系统能同时跟踪多个运动目标,系统实时性也能满足,基本解决了运动遮挡问题。     

快速运动目标的Mean shift跟踪算法

针对Mean shift本身的理论缺陷,提出Mean shift和卡尔曼滤波器相结合的快速目标跟踪算法。利用卡尔曼滤波器来获得每帧Mean shift算法的起始位置,然后再利用Mean shift算法得到跟踪位置。在目标出现大比例阻挡情况时,利用卡尔曼残差的计算来关闭和打开卡尔曼滤波器,此时,目标位置的线性预测替代了卡尔曼的作用。试验证明,本算法可以实现对快速运动目标的跟踪,对阻挡也有很好的鲁棒性。     

空间运动目标激光跟踪测量系统建模研究

让双频激光干涉仪的激光束照射一个侧面带有十字线的三面直角棱镜（固定于运动目标），反射到ＣＣＤ上成象，以测量目标的六自由度位置。本文建立运动目标反射投影的多个变量动态解耦数学模型，研究运动目标六自由度位置的可分离性、分离精度及动态反馈解耦方法。     

多坐标系下目标跟踪的联合滤波

针对雷达目标观测和处理在不同的坐标系下完成，本文提出了联合滤波算法来跟踪机动目标。该算法以卡尔曼滤波器为基础，直角坐标系下和极坐标系下的算法相联合，不仅克服了两种坐标系下滤波算法的不足，而且对机动目标有很好的跟踪效果。仿真实验结果表明了该算法的有效性。     

一种基于卡尔曼预测的动态目标跟踪算法研究

针对视频序列中目标的跟踪,均值漂移算法和卡尔曼滤波器相结合的目标跟踪算法已经被提出,而在移动机器人上实现对机动目标的实时跟随时,机器人自身的运动引起目标在像平面的偏移不能被忽略,在详述了两者的关系的基础上,建立起以机器人一个周期内的运动作为输入量的状态方程,以卡尔曼滤波器的估计值作为均值漂移算法的启动点,均值漂移算法的最终收敛点作为每帧的跟踪结果,并以此收敛点替代滤波器的估计值,两种算法交替使用,互为补充.实验表明所提算法可以实现在室外环境下对动态目标的实时跟踪.     

自适应运动目标跟踪实验

利用以非线性联合变换相关器为核心的自适应运动目标跟踪系统，对运动目标进行了跟踪实验研究，并对实验结果及有关问题进行了分析讨论。     

一种基于投影算法的运动目标自动跟踪系统

提出了一种基于投影算法的运动目标跟踪系统设计方案,它适用于固定背景情况下单个运动目标的检测与跟踪,采用了双摄像头方案,既可以扩大场景的监视范围,又可以给出运动目标的近距离影像,引入了投影算法计算位移矢量,提高了计算速度和对背景变化的抗干扰能力,实验结果表明了方案的可行性和算法的稳健性。     

基于卡尔曼滤波的多运动目标跟踪算法研究

针对多运动目标跟踪的实时性和鲁棒性问题,本文提出了一种基于卡尔曼滤波的多运动目标跟踪算法,该算法运用卡尔曼滤波预测目标的位置,并以目标的中心点坐标、面积和长宽比特征、一维HSV颜色直方图作为目标的特征对当前帧检测到的目标模板和预测区域内的目标进行匹配。实验证明,该算法可实时、稳定地跟踪复杂场景内的多运动目标,并能够解决目标遮挡问题。     

提高光电经纬仪跟踪快速运动目标能力的一种方法

考虑到系统稳定性，光电经纬仪跟踪伺服系统一般设计成Ⅰ型系统。Ⅰ型系统存在速度、加速度动态滞后误差。动态滞后误差的大小不但与跟踪系统有关，还与目标运动特性有关。在跟踪快速运动目标时，会因速度、加速度动态误差的增大，导致目标脱离视场，丢失目标。因此提高光电经纬仪跟踪快速运动目标的能力，一直是光电跟踪伺服系统努力的方向。本文给出了一种提高光电经纬仪跟踪快速运动目标的能力的方法：动态1 Ⅰ控制法，并利用SIMULINK建立了跟踪伺服系统动态1 Ⅰ控制法仿真模型。仿真结果表明动态1 Ⅰ控制法是一种提高光电经纬仪踊跃快速运动目标能力的有效方法。     

一种新的运动目标检测与跟踪算法

常用的运动目标检测算法无法解决在摄像机运动-目标运动情况下的运动目标检测，为此提出了背景匹配法。通过相关匹配算法使背景对齐，结合帧间差分技术有效地将运动目标提取出来；然后利用卡尔曼预测器对运动目标在图像中的位置进行预测，结合增量式带死区的PID控制算法，控制摄像机对准目标。实验结果表明，匹配块的选择加快了处理速度和提高了算法的稳定性，卡尔曼预测器使得跟踪更为平稳可靠。本方法具有简单、通用、抗噪等特点。     

基于深度学习的飞机目标跟踪应用研究

本文针对飞机目标,提出了基于多域网络(MDNet)的改进网络用于飞机跟踪的快速深度学习(FDLAT)跟踪网络,使用迁移学习弥补目标跟踪的小样本集缺陷。卷积层作为特征提取层,全连接层作为目标和背景的分类层,采用特定的飞机数据集来更新网络参数。训练完成之后,结合回归模型,采用简单的线性更新对飞机进行跟踪,算法实现了飞机旋转、相似目标、模糊目标、复杂环境、尺度变换、目标遮挡以及形态变换等复杂状态的鲁棒跟踪,速度达到平均20.36 f/s,在ILSVRC2015飞机检测数据集上成功率均值达到0.592,基本满足飞机实时跟踪。     

被动定向浮标阵卡尔曼滤波目标跟踪研究

文章研究利用被动定向浮标阵定位跟踪水下机动目标的方法,基于卡尔曼滤波(Kalman Filter, KF)原理提出一种定位跟踪滤波器的具体实现方法。该方法能够整合多枚浮标现在及过去有误差的测量数据,提高定位精度,同时连续输出水下目标运动参数估计从而锁定目标运动轨迹。该方法实现的关键在于建立水下目标与浮标阵的数学迭代运算模型,包括状态空间的动态与观测过程。由于被动定向浮标阵目标跟踪是一个非线性估计问题,而卡尔曼滤波器是线性的,因此文章设计了近似的线性观测方程以利用卡尔曼滤波来解决这个问题。通过计算机仿真研究该滤波器的跟踪效果并与最小二乘法进行比较,估计精度明显高于最小二乘法。同时通过仿真验证该滤波器可以自适应跟踪目标的非稳态运动过程。该方法在工程实践上具有一定应用前景与指导意义。     

基于改进粒子滤波算法的水下目标跟踪

针对常规粒子滤波算法粒子数目保持不变的问题,提出了一种可以自适应调整粒子数目的改进算法。该算法将KL距离(Kullback-Leibler Divergence,KLD)引入粒子滤波重采样过程,保证在一定的滤波精度下,可以有效地调整滤波过程中使用的粒子数目,从而实现了滤波过程中粒子数目的自适应。将该算法应用于纯方位水下目标跟踪,仿真结果表明,该方法有效地改善了滤波效果,计算量低,适合于实际应用。     

规避目标的纯方位被动跟踪

构造了基于笛卡耳曼滤波器的改进极坐标扩展卡尔曼跟踪滤波器。提出了应用于方位角测量的规避目标的跟踪算法，对提出的算法进行了相应的仿真实验。仿真结果表明，该算法非常适合于规避目标的纯方位跟踪，具有很好的工程应用前景。     

EKF和PF算法及其在目标跟踪中的应用

基于贝叶斯滤波的目标跟踪原理,介绍了扩展卡尔曼滤波(Extended Kalman Filter,EKF)和粒子滤波(ParticleFilter,PF)的基本思想和算法实现步骤。在非线性环境下对比分析了EKF算法和PF算法的估计精度,并给出两种方法的适用条件。EKF算法采用Taylor展开的线性变换来近似非线性模型,而PF算法采用一些带有权值的随机样本来表示所需要的后验概率密度。仿真结果表明,在强非线性非高斯环境下,PF算法的跟踪性能远优于EKF算法,当系统非线性强度不大时,EKF算法和PF算法的估计精度相差不大,但PF算法计算复杂,跟踪时间长,实时性差。     

基于粒子滤波的液态场环境声源定位方法

研究了石油储罐罐底腐蚀声发射源的定位方法.针对有限空间液态场中水声信号的多途效应严重影响声源目标定位问题,提出一种基于粒子滤波的到达时间差(TDOA)声源定位方法,充分考虑广义互相关结果中多途效应导致的多个峰值,采用高斯似然函数进行重要性采样,实现对多途效应影响的抑制.水池实验结果表明这种方法比传统的Chan方法具有更高的定位准确性和精度,定位结果的均方根误差(RMSE)为Chan方法的10%,提高了定位性能.     

时间异步无线传感器网络的分布式目标跟踪

为了降低无线传感器网络在目标跟踪过程中的网络能耗,提出了一种时间异步条件下的分布式目标跟踪方法.首先,依据节点到目标的距离进行动态成簇,以跟踪簇为时间的计算单元,由簇头完成簇内跟踪时间计算及簇间贯序传递,然后引入并行粒子滤波(PPF)算法将粒子集分为多个子集,在子节点处并行采样、计算权重和重采样,最后,簇头节点收集各子节点上传的结果并完成目标的局部状态估计.仿真结果表明,PPF算法具有较好的跟踪精度,且相比于集中式粒子滤波(CPF)算法,可降低约38%的通信量.     

Moving object detection and tracking in videos through turbulent medium

This paper addresses the problem of identifying and tracking moving objects in a video sequence having a time-varying background. This is a fundamental task in many computer vision applications, though a very challenging one because of turbulence that causes blurring and spatiotemporal movements of the background images. Our proposed approach involves two major steps. First, a moving object detection algorithm that deals with the detection of real motions by separating the turbulence-induced motions using a two-level thresholding technique is used. In the second step, a feature-based generalized regression neural network is applied to track the detected objects throughout the frames in the video sequence. The proposed approach uses the centroid and area features of the moving objects and creates the reference regions instantly by selecting the objects within a circle. Simulation experiments are carried out on several turbulence-degraded video sequences and comparisons with an earlier method confirms that the proposed approach provides a more effective tracking of the targets.     

修正时延扩展卡尔曼滤波MIMO声纳目标跟踪方法研究

分布式多输入多输k~（Multiple．InputMultiple—Output,MIMO）声纳是一种通过MIMO技术规划时空信道来提高声纳探测性能的新型主动探测声纳体制。由于分布式MIMO声纳节点分布间隔大,水中声速较小,由各发射节点同步发射的测距信号将经过不同的时延到达目标,因此各接收节点测得的距离值分别对应于目标不同时刻的状态。常规的定位方法并没有考虑传播时延对测量值的影响,因而定位精度受到限制。提出了一种修正时延的扩展卡尔曼滤波方法（ModifiedExtendedKalmanFilter,MEKF）对分布式MIMO声纳系统中的移动目标进行跟踪。仿真结果表明,与常规的目标定位跟踪方法相比,该方法有定位精度高、收敛速度快、跟踪性能稳定的特点。