变维卡尔曼滤波算法的机动目标跟踪性能研究

卡尔曼滤波在非平稳矢量信号和噪声环境下具有广泛的应用,针对机动目标具有多个运动模型的特点,采用基于卡尔曼滤波的变维算法对机动目标进行跟踪处理,该算法首先建立了机动目标的非机动模型（CV）和机动模型CA）,然后对观测数据进行滤波和误差估计处理,最后通过计算机的蒙特卡洛仿真得到了滤波轨迹和机动目标的位置和速度误差,仿真结果表明变维卡尔曼滤波算法具有很好的目标跟踪性能.     

遮挡条件下多运动车辆跟踪研究

针对SURF算法能够提取到的图像特征点较少的问题,基于保持亮度特性的双直方图均衡算法,通过重构SURF尺度空间提取图像特征。将这种方法与卡尔曼滤波相结合进行目标跟踪,用特征点的中心作为跟踪点;通过卡尔曼滤波预测出运动目标的位置,判断遮挡是否发生;最后,应用该方法进行目标特征向量匹配。实验结果表明,该算法对发生旋转、缩放以及遮挡的多运动目标都可进行稳定跟踪,其跟踪速度比R-SURF算法提高20%;在跟踪速度相当的情况下,跟踪精度要高于卡尔曼滤波跟踪算法。     

杂波环境下机动目标跟踪算法研究

本文给出了一种基于平方根中心差分卡尔曼滤波（sRcDKF）的交互式多模型-概率数据关联（IMMPDA）算祛。在杂波环境下,该算法较好的解决了非线性条件下机动目标跟踪的问题,可获得比基于扩展卡尔曼滤波（EKF）的IMMPDA算法更好的数值稳定性、计算精度和收敛速度,还避免了复杂的Jacobi矩阵运算;本文大量Monte Carlo仿真进一步验证了该算法的可行性和有效性。     

水下声自导武器目标跟踪方法研究

水下声自导武器采用主动方式检测、跟踪目标时,目标跟踪过程表现为一个动基座时变过程,难以直接运用卡尔曼滤波进行目标跟踪。利用水下声自导武器导航定位及航行姿态参数和水下声自导武器检测到的目标信息,通过坐标变换将目标坐标从水下声自导武器坐标系变换到大地坐标系解决了观测基座运动的问题,通过每次观测时间实时计算每次观测的采样时间解决了观测时变问题,建立了基于自适应衰减记忆卡尔曼滤波的水下声自导武器目标跟踪模型,给出了滤波初值选取的工程方法,仿真实验证明该模型正确,跟踪算法能够在10次观测内实现对目标的跟踪,具有较强的机动目标跟踪能力,算法收敛速度较快。     

基于CKF的特征辅助数据关联多目标跟踪

针对密集杂波环境下的多目标近距跟踪问题,提出了一种基于容积卡尔曼滤波(CKF)和特征辅助数据关联的多目标跟踪算法(FADA-CKF).通过特征信息来对传统量测进行扩维,利用扩维后的量测对关联概率进行修正,将特征信息辅助技术融入到联合概率数据关联中,再利用容积卡尔曼滤波(CKF)处理非线性观测量,对目标状态进行估计.将FADA-CKF算法用于近距多目标跟踪场景中,仿真结果表明,改进算法在跟踪精度和误跟率方面要优于传统的JPDA跟踪算法.     

基于卡尔曼滤波的多区域关联运动目标跟踪

针对视频目标跟踪中的遮挡及跟踪漂移问题,提出一种基于卡尔曼滤波的多区域关联运动目标跟踪算法。该算法将目标划分为多个区域并构建无向图,通过卡尔曼滤波预测出各区域中心,再结合灰度直方图匹配及相邻区域的位置关系,计算出各区域观测中心,最后应用卡尔曼滤波修正观测中心实现跟踪。对两区域人体目标跟踪的实验结果表明,与各区域单独采用Mean Shift跟踪算法相比,所提算法在目标遮挡、目标与背景特征相似的情况下,依然具有较好的鲁棒性和实时性。     

协同运动状态估计的多目标跟踪算法

多目标跟踪在视频分析场景中有着广泛的应用,如人机交互、虚拟现实、自动驾驶、视频监控和机器人导航等。多目标跟踪问题可以表示为在已有的检测数据上进行目标轨迹关联,检测算法的准确性对跟踪性能起着关键性的作用。在基于检测的目标跟踪框架中,提出了一种协同运动状态估计的跟踪算法,该算法主要关注相邻帧之间的数据关联,从目标检测、目标运动状态估计和数据关联这3个方面来直接解决多目标跟踪面临的挑战。首先,对于目标检测,采用Multi Scale Convolutional Neural Network(MS-CNN)算法作为检测器,这是因为深度学习在检测的效益上优于传统的机器学习方法;其次,为了更好地预测目标的运动状态和处理目标间的遮挡,针对不同状态的目标采取不同的运动估计方法: 采用核相关滤波来评估处于跟踪状态的目标的运动状态,当目标处于遮挡状态时,采用卡尔曼滤波做运动估计;最后,采用Kuhn-Munkres算法对检测目标和跟踪轨迹做数据关联。通过大量的实验证实了算法的有效性,且实验结果表明算法的准确性很高。     

面向增强现实的多传感器组合位姿注册算法

持续稳定的准确注册是构建增强现实系统的关键,为提高跟踪注册的稳定性和精度,提出了一种基于互补滤波(CF)和无迹卡尔曼滤波(UKF)的多传感器融合注册方案.该算法采用互补滤波器融合陀螺仪、加速度计和地磁感应计数据估计摄像头姿态;在处理视觉图像时,结合惯性姿态数据进行图像特征匹配;利用UKF融合视觉和惯性数据进行摄像头位置估计.实验表明:该算法在跟踪稳定性、精度、效率和抗干扰能力均优于传统的基于扩展卡尔曼滤波(EKF)的融合算法.     

基于集合卡尔曼滤波的线性目标跟踪算法

针对目标跟踪系统的非线性问题,将集合预报思想和卡尔曼滤波技术相结合,提出了基于集合卡尔曼滤波的非线性目标跟踪算法,讨论了初始集合的不同选择对跟踪性能带来的影响,实现了与其它常用非线性跟踪算法间的比较.利用到达角和多普勒频率测量数据实现非线性系统中目标跟踪,验证了算法的有效性和可行性.仿真结果表明集合卡尔曼滤波技术能够应用到非线性目标跟踪系统中,并且计算复杂度较低,具有很好的跟踪性能.     

基于位置和速度的点状运动目标Bayes跟踪

采用结合概率数据关联的卡尔曼滤波方法,研究一种基于位置、速度信息的微弱点动目标Bayes跟踪技术。其关键是在跟踪区域检测时,检测器以Basyes模式进行工作,检测门限随目标先验概率比变化。提出一种新的门限计算方法。与基于恒虚警概率准则的跟踪技术相比,跟踪过程中检测到的虚警目标明显减少,仿真结果验证了该算法的实时性与精确性。     

Tracking rigid bodies using only position data: A shadowing filter approach based on newtonian dynamics

Tracking a moving object like a ship, vehicle, aircraft or even an animal or human is challenging especially when given only noisy observations of the path. To successfully track such an object the method used needs to infer the unknown information, for example the acceleration, from noisy position data. Here we present such a method based on a shadowing filter algorithm. In comparison with other filters such as Kalman and Particle filters the shadowing filter solves the tracking problem based on deterministic dynamics instead of statistics. The algorithm presented shows how to track rigid bodies having an unknown moment of inertia and we validate the performance of the filter and explore how the two important parameters of the filter impact on its performance.     

Heterogeneous multisensor fusion for mapping dynamic environments

In this paper, we propose a heterogeneous multisensor fusion algorithm for mapping in dynamic environments. The algorithm synergistically integrates the information obtained from an uncalibrated camera and sonar sensors to facilitate mapping and tracking. The sonar data is mainly used to build a weighted line-based map via the fuzzy clustering technique. The line weight, with confidence corresponding to the moving object, is determined by both sonar and vision data. The motion tracking is primarily accomplished by vision data using particle filtering and the sonar vectors originated from moving objects are used to modulate the sample weighting. A fuzzy system is implemented to fuse the two sensor data features. Additionally, in order to build a consistent global map and maintain reliable tracking of moving objects, the well-known extended Kalman filter is applied to estimate the states of robot pose and map features. Thus, more robust performance in mapping as well as tracking are achieved. The empirical results carried out on the Pioneer 2DX mobile robot demonstrate that the proposed algorithm outperforms the methods a using homogeneous sensor, in mapping as well as tracking behaviors.     

Object tracking method based on data computing

The data computing process is utilized in various areas such as autonomous driving. Autonomous vehicles are intended to detect and track nearby moving objects avoiding collisions and to navigate in complex situations, such as heavy traffic and dense pedestrian areas. Therefore, object tracking is the core technology in the environment perception systems of autonomous vehicles and requires the monitoring of surrounding objects and the prediction of the moving states of objects in real time. In this paper, a multiple object tracking method based on light detection and ranging (LiDAR) data is proposed by using a Kalman filter and data computing process. We suppose that the movements of the tracking objects are captured consecutively as frames; thus, model-based detection and tracking of dynamic objects are possible. A Kalman filter is applied for predicting posterior state of tracking object based on anterior state of the tracking object. State denotes the positions, shapes, and sizes of objects. By computing the likelihood probability between predicted tracking objects and clusters which registered from tracking objects, the data association process of the tracking objects can be generated. Experimental results showed enhanced object tracking performance in a dynamic environment. The average matching probability of the tracking object was greater than 92.9%.

     

结合Camshift和Kalman预测的运动目标跟踪

针对单一的CamShift跟踪算法在目标发生遮挡时非常容易致使跟踪目标失败的问题,本文提出了一种基于CamShift和Kalman预测的跟踪算法。首先,采用帧间差分阈值法来快速、精确地检测和提取出运动目标;然后,通过在CamShift算法中使用运动目标的颜色特征,在图像序列中找到运动目标的所在位置和大小;最后,使用Kalman滤波预测目标的位置,进而有效地解决了背景中大面积相同颜色的干扰和目标部分被遮挡等问题。用无线遥控车完成了运动目标的跟踪实验,实验证明结合CamShift算法和Kalman预测滤波能实时、准确地跟踪目标。     

基于Camshift和Kalman滤波的自动跟踪算法

针对传统的Camshift算法在跟踪时需要手动定位目标,在颜色干扰、遮挡等复杂背景中容易跟丢目标的问题,提出了一种基于Camshift和Kalman滤波的自动跟踪算法。首先利用帧间差分法和Canny边缘检测法分割出运动目标的完整区域,然后用提取出的目标区域初始化Camshift算法的初始搜索窗口,从而实现了目标的自动跟踪。当背景中存在相似颜色干扰或者目标被严重遮挡时,采用Kalman滤波与Camshift算法相结合的改进算法进行跟踪。实验结果表明,本文改进算法在目标被严重遮挡、颜色干扰等情况下仍能有效、稳健地跟踪。     

移动机器人实时目标跟踪系统设计与实现

针对单目视觉移动机器人目标跟踪的实时性和鲁棒性要求,提出了基于Kalman滤波器的改进Camshift算法检测和定位目标.将Kalman预测值作为目标初始位置,补偿摄像头和目标相对运动导致的目标在图像中的偏移.在系统“跟丢”后判断目标丢失的原因,根据原因自适应拓展搜索窗口作为Cam-shift算法的下一帧初始搜索窗口.为了验证改进算法的有效性,自主研制了一种应用该算法的履带式机器人实时目标跟踪系统.实验结果表明:该系统具有很好的鲁棒性和实时性.     

基于强跟踪滤波和反馈综合的多传感器分布式航迹融合

研究基于强跟踪滤波和反馈综合相结合的多传感器分布式航迹融合算法.首先,以反馈 前后形成的跟踪门的交集构造有效跟踪门.然后,将强跟踪卡尔曼滤波和概率数据关联算法相结 合.利用构造的有效跟踪门,提出了一种新的多传感器分布式航迹融合算法.最后,对原有算法和 所提算法进行了仿真研究.     

基于Camshift与Kalman的目标跟踪算法

针对目标跟踪复杂的难点,提出了一种比较实用的跟踪方法。采用基于颜色概率分布的Camshift算法进行目标跟踪的同时,引入卡尔曼滤波,并给出模型参数。在目标发生遮挡时,使用卡尔曼滤波对目标运动状态进行估计。实验表明,算法能够对目标进行持续、稳定的跟踪。     

基于卡尔曼滤波的运动人体跟踪算法研究

提出一种基于卡尔曼滤波的运动目标快速跟踪算法。利用卡尔曼滤波器的预测功能,预测运动人体目标在下一帧中的位置,在Matlab仿真环境下实现该跟踪算法,实验结果表明：该算法对人体目标的运动趋势能够做出正确的预测估计,跟踪效果和性能较为稳定和可靠。此外,该算法将图像全局搜索问题转换为局部搜索,使运算量减少,满足实时性跟踪要求,实现了对运动目标的快速跟踪。     

Hand tracking in a natural conversational environment by the interacting multiple model and probabilistic data association (IMM-PDA) algorithm

Traditional image based hand tracking algorithms use a single model Kalman filter to estimate and predict the hand state (position, velocity, and acceleration) and do not consider multiple measurements with noise and false alarms. However, these approaches may fail in the case of large maneuvers and/or a clutter measurement environment. In this paper, we apply the interacting multiple model (IMM) to catch hand maneuvers and the probabilistic data association (PDA) method to process noisy measurements and false alarms. A theoretical framework of image based hand tracking by the IMM-PDA algorithm is set up. Experiment results from several long video segments show that the IMM-PDA algorithm gives a superior performance compared to single model based Kalman filters.