基于多特征自适应融合的核跟踪方法

提出了一种基于多特征自适应融合的核跟踪框架. 利用目标特征的子模型集合构造了目标的多特征描述, 通过线性加权方法将目标的多个特征集成在核跟踪方法中. 根据各个特征子模型与当前目标及背景的相似性, 提出了一种基于 Fisher 可分性度量的权值自适应更新机制; 同时为了克服模型更新过程中的漂移, 基于子模型的可分性提出了一种选择性更新策略, 实现了在变化场景下的鲁棒跟踪. 基于本文所提多特征跟踪框架, 利用目标的颜色特征与 LBP (Local binary pattern) 纹理特征具体实现了多特征自适应融合的核跟踪方法, 实验验证了本文方法的有效性.     

传感器自适应跟踪算法研究及仿真系统实现

雷达和红外作为目标跟踪常用的两种探测手段,各有其优缺点,利用雷达高精度的距离测量和红外高精度的角度测量,通过信息融合技术充分实现二者的优势互补,并结合交互式多模型(IMM)跟踪思想,给出对目标位置的精确估计;设计基于雷达/红外多传感器跟踪平台的自适应融合跟踪算法,实现根据目标不同运动特性进行跟踪模型灵活、合理切换的自适应目标跟踪,改善对目标的综合识别,达到更好的跟踪效果;选取当前工程实践中广泛应用的目标运动模型,设计基于VC++环境的目标跟踪仿真系统软件,并利用MFC界面制作技术创建可视化目标跟踪仿真软件平台,对跟踪算法性能进行验证。     

鉴别式多核手跟踪

快速运动、背景混杂及手的特殊性为传统的核目标跟踪技术提出了挑战.文中提出一种鉴别式颜色子空间选择和多核校正机制的核跟踪方法.首先基于前景背景建模,通过鉴别函数选取最优鉴别式颜色子空间集,再基于训练的肤色模型保留高置信子空间表征目标.其次,为适应尺度变化和快速运动,基于多核快速估计相似度表面以校正初始核位置,迭代定位目标.实验表明,融合二者的跟踪器在有效性和速度上都实现了满意的性能,满足实时性需要.     

基于多尺度建议框的目标跟踪误差修正方法

随着深度学习技术引入视觉目标跟踪领域,目标跟踪算法的精度和鲁棒性有了很大的提高。但在低空无人机跟踪目标的实际场景中,情况比较复杂,如相机的抖动、大量的遮挡、视角和焦距的改变等,使得跟踪算法的准确性受到极大挑战。目前的算法大多建立在目标外观变化缓慢的前提假设下,在跟踪的过程中不具备检测和修复漂移（跟踪误差）的能力。针对该问题,提出了一种基于多尺度建议框的目标跟踪误差修正方法。离线阶段,利用大量的已标注的目标样本训练基于多尺度建议框的目标跟踪修正模型,获取不同类别目标的先验知识。在线阶段在核相关滤波跟踪的基础上,依据相关响应置信度自适应评价的结果,通过目标跟踪修正模型不定期重新初始化目标的位置,避免了因为误差累积而导致跟踪失败。算法在无人机航拍数据集上进行了测试,结果表明,该跟踪算法在目标发生较大形变的情况下能较好的修正跟踪漂移问题。相比于其他几种算法,目标跟踪的成功率和精度分别提高了14.3%和3.1%。     

视频监控领域基于自适应学习因子与积分通道特征的核相关目标跟踪算法

针对复杂场景下单一特征跟踪算法适应性不强的问题,提出一种基于积分通道特征的核相关目标跟踪算法,该算法利用积分通道特征丰富多样的特征信息与高效的计算效率,将不同通道的特征整合到核相关模型中,可以克服单一通道特征对目标区域描述不足的缺陷。同时,本文也提出了一种自适应学习因子策略,增强了模型的泛化能力。大量的定性定量实验表明本文所提的算法的跟踪性能超过传统的核相关跟踪算法,对复杂的跟踪场景具有更强的鲁棒性与抗干扰能力。     

基于自适应分块的视频目标跟踪方法研究*

针对目标跟踪中的遮挡问题,提出了一种基于颜色特征的自适应跟踪算法。该算法利用模糊K均值聚类将目标自适应分块,采用单调递减的核函数对子块进行加权,目标模型的更新只需更新子块的颜色均值,计算量小。在跟踪过程采用目标整体匹配的方法,结合设计的自适应Kalman滤波器,有效地解决了跟踪过程中的目标遮挡问题。实验结果表明,新算法能够实现目标的准确跟踪。     

基于静态自适应外观模型纠正的目标跟踪算法

针对单目标跟踪过程中难以长期稳定跟踪的问题,提出一种基于静态-自适应外观模型纠正的跟踪算法。首先将跟踪过程中可能遇到的干扰因素分为来自环境和目标本身两类,分别提出静态外观模型和自适应外观模型,静态外观模型用于全局匹配,自适应外观模型用于局部跟踪,静态模型纠正自适应模型的跟踪漂移问题;使用单链接层次聚类算法去除两种模型融合后引入的噪声;针对运动目标消失再出现时难以捕获的问题,使用静态模型进行全局搜索,捕获目标。对于实验中的视频序列,视频序列中目标的中心位置准确率为0.9,计算机每秒能够处理26帧图像。实验结果表明,该跟踪算法框架可以实现长期稳定的跟踪,具有良好的鲁棒性和实时性。     

运动目标识别方法与仿真研究

运动目标识别与跟踪在军事和工业领域具有广泛的应用前景。典型的跟踪方法有相关匹配算法、光流算法、基于运动轮廓算法等。典型的识别方法有：模板匹配目标识别法、基于相似性度量识别法、基于遗传算法目标识别算法等。本文提出了一种基于神经网络的识别与跟踪方法,并研究了运动目标识别与跟踪仿真模型和实现方法。     

面向多源数据融合的稀疏表示目标跟踪

传统的基于稀疏表示的目标跟踪方法主要利用目标的灰度特征构建稀疏表示模型。由于灰度特征对光照变化敏感，这会影响目标跟踪在复杂场景下的鲁棒性。基于多源数据融合的目标跟踪可以明显提升目标跟踪鲁棒性，但如何有效融合不同维度，不同类型的多源目标特征成为基于多源数据融合的目标跟踪所要解决的关键问题。提出了一个基于目标状态以及灰度特征的稀疏表示目标跟踪方法。所提出的方法可通过基于核函数表示的稀疏表示模型，在探究目标状态以及灰度特征相关性的基础上，将两种不同维度的特征进行有效融合，提升目标跟踪在复杂场景下的鲁棒性。     

一种基于粒子群优化的目标跟踪特征选择算法

针对复杂背景下的运动目标跟踪特征选择问题,提出了一种基于粒子群优化的目标跟踪特征选择算法。假设具有目标与背景间最好可分离性的特征为最好的跟踪特征。通过构建目标与背景的图像特征分布方差的比值函数作为衡量目标与背景间的可分离性判据。使用粒子群优化算法优化不同的特征组合实时获取最优的目标跟踪特征。为验证该算法的有效性,将选择的最优特征与一种基于核的跟踪算法相结合进行跟踪实验。实验结果表明,算法能有效提高传统基于核的跟踪算法对于复杂场景下的运动目标跟踪的鲁棒性与准确性。     

基于级联方法的欠驱动AUV全局K指数3 维直线跟踪控制

采用非线性系统级联方法,提出一种欠驱动自主水下航行器的3维直线跟踪控制算法,首先将3维直线跟踪误差模型分解为水平面运动受垂直面运动扰动的级联结构;然后分别设计俯仰角指令和航向角指令,进一步将平面直线跟踪模型分解为位置跟踪误差受俯仰角/航向角跟踪误差扰动的级联结构,并设计了俯仰角和航向角的跟踪控制律,通过逐级应用级联系统稳定性理论证明了3维直线跟踪误差的全局κ指数稳定性;最后通过数学仿真验证了所提出跟踪控制算法的有效性。     

基于多表观模型竞争的视觉跟踪算法

在视觉跟踪中,如何适时地更新目标模型是影响跟踪算法跟踪精度和鲁棒性的关键性因素,也是当前研究中面临的重点和难点问题。对此,提出了一种基于多表观模型竞争的模型更新策略,通过多表观模型中各子模型的贡献度大小确定竞争优势排序,当最优子模型的贡献度满足多表观模型更新阈值时,对各子模型及其对应的系数进行更新,否则,仅对部分子模型进行更新。在此基础上,以粒子滤波算法为跟踪框架,提出了基于多表观模型竞争的视觉跟踪算法。实验结果表明,所提算法能够较好地处理视觉跟踪中的模型更新问题,跟踪性能较无模型更新策略的粒子滤波算法有明显提高。     

Shape based appearance model for kernel tracking

This paper investigates kernel based tracking using shape information. A kernel based tracker typically models an object with a primitive geometric shape, and then estimates the object state by fitting the kernel such that the appearance model is optimized. Most of the appearance models in kernel based tracking utilize the textural information within the kernel, although a few of them also make use of the gradient information along the kernel boundary. Interestingly, shape information of a general form has never been fully exploited in kernel tracking, despite the fact that shape has been widely used in silhouette tracking at the cost of intensive computation. In this paper, we propose an original way to incorporate shape knowledge into the appearance model of kernel based trackers while preserving their computational advantage versus silhouette based trackers. Experimental results demonstrate that kernel tracking is strongly improved by exploiting the proposed shape cue through comparisons to both kernel and silhouette trackers.     

基于操作风险的双模式传感器管理方法

基于风险理论研究同时面向目标检测和跟踪任务的传感器管理方法.首先,定义目标检测风险和目标跟踪风险,并分别给出计算方法;其次,以目标检测风险最小化为目标函数建立传感器部署模型,以目标检测风险和目标跟踪风险之和最小化为目标函数建立传感器调度模型,且该调度发生在前面传感器部署模型建立的传感器网络之上;然后,针对模型的求解,同时为克服基本人工蜂群算法易陷入局部最优的缺点,提出改进的双向轮盘赌-粒子群-蜂群算法;最后,通过仿真验证模型和算法的有效性.     

ULTRA‐FINE TRACKING CONTROL ON PIEZOELECTRIC ACTUATED MOTION STAGE USING PIEZOELECTRIC HYSTERETIC MODEL

The tracking control accuracy of the piezoelectric actuator (PEA) is limited due to its inherent hysteresis nonlinearity. A new piezoelectric‐actuator model is synthesized based on two first‐order transfer systems in parallel with two tuned parameters determined from one experiment. Two open‐loop tracking controllers are implemented with the proposed model to compensate the hysteresis of linear positioning. Numerical simulations and experimental tests on the tracking of sinusoidal and triangular waveforms with signal frequencies ranging from 1Hz to 30 Hz are revisited and compared with the conventional Bouc‐Wen and Duhem models. Experimental results reveal that the RMS tracking error can be reduced to less than 2% of the maximum traveling distance without any feedback sensor. When a piezoelectric actuated on a two Degree‐Of‐Freedom (DOF) monolithic motion stage was employed, the RMS tracking error was 50 nm within the measured sensor accuracy.     

Construction and optimization of a texture-geometric model of a face image in the space of basic Gabor functions

An approach to constructing a texture-geometric model of an object with the help of the mean square approximation of an image region by a linear combination of basis Gabor functions (Gabor Wavelet Network) is considered. The method for constructing the model based on the optimized obtaining of a basis of Gabor functions for a set of images of objects of a given class is improved. A development of the method of estimating the object parameters consisting in optimizing the parameters of a deformed model in the normalized metric and a proper coordinate system by the trust region method is presented. The problem of real-time tracking a face in video images and localizing its elements based on a hierarchical representation of image regions by texture-geometric models is considered.     

自适应特征融合的相关滤波跟踪算法

为提高复杂背景下目标跟踪的鲁棒性,提出一种基于相关滤波的自适应特征融合目标跟踪算法.在HOG特征基础上,增加HSV颜色概率直方图,以此获得准确的位置预测.然后分别训练颜色名和HOG特征,并根据两个响应图的峰值自适应地分配融合系数,进而基于尺度池方法,采用多通道特征实现目标的尺度估计.模型的高置信度更新由两个响应图的平均...     

基于背景抑制颜色分布新模型的合成式目标跟踪算法

传统的基于直方图分布的目标颜色模型,由于跟踪过程的实时性要求其区间划分不宜过细,因此易导致同一区间有差异的颜色难以区分;此外,还存在易受背景干扰的问题.本文提出一种新的背景抑制目标颜色分布模型,并在此基础上设计了一个合成式的目标跟踪算法.新的颜色分布模型将一阶及二阶统计信息纳入模型,并设计了基于人类视觉特性的权重计算方...     

Selection and fusion of color models for image feature detection

The choice of a color model is of great importance for many computer vision algorithms (e.g., feature detection, object recognition, and tracking) as the chosen color model induces the equivalence classes to the actual algorithms. As there are many color models available, the inherent difficulty is how to automatically select a single color model or, alternatively, a weighted subset of color models producing the best result for a particular task. The subsequent hurdle is how to obtain a proper fusion scheme for the algorithms so that the results are combined in an optimal setting. To achieve proper color model selection and fusion of feature detection algorithms, in this paper, we propose a method that exploits nonperfect correlation between color models or feature detection algorithms derived from the principles of diversification. As a consequence, a proper balance is obtained between repeatability and distinctiveness. The result is a weighting scheme which yields maximal feature discrimination. The method is verified experimentally for three different image feature detectors. The experimental results show that the fusion method provides feature detection results having a higher discriminative power than the standard weighting scheme. Further, it is experimentally shown that the color model selection scheme provides a proper balance between color invariance (repeatability) and discriminative power (distinctiveness)     

Nonlinear offset-free model predictive control

This paper addresses offset-free reference tracking of asymptotically constant reference signals using Model Predictive Control. Existing results for linear models are extended to general nonlinear models. The core of the proposed method employs a disturbance model and an observer to estimate its state. Typical disturbance models are shown and the implications of using them are discussed. Conditions are given for which this setup eliminates the tracking error asymptotically. Basically, we prove that error free output estimation and error free nominal tracking imply offset-free Model Predictive Control.