一种新的基于颜色统计特征的判别跟踪方法

针对目前目标跟踪的大部分判别算法注重跟踪效率而没有考虑尺度变化这一问题,提出了一个简单而鲁棒的基于颜色统计特征的判别跟踪方法。这种新的颜色统计特征具有一定的光照不变性,同时保持较强的判别能力。建立了跟踪过程的仿射运动模型,利用优化参数来解决尺寸及角度变化等问题。此外,为了进一步提高跟踪速度,采用低维的颜色统计特征描述目标外观,利用颜色统计特征训练贝叶斯分类器,将置信值最大的样本作为跟踪结果,并在线更新分类器。与现有跟踪器的大量综合性的对比实验表明,该判别跟踪方法在不同挑战因素下均有明显优势。     

仅有角度观测信息情况下目标机动自适应跟踪算法研究

针对光电目标跟踪问题中纯角度跟踪的特点,提出了纯角度目标的机动自适应跟踪算法.该算法采用机动目标“当前”统计模型描述目标的运动特性,根据强跟踪滤波器的思想通过实时检测滤波器的残差信息确定目标的机动变化情况,进而调整“当前”统计模型中表征目标机动特性的参数(机动频率和随机加速度分布的极值),使得运动模型更加符合目标的机动...     

水下机动目标跟踪技术研究

水下目标跟踪是海洋国土监视、反潜战等环境下的关键技术。以往的跟踪滤波算法主要基于卡尔曼滤波、扩展卡尔曼滤波等算法,这些方法实现比较复杂,滤波精度不高。最近出现了不敏卡尔曼滤波、粒子滤波、转换瑞利滤波、双多基地跟踪算法等,需要研究这些算法在水下目标跟踪中的性能。总结对比了国内外学者在此领域的研究成果,得出了这些滤波算法在水下目标跟踪中的优缺点。重点论述了纯角度跟踪和非线性滤波算法的发展、在水下目标跟踪中的应用以及多基地声纳跟踪水下目标技术的发展,回顾了机动目标跟踪和多目标数据互联算法。研究表明,非卡尔曼滤波算法能够更高精度地跟踪水下目标,双多基地声纳是今后发展的重点。为今后的研究提供参考。     

基于被动式传感器的目标跟踪算法研究

仅有角度量测的被动式单传感器跟踪搜索系统有广泛的应用前景,但现有的针对性跟踪算法并不能很好的处理实际问题,失跟现象常常发生。本文对现有算法所存在的问题进行了深入研究,并提出了相应的改进算法。通过对机动目标运动分析,总结出角度向量在时间域中的变化规律,通过引入新的计算向量,对原算法残差计算进行了修正。它对基于单个被动传感器的纯方位跟踪问题的处理提供了新的思路。仿真实验及实际应用已证明了该算法有效性。     

多阵方位-频率目标运动分析算法研究

利用两接收阵的大空间跨度，可以得到对同一个目标有较大差异的DOA估计，利用这些角度差可直接对目标进行三角定位和跟踪。在多阵条件下，即使只有一种目标方位参量，也能在不需要本艇机动下对目标进行跟踪。但当目标处于两阵连线上时，目标仍容易发散。为解决这一问题，我们提出了多阵方位．频率目标运动分析算法，对其可观察性进行了分析。理论分析证明多阵方位-频率TMA的不可观察性条件在多阵纯方位TMA的不可观察性条件[θ1(t)-θ2(t)]=kπ上增加了一个附加条件θ1′=0。这个附加条件不仅弱化了不可观察性的约束条件，还在一定程度上增加了目标跟踪的稳定性。最后给出了三种情况下的计算机模拟．并与多阵纯方位目标运动分析算法作了比较。     

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。     

一种纯方位跟踪中的自适应滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波算法易发散的不足，提出了一种自适应的改进算法。该算法利用极大后验噪声估计器Sage-Husa对虚拟观测噪声进行实时在线估计，动态补偿线性化带来的误差。算法的对比仿真分析结果表明，AEKF较之EKF滤波效果有所改善，增强了稳定性，提高了精度，为ST纯方位被动目标跟踪的实现提供一种新的方法。     

倾斜二维指向镜跟踪系统速率方程

本文针对非传统二维指向镜跟踪系统,建立了跟踪器入射光轴角速率与仪器框架轴角速率的运动学耦合方程,给出了完整跟踪解耦关系式,并对解耦关系式进行了适当的小角度近似和线性化处理,从而实现成像跟踪闭环控制环路。仿真结果验证了解耦关系式的正确性和有效性。经过近似处理后不但有效解决了算法的实时性问题,且对跟踪器镇定时间无较大影响。     

被动传感器系统的快速航迹起始算法

针对传统航迹起始算法在纯方位目标跟踪应用中存在的问题,提出了一种基于被动式单传感器系统的快速航迹起始算法.算法通过分析二维纯方位目标运动的特点设定威胁目标的筛选规则,利用改进的启发式算法在最短时间内对威胁目标进行舷迹起始.再将基于逻辑的方法应用到纯方位坐标系下,进行一般目标的航迹起始.通过这两种方法在纯方位目标跟踪系统中的联合运用,不仅使目标航迹得到有效确认,而且为系统建立目标威胁等级提供了基础.仿真和实际系统的应用表明了此算法的有效性和实用性.     

Kalman滤波融合优化Mean Shift的目标跟踪算法

目标跟踪中,目标的背景变化、形状改变、遮挡,往往会导致跟踪失败,而跟踪的实时性和准确性是必须考虑的问题。本文首先对Mean Shift算法进行了介绍,接着对Mean Shift算法进行了优化:修正Mean Shift算法迭代权值,修正后主要信息贡献更加突出,次要信息受到抑制,避免了开方的繁琐运算,降低了运算量。提出了目标模板更新算法,解决了背景变化和目标形状改变时跟踪失败的问题。然后在水平位置和竖直位置建立Kalman滤波器,同时将优化Mean Shift算法与Kalman滤波融合,解决了目标完全遮挡后无法继续跟踪的问题。仿真实验表明,本文提出的目标跟踪算法在目标遮挡,目标形状改变,目标跟踪失败的情况下具有更高的跟踪精度,更高的实时性和鲁棒性。     

Autonomous target tracking and following mobile robot

Tracking and following a moving target in real time is a very challenging task in autonomous mobile robot applications, due to the unstructured and unknown environment. In this article, a real time, autonomous, dynamic, whole-field target tracking system (360° coverage) is developed based on a pan/tilt/zoom CCD vision system. The vision system scans and locks the pose of the moving target and commands the tracking mobile robot to follow the target while avoiding obstacles. Bayes’ theorem-based foreground–background segmentation algorithm is applied for motion detection. The color-based particle filter algorithm is used to track the moving object. The system steers the tracking mobile robot toward the moving target based on the angular difference obtained from the tracking module. Fuzzy logic is applied and a sensor data fusion algorithm is developed to reduce the ultrasonic phantom effect of obstacle detection using eight ultrasonic sensors. Multiple behaviors are integrated through the proposed system. Experimental results show the proposed system can successfully track and follow a moving target and avoid obstacles in real time. The tracking accuracy is higher than 80%.     

USAN算法在实时系统中的实现

介绍USAN(Univalue Segment Assimilating Nucleus即吸收同值核区)算法在实时系统上的应用。应用USAN模板对图像扫描,并且对扫描后的数据做方向识别,获得目标上的角点特征,从而得到以角点为跟踪点的跟踪算法。此算法由于其跟踪点稳定,不受随机噪声的影响,因而可以大大提高跟踪精度,在实际应用中获得较好的效果。     

一种灰度成像扩展目标跟踪方法

灰度图像色彩信息贫乏会导致易陷于局部相似,使跟踪点发生漂移。针对此问题,提出了基于目标成像空间域与特征域分布的改进直方图模式扩展目标跟踪算法。以基于像素位置和像素灰度值的直方图模式作为目标模式;相似度测量采用基于Bhattacharyya系数定义的距离;用均值偏移迭代进行匹配区域搜索;通过建立卡尔曼预测跟踪策略解决目标被遮挡时的跟踪问题。试验结果表明,采用该算法,跟踪点漂移由原来十几个像素的波动减少到仅偶有1个像素的抖动。     

Modified input estimation technique for tracking manoeuvring targets

A new input estimation (IE) model for problems in tracking manoeuvring targets is proposed. The proposed model is constructed by combining the two models of uncertainties, Bayesian and Fisher. The conventional model, which describes targets with manoeuvre, is based on the state vector of target position and velocity. The acceleration is treated as an additive input term in the corresponding state equation. The proposed method is a Kalman filter-based tracking scheme with the IE approach. The proposed model is a special augmentation in the state-space model which considers both the state vector and the unknown input vector as a new augmented state vector. In the proposed scheme, the original state and acceleration vectors are estimated simultaneously with a standard Kalman filter. The proposed tracking algorithm operates in both the non-manoeuvring and the manoeuvring modes and the manoeuvre detection procedure is eliminated. The theoretical development is verified by simulation results, which also contain some examples of tracking typical target manoeuvres. The results are compared with a traditional IE method. A comparison based on the Monte-Carlo simulation is also made to evaluate the performances of the proposed method in three scenarios: low, medium and high manoeuvring target.     

舰船红外成象目标实时识别跟踪算法研究

对前视海面舰船红外成象目标的实时识别与跟踪技术进行了研究，提出了一种新的海面舰船红外成象目标的识别跟踪算法。重点论述了其中的跟踪算法；同时基于本文算法及实际系统使用性能的要求，设计了一种适合本文算法的舰船红外成象识别跟踪系统，给出了硬件原理框图，对系统的实时性进行了分析。     

弱小目标跟踪算法性能评估的研究

本文提出了弱小目标检测和跟踪算法的性能评估框架,并针对弱小目标检测和跟踪的特点,从背景特性、目标特性和跟踪干扰特性等方面对弱小目标序列图像的仿真进行了分析.通过分析弱小目标跟踪中可能遇到的不同的目标情况和由此产生的正确跟踪轨迹、正常轨迹消失、错误跟踪轨迹、遗漏轨迹和虚假跟踪轨迹等目标跟踪状况,以弱小目标仿真模块提供的目标原始真值为基础,采用了有效跟踪评价和有效跟踪精度评价的方法对跟踪算法进行评估.试验表明,该方法能够有效地评估弱小目标跟踪算法.     

结合颜色和结构信息的粒子滤波跟踪算法

单纯依靠颜色信息往往使得目标跟踪不稳定.为了在复杂背景和光照变化等干扰情况下,能够准确地跟踪到感兴趣的目标,本文提出了将颜色和结构信息相结合的方法.该方法在基于颜色直方图的粒子滤波跟踪框架中,利用目标的灰度图像建立结构模型,通过结构相似性质量因子衡量目标在两帧图像之间的相似性.实验表明,该算法在使用相同粒子数目的情况下较传统的基于颜色直方图的粒子滤波跟踪算法鲁棒性更高,可以用于特定场合可疑目标的跟踪.     

基于高斯粒子滤波的当前统计模型跟踪算法

对于非线性系统估计问题,高斯粒子滤波器可以获得近似最优解,与粒子滤波器相比其优点是不需要重采样步骤和不存在粒子退化现象.采用高斯粒子滤波代替当前模型自适应跟踪算法中的卡尔曼滤波,将高斯粒子滤波与当前统计模型的优点相结合,提出了一种新的当前统计模型自适应跟踪算法,用于非线性非高斯系统的机动目标跟踪.MonteCarlo仿真表明,该算法跟踪精度优于标准的交互多模型算法和当前统计模型自适应跟踪算法,实时性好于交互多模型粒子滤波算法.     

一种自动数字视频判读框架

介绍了数字视频判读系统的硬件组成和主要功能，然后在分析系统功能的基础上，通过分类建立包括低信噪比小目标、面目标、扩展目标的跟踪算法库，采用智能跟踪策略决策机制，选择当前最适合的目标跟踪识别算法对进行自动判读，并以此为基础提出了一种新的自动视频判读框架。