一种新的基于概率理论的概率数据互联滤波器

该文从理论上分析了用于目标跟踪的概率数据互联滤波器(PDAF)和联合概率数据互联滤波器(JPDAF)存在的不足,提出了一种新的概率数据互联滤波器(NPDAF)。NPDAF在数据关联时基于概率理论：一个测量可能源于目标,也可能源于杂波,但其源于目标的概率与其源于杂波的概率之和应为1。同时,给出了跟踪过程中NPDAF的数据互联模型及滤波器的实现方法。该实现方法首先计算测量与各目标的关联概率,然后用概率对跟踪滤波器的增益加以修正。仿真实验表明,在对多目标进行跟踪时NPDAF的性能优于JPDAF。     

机动目标跟踪中数据互联新方法

为解决机动目标跟踪过程中的数据互联问题,该文提出了一种数据互联新方法。与概率数据互联滤波器不同,在进行数据互联时,该方法假定目标当前转弯率在某一范围内取值,这样其预测中心不再是一个点,而是一线段。在计算测量的权重系数时,采用的是测量距该线段的距离。仿真实验表明,杂波环境下对机动目标跟踪时,该方法降低了航迹丢失率,提高了状态估计的精度。     

基于改进概率数据关联滤波的红外小运动目标跟踪

在跟踪弱小运动目标过程中,低信噪比和高虚警率使得即使是在波门内也存在较多的虚假目标,加大目标识别的不确定性,降低跟踪的可靠性和精度。该文分析了红外成像系统中目标信号特点,根据概率数据关联滤波的思想,提出了一种基于目标幅度连续性和运动一致性的弱小目标跟踪识别方法,重点比较了极大似然-概率数据关联滤波和改进算法的目标识别与跟踪性能。理论分析和实验结果表明,该方法较大程度上减少了弱小目标跟踪过程中测量点与航迹关联的不确定性,提高了目标识别与跟踪性能。     

基于杂波密度估计的联合概率数据互联算法

联合概率数据互联(JPDA)算法能很好地解决密集环境下的多目标跟踪问题。在该算法基础上,人们又提出了多传感器联合概率数据互联(MSJPDA)算法和一些基于JPDA的修正算法。在联合概率数据互联算法中,有一个很重要的参数就是杂波数密度(或波门内虚假量测期望数),然而在许多实际情况中,这个参数是很难获取的。针对这一问题,提出了一种修正的联合概率数据互联算法,该算法通过实时地调整这一参数来获得对目标较为准确的估计结果。最后,给出了算法的仿真分析。     

基于概率数据关联的点状动目标CFAR高分辨检测技术研究

本文以多帧检测成功为条件,通过预测目标在下一单帧上可能的存在区域,再在此区域内进行目标的Meyman- Pearson检测。由于信噪比很低,区域内可能会出现很多虚假目标,利用已获知的目标初始信息和数据关联技术,确定其中某一个为真实目标成为关键决策问题。为此,本文将概率数据关联技术应用到图像序列中目标检测领域,得到了重要的理论分析和实验结果。高分辨检测器接收已获知的目标初始信息(目标的初始位置、运动速率以及目标亮度)后,根据概率数据关联技术进行正确测量值的确认,再用卡尔曼滤波器来预测目标在下一帧的可能状态。文中还给出了理论分析、公式推导过程和实真结果。     

一种用于三维空间杂波环境机动目标跟踪的数据互联方法

目标跟踪过程中运动模型不准会导致预测中心不准,而预测中心不准会导致错误关联。为解决三维空间杂波环境下机动目标跟踪过程中数据互联问题,在数据关联时假定目标转弯率在一定范围内变化并且转弯方向是任意的,这样,预测中心为三维空间中的一曲面。在计算测量与目标间的关联度时,依据的是测量点距该曲面的距离。为了减少数据互联的计算量,该文提出了与特定测量相匹配的转弯率和转弯方向的计算方法。仿真实验表明,杂波环境下对机动目标跟踪时,采用该文方法提高了数据正确关联率,降低了航迹丢失率,同时提高了状态估计的精度。     

基于匈牙利概率数据互联的抗RGPO 干扰跟踪方法

针对受距离门拖引(RGPO)干扰导致的雷达跟踪误差增大、航迹中断概率变高等问题,提出基于匈牙利概率数据互联的抗RGPO 干扰跟踪方法。首先,分析RGPO 干扰和雷达跟踪原理,将雷达抗干扰跟踪问题建模为邻近多目标跟踪问题。然后,设计假目标虚拟航迹起始算法,并在概率数据互联框架下引入匈牙利算法进行真假航迹交互修正,有效解决抗干扰跟踪时点迹-航迹错误关联、滤波发散等问题。最后,理论分析和仿真结果表明,与传统方法相比,所提方法在未受干扰时雷达跟踪性能保持不变,在受RGPO 干扰时可有效提升目标跟踪精度、大幅降低航迹中断概率。     

基于Hough变换的红外序列图像点目标跟踪方法

针对红外序列图像中点目标成像质量较差、跟踪困难等问题,利用Hough变换算法的抗噪性,并根据测量图像的具体特点,对算法的计算量进行了优化.通过将三维空间Hough变换降为二维,提出了一种基于Hough变换的红外序列图像点目标跟踪方法.实验结果表明,该方法对部分缺损及大小变化的目标都能够实现稳定跟踪,提高了红外目标跟踪的...     

一种新的联合概率数据互联算法

点迹与航迹数据互联是多目标跟踪问题中迫切需要解决的问题。分析了目前解决数据互联问题的方法与最新研究成果,建立了一个多目标数据互联模型,提出了一种新的联合概率数据互联算法,实现了微机仿真并给出了仿真结果。     

航拍图像序列的地面运动目标跟踪

建立了一套针对航拍图像的运动目标跟踪系统。根据航拍图像序列存在背景运动的特点,运用了一种基于稀疏采样的局部补偿误差函数泰勒展开法,求得背景模型参数,补偿背景运动;根据背景运动矢量和目标运动矢量不同的特点,采用了运动矢量聚类的算法,对多个潜在目标准确定位,并建立跟踪嚣找出真实目标进行跟踪。针对图像匹配可能产生的误差。提出对匹配结果进行聚类,以提高求得的背景模型参数的精确性,又针对差分图像中运动目标信息的不完整的特点,根据目标残缺信息先取得目标完整边缘信息,再进行目标定位,提高了定位的精度,并给出了部分实验结果。结果表明,该算法对噪声和光照具有很强的抑制性,能快速有效地对运动目标进行跟踪。     

一种微弱点运动目标的快速统计检测算法

本文提出一种新的从序列图像中检测微弱点状运动目标算法,该算法基于多帧检测技术,它首先累加多个差分帧,构成组合帧,然后在组合帧内对目标轨迹进行统计判别.与其它检测算法相比较,该算法在保证较高检测性能的同时,具有快速、实时的特点.本文还给出了该算法性能的理论分析结果及实验仿真结果.     

一种新的红外弱小目标检测与跟踪算法

针对低信噪比下红外序列图像中弱小目标的检测与跟踪问题,提出了一种新的基于双边滤波的方法.首先将传统的二维双边滤波扩展为空-时三维双边滤波,由于同时利用了红外序列的空域信息和时域信息,该三维双边滤波能在抑制噪声的同时增强目标和背景之间的对比度.用其实现红外图像的预处理,再用门限分割检测出红外序列中的弱小目标.同时,用序贯蒙特卡洛方法对检测到的弱小目标进行跟踪.实验中,用实际红外序列图像对算法进行了验证,结果表明,在低信噪比下,所提算法能对红外弱小目标进行实时检测和跟踪.     

基于时空分集的弱点状动目标高性能实时检测技术研究

降维处理法在多维信号检测中虽然减少了计算量,简化了检测过程,但是将会导致系统检测性能的下降,这一点是实际应用所不允许的。在序列图像情况下,为提高算法的实时性,研究了一种基于时空分集理论的降维处理及实时检测技术:时间分集实现了从时空三维图像向二维空间的投影,从而目标运动轨迹的搜索空间维数从时空三维变成了二维;空间分集完成了目标能量的积累,从而提高了信噪比。为提高系统检测性能,对决策统计量的分布函数进行了变换,改造了分布形状,获得了有利于提高检测概率的分布。给出了具体实施方案,相应的理论分析和实验结果。     

使用高斯混合滤波器的机动目标跟踪

实际目标跟踪过程中,被跟踪目标的状态与类型都是不确定的。使用运动学传感器与属性传感器分别获取的目标状态量测信息与特征量测信息,给出了目标状态与类型不确定性的联合状态类型概率密度函数表示,并推导了线性高斯假设下的系统模型为高斯混合模型。根据这一性质,引入高斯混合滤波器,实现了机动目标的有效跟踪。在仿真分析中,通过对比3种算法的跟踪结果,进一步验证了使用高斯混合滤波器在机动目标跟踪过程中的有效性。     

Maneuvering Multi-target Tracking Using the Multi-model Cardinalized Probability Hypothesis Density Filter

Tracking an unknown and time-varying number of maneuvering targets is a challenging problem in the presence of noise, clutter uncertainties in target maneuvers, data association, and detection. To account for this problem, a multi-model extension of the Cardinalized probability hypothesis density （CPHD） filter is proposed in this paper. Additionally, a particle implementation and a Gaussian mixture implementation of the proposed extension are given for generic models and linear Gaussian models, respectively. The effectiveness of the extension is illustrated through Monte Carlo simulation.     

序列图像中运动点目标轨迹检测算法研究

序列图像中弱运动点目标的实时检测算法,是精确制导系统中的关键算法之一.本文在对现有检测算法分析的基础上,详细阐述和研究了利用LS线性预测器的点-轨迹预测与匹配的目标轨迹检测算法,并通过仿真实验进行验证,最后指出此算法较以前的算法可更有效的从图像序列中检测出弱运动点目标的轨迹.     

基于动态图像处理技术的动目标检测与跟踪

针对摄像机与目标同时运动情况下运动目标的检测与跟踪问题,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;然后通过预测未来路线,运用光流学与对应物的对应方法进行运动目标跟踪.     

一种实现机动目标跟踪的STF动态模型PDA算法

本文提出了一种基于强跟踪滤波器(STF)的模型结构动态调整的概率数据关联算法(STF-PDA).该算法提高了概率数据关联(PDA)算法的性能.在跟踪目标,尤其是在跟踪机动目标的性能上,理论分析表明该算法比基于KF或EKF的PDA方法优越.且与基于KF和EKF的PDA算法进行了实验结果比较,结果表明,本文提出的算法更为有效.     

基于图像处理技术的目标跟踪研究

基于视频的交通信息采集目前已成为计算机视觉领域新兴的研究方向,准确的运动目标跟踪是其关键技术并为智能交通系统奠定基础。详细介绍了几种常用的目标跟踪算法,并对目前算法相对成熟、匹配效果较好的Hausdorff算法深入研究,随后针对其计算量大的问题,采取了一种新策略,即Hausdorff算法与Kalman滤波器对目标运动进行预测估计相结合的方法进行运动目标的跟踪。