基于正则化观测矢量的H无穷粒子滤波红外目标跟踪方法

提出了一种新颖和鲁棒的红外图像序列中的目标跟踪方法。由于H无穷滤波器在系统噪声源不能确定或是未知的情况下具有较好的预测性能,所以以其估计得到的预测信息来分配粒子滤波算法的粒子。为解决粒子滤波的“采样枯竭”问题,正则化了H无穷粒子滤波器的观测矢量。同时,通过计算每个目标的亮度和局部标准差分布构成级联核的目标模型,以用于计算粒子集中各个粒子的加权值。对于目标的尺寸和表观信息变化的情况,以目标区域像素灰度值零阶矩的函数来调整跟踪窗口的大小,模型更新则通过更新目标模型的每个量化阶来实现。实验结果证明了所提出的红外图像目标跟踪方法是有效的,并且优于所比较的算法。     

复合K噪声下机动目标跟踪自适应UPF算法

针对复合K噪声下机动目标跟踪系统具有强非线性非高斯的特点,提出了一种自适应无迹粒子滤波(Adaptive Unscented Particle Filter,AUPF)算法.该算法建立在常加速模型及其改进滤波算法基础上,并将无迹卡尔曼滤波(Unscented Kalman Filter,UKF)与强跟踪滤波(Strong Tracking Filter,STF)算法相结合作为提议分布,提高了系统跟踪一般机动和阶跃机动的能力.在给出复合K噪声模型的基础上,利用AUPF算法对几种典型机动目标进行了计算机仿真,并同无迹粒子滤波(Unscented Particle Filter,UPF)算法进行了比较.仿真结果表明,复合K噪声下AUPF算法能更有效地对各种机动目标进行跟踪,具有较高的跟踪精度.     

基于粒子滤波的空-地目标跟踪算法

针对空-地目标跟踪中目标大幅度变速运动而引 起的跟踪失败问题,基于Kristan等人提出的双步(TS)动态模型框架,对空-地目标跟 踪中目标运动特点进行分析与建模,改进TS模型中 的保守模型以适应加速运动,提出适于描述大幅度变速运动的加速度双步(TSA)动态模型作 为粒子滤波(PF)跟踪算法的动态模 型,实现对粒子状态的精确预测,进而达到使用较少粒子即可对目标鲁棒跟踪的目的。对空 -地目标跟踪的测试视频进行测 试,结果表明,本文算法可对大幅度变速运动目标稳定跟踪,正确跟踪率为92%,对目标 尺寸约为25pixel×30pixel时的处理帧率为29frame/s。本文算法具有较好的鲁棒性与实时性。     

面向光电图像目标检测跟踪的距离信息处理

针对复杂背景下,光电图像目标检测跟踪的难题,分析了基于光电图像目标检测跟踪的基本模型。依据距离信息的空间维度和包含的信息量,提出将距离信息划分为标量距离信息、矢量距离信息以及阵列距离信息的分类方法;系统地研究了面向光电图像目标检测跟踪的距离信息处理方法。通过分析研究得出光电图像目标尺寸与标量距离信息的关系;提出将图像高层特征匹配模型从平面扩展到三维立体空间的图像匹配方法;总结了阵列距离信息在目标检测识别中的应用价值。通过面向光电目标检测跟踪的距离信息处理方法的分析研究,为融合距离信息的光电图像目标尺度分析、图像匹配以及目标种类辨识提供了理论依据。     

基于空间直方图的海杂波背景下红外目标跟踪

空间直方图融合了目标的灰度分布信息和灰度的空间分布信息,比传统的灰度直方图更具有目标鉴别能力。为实现海杂波背景下稳健跟踪红外目标,本文在基于粒子滤波算法的红外目标跟踪系统框架中,将加权样本集表示红外目标的状态后验概率分布;采用简单的随机漂移模型表示系统状态模型;利用目标区域的空间直方图描述红外目标,其中通过核概率密度估计建立红外目标的灰度分布,然后统计灰度分布的空间信息建立空间直方图;通过空间直方图的相似度定义来建立系统观测概率模型,最终提出一种在海杂波背景下的基于空间直方图的粒子滤波红外目标跟踪算法。实     

Sequential Monte Carlo Methods for Tracking Multiple Targets With Deterministic and Stochastic Constraints

In multitarget scenarios, kinematic constraints from the interaction of targets with their environment or other targets can restrict target motion. Such motion constraint information could improve tracking performance if effectively used by the tracker. In this paper, we propose three particle filtering methods that incorporate constraint information in their proposal and weighting process; the number of targets is fixed and known in all methods. The reproposed constrained motion proposal (RCOMP) utilizes an accept/reject method to propose particles that meet the constraints. The truncated constraint motion proposal (TCOMP) uses proposal densities truncated to satisfy the constraints. The constraint likelihood independent partitions (CLIP) method simply rejects proposed partitions that do not meet the constraints. We use simulation to evaluate the performance of these three methods for two constrained motion scenarios: a vehicle convoy and soldiers executing a leapfrog motion. Moreover, we demonstrate the utility of constraint information by comparing the proposed algorithms with the independent partition (IP) proposal method that does not use constraint information. The simulation results demonstrate that the root mean square error (RMSE) tracking performance of the RCOMP and the TCOMP methods is much better than the CLIP and IP methods; this is due to their more efficient proposal process.     

结合粒子滤波的判别尺度空间目标跟踪算法

为了解决目前跟踪算法在运动目标被遮挡和尺度变换时跟踪效果不佳的问题,提出了一种结合粒子滤波的判别尺度空间跟踪算法.提取相邻两帧的目标区域,计算目标区域的结构相似性并与更新阈值进行比较,从而判断目标是否发生遮挡;其次,若发生遮挡,启用基于颜色分布的粒子滤波算法跟踪目标,反之,用判别尺度空间跟踪算法(DSST)中的位置滤波...     

基于粒子滤波的系数编码车辆跟踪方法

传统基于生成式的车辆跟踪方法仅考虑了目标信息,忽略了车辆背景信息,降低了目标与背景的表征能力.针对复杂背景条件下视觉导航对车辆跟踪精度的需求,提出了一种基于粒子滤波的系数编码车辆跟踪方法.该方法首先对获取的帧图像进行仿射变换归一化处理,并采用深度去噪自编码器对变换后的图像进行完备特征字典的生成;接着,采用稀疏编码对完备特征字典进行降维处理,消除网络高层目标特征的冗余信息,保留网络底层的高效关联特征;最后,将提取的深度稀疏编码特征应用到粒子滤波的框架内实现车辆的有效跟踪,有效克服了判别式跟踪方法无法处理遮挡问题的缺陷.实验结果表明,在尺度变化、光照变化以及遮挡等复杂环境下,本文方法将跟踪精度提升了17％,每秒处理的帧图像速度提升了64％.     

基于主成分分析法的窗口自适应粒子滤波算法

传统的窗口固定的粒子滤波跟踪算法在运动目标尺度发生明显变化时不能有效地跟踪目标。针对这一问题,提出了一种跟踪窗口尺寸和方向自适应变化的粒子滤波跟踪方法。该方法将主成分分析法引入到粒子滤波框架中,通过分析目标区域内像素值的协方差矩阵得到包含目标区域取向和尺寸信息的椭圆跟踪窗口。实验结果表明,该跟踪算法能自适应于目标区域形状的变化,在目标尺寸和方向发生变化时能很好地跟踪和确定目标区域。     

具有非高斯相关噪声的目标跟踪

为实现强杂波背景下视频的鲁棒跟踪,在常 用非线性系统模型的基础上引入柯 西高斯混合噪声模型,充分考虑了非高斯噪声前 后时刻的状态相关性,并以权重条件最小方差为标准,推导了非高斯相关噪声的最优建议分 布 函数,在粒子滤波框架内实现了非高斯相关噪声模型时系统状态的准确估计。在新算法的框 架内采用多特征自适应融合的方法,实现了强噪声背景下视频目标的鲁棒跟踪。实验结果表 明,本文方法扩展了粒子滤波的适用范围,有效提升了强噪声环境下视频目标跟踪的精度和 稳定性。     

一种基于UPF的公路网约束下的GMTI跟踪方法

文中提出了一种利用公路网先验知识提高GMTI跟踪效果的新算法。公路网中的目标跟踪问题实质上是一个向量空间受约束的非线性估计问题。利用公路网这个约束条件，建立了一种新的目标状态模型，并利用适合于非线性非高斯状态的UPF算法进行跟踪滤波。仿真实验表明该算法降低了粒子滤波的计算量，提高了目标跟踪的精度。     

一种Camshift优化的粒子滤波跟踪算法

针对传统粒子滤波目标跟踪算法中用先验转移概率作分布函数时计算量大、粒子退化严重且未考虑最新观察信息等缺点,提出了一种Camshift优化的粒子滤波跟踪算法.算法首先在粒子滤波框架下,利用Camshift算法使粒子向目标状态的最大后验核密度估计方向移动.然后针对目标所处环境的不同,提出了适时调整参与Camshift算法优化的粒子数的方法,既考虑了跟踪算法的效率又考虑了粒子的多样性.跟踪结果表明,该算法的跟踪性能明显优于传统的粒子滤波算法,具有很好的实时性和鲁棒性.     

People detection and tracking with multiple stereo cameras using particle filters

In this work, a novel approach for people detection and tracking using multiple stereo cameras is proposed. Our proposal consists in combining information from all the available cameras using three different plan-view maps. Occupancy and height maps register the volume and height of the objects that are visible in the stereo cameras, respectively. We also propose the use of a novel map, named confidence map, which registers the confidence of the information projected in each cell. The proposed confidence map is employed to fuse the information captured by each camera so that the most reliable information is kept in each cell. We then propose a particle filter algorithm for tracking people in the fused plan-view maps. The observation model employed considers height, occupancy and confidence information so that information from the most reliable camera is employed at each time instant. The experiments conducted show the validity of our proposal.     

一种尺度自适应的粒子滤波跟踪算法

针对复杂背景下目标发生旋转、遮挡、尺度变化和摄像机运动时不能实时跟踪到目标的问题,将最佳核窗宽方法和信息量度量方法相结合,用于粒子滤波框架中.各个粒子通过均值偏移来搜索峰值,同时加入了相应的遮挡策略.实验结果表明,该算法在目标发生旋转、遮挡后仍能很好地跟踪到目标.同时跟踪窗能随目标尺度的大小变化作相应调整,大大提高了算法的实时性和稳健性.     

基于粒子群优化和M-H采样粒子滤波的传感器网络目标跟踪方法

针对实际应用条件下传感器节点的观测数据与目标动态参数间呈现为非线性关系的特性,提出了一种基于粒子群优化和M-H抽样粒子滤波的传感器网络目标跟踪方法。该方法采用分布式结构,在动态网络拓扑结构下,由粒子群优化和M-H抽样技术实现滤波中的重抽样过程,抑制粒子退化现象,并通过粒子间共享历史信息,降低单个粒子历史状态间的相关性使各粒子能快速收敛至最优分布,从而实现高精度的目标跟踪效果。仿真结果表明,相比现有的基于信息粒子滤波和并行粒子滤波技术的传感器网络目标跟踪方法,所提出的方法能降低网络总能耗,同时保证目标跟踪的精度。     

基于阵列单通道的机动目标DOA跟踪方法

针对现有利用阵列单通道系统对机动目标跟踪精度不高,实时性差等不足,提出了一种新的基于改进粒子滤波算法的阵列单通道机动目标波达方向(direction of arrival, DOA)跟踪方法。该方法首先在利用接收机轮流采样建立数学模型的基础上,建立跟踪模型。然后,利用粒子群优化算法对马尔科夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)粒子滤波算法的重采样环节进行优化处理,给出了一种交互MCMC粒子滤波算法,该算法克服了传统粒子滤波算法粒子退化及样本贫化的固有缺陷。最后利用该算法求解跟踪方程,实现了实时DOA估计。理论分析与仿真结果表明,本文方法可实现基于阵列单通道的DOA跟踪与波束形成一体化,且能够处理相干信号,与标准粒子滤波和子空间类算法相比,收敛速度快,跟踪精度高。      

Efficient and robust fragments-based multiple kernels tracking

Representing an object with multiple image fragments or patches for target tracking in a video has proved to be able to maintain the spatial information. The major challenges in visual tracking are effectiveness and robustness. In this paper, we propose an efficient and robust fragments-based multiple kernels tracking algorithm. Fusing the log-likelihood ratio image and morphological operation divides the object into some fragments, which can maintain the spatial information. By assigning each fragment to different weight, more robust target and candidate models are built. Applying adaptive scale selection and updating schema for the target model and the weighting factors of each fragment can improve tracking robustness. Upon these advantages, the novel tracking algorithm can provide more accurate performance and can be directly extended to a multiple object tracking system.     

基于地理信息的地面运动目标跟踪方法

为了提高地面运动目标跟踪精度,提出了基于地理信息约束的变结构交互多模(VS-IMM)的目标跟踪算法。通过建立地理信息系统约束地面目标运动状态,并利用目标转弯曲线模型确定滤波器中机动目标的时变运动模型集,采用地理信息约束的变结构交互多模算法可更符合实际进行地面目标机动跟踪。针对机场地面机动目标的仿真结果表明,给出的地理条件约束的目标跟踪算法比现有交互多模算法具有更好的性能。     

基于区域复合概率的行人候选框生成

行人检测在汽车驾驶辅助系统和智能视频监控等领域有广泛的应用,而行人候选框的生成是行人识别、定位及跟踪的一项重要前期工作.本文提出一种基于区域复合概率（Local Mixture Probability,LMP）模型的在线生成行人候选框的方法.该方法根据区域相似性将监控场景划分为多个子区域,随之对各区域内行人的位置和尺度分别建立泊松模型和高斯模型.通过模型的学习与更新可以获取目标出现的概率信息以及目标尺度的分布情况,从而为候选框的生成提供依据,避免遍历搜索的盲目性.实验结果表明,该算法能够在生成较少数目候选框的情况下获得较高的覆盖率.     

基于自适应观测模型交互多模型粒子滤波的红外机动目标跟踪

针对红外目标跟踪问题,提出一种混合观测模型以描述日标像素灰度的渐变以及目标的突然消失或复现,采用在线EM算法对观测模型参数进行更新;将自适应观测模型与交互多模型粒子滤波相结合用于目标跟踪;基于概率排斥原则改进了似然函数,将上述算法推广到多目标跟踪领域.单目标和多目标跟踪仿真结果验证了所提算法的有效性.