基于PPP模型的多扩展目标跟踪的JPDA算法研究

针对多扩展目标跟踪问题,提出了基于泊松点过程（Poisson Point Process, PPP）模型的多扩展目标跟踪的联合概率数据关联（Joint Probabilistic Data Association, JPDA）算法。首先,采用PPP对扩展目标进行测量建模,其次以“多对一”关联模型思想提出一种的JPDA算法,从而计算运动目标的当前有效量测的边缘关联概率,然后结合该边缘关联概率以概率数据关联（Probability Data Association, PDA）的方式分别更新每个扩展目标的运动参数和形状参数向量,最后通过仿真实现了当扩展目标相互靠近或出现交叉时的跟踪。实验结果表明,在高杂波环境下,本文所提出的算法在计算时间和跟踪稳定上具有较明显的优势。      

一种多普勒盲区条件下的多假设运动模型目标跟踪方法

机载预警雷达存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标航迹中断和重起批。针对该问题,提出了一种基于多假设运动模型的目标跟踪方法。该方法根据多普勒盲区对目标状态的约束形成多个假设运动模型,当新出现的量测值落入任何一个运动模型形成的关联波门内,则航迹关联成功。仿真结果表明,该算法在不同盲区范围条件下,针对不同机动能力的目标均具有较高的航迹关联率,有效提高了目标连续跟踪性能。     

弹道导弹群目标跟踪分裂算法研究

对武器系统来说,越早完成弹道导弹群目标分裂跟踪,准备时间就越充分;但另一方面如果群目标分裂过早,在跟踪过程中极易发生混批、错批等问题。本文提出了弹道导弹群目标跟踪分裂算法：首先分析群目标形成与跟踪策略,论述了IMM-UKF滤波框架,然后对群目标分裂算法进行了数学建模,分析了影响群目标分裂性能的各种因素,最后采用Pareto改进方法解决了多目标规划问题求解。仿真结果表明,该算法能够达到群目标尽早分裂与群内目标关联稳定度之间的平衡。     

一种用红外热像仪检测与跟踪遮挡目标的方法

针对隐蔽目标难于发现、复杂多变、信息量少等特点,提出了一种用红外热像仪检测与跟踪遮挡目标的方法。关于目标检测,首先利用模糊 C 均值聚类（fuzzy C-means clustering, FCM）对图像中的区域进行聚类,根据亮度信息初步分割出候选目标区域,然后用纹理信息进一步分割候选的目标区域,以检测出最终的目标区域;关于目标跟踪,由于被遮挡的目标轮廓不连贯,所以采用链码提取目标轮廓,并应用质心跟踪算法跟踪目标。通过实验,验证了该方法对遮挡目标检测和跟踪的有效性。     

基于“当前”统计模型的IMM目标跟踪算法

机动目标跟踪一直是环境感知领域的研究重点和难点,为了实现对目标物的准确跟踪,研究了将交互多模型(interactingmultiplemodel,IMM)算法应用到无人机对目标的跟踪中。首先,根据目标的真实运动情况建立无人机的运动模型,然后搭建模拟场景,将卡尔曼滤波(kalmanfilter,KF)与IMM相结合的目标跟踪算法应用到无人机的跟踪中,并将该算法与基于"当前"统计模型的单模型目标跟踪算法进行仿真比较。结果表明IMM算法在目标跟踪方面具有较高的应用价值。     

基于两点式数据关联算法的多机动目标跟踪

本文首先分析了两点式概率数据关联算法,在此基础上将其与交互式多模型算法结合起来提出了一种用于跟踪多机动目标的新算法.由于充分利用了两点式数据关联算法在关联精度和计算量上的优越性,所提出的新算法无论在跟踪精度方面,还是计算量上都有很大的改善.理论分析与仿真结果验证了该算法优于传统的交互式多模型联合数据关联算法.     

带有可信度的红外弱小点目标关联检测及性能分析

对红外序列图像中运动弱小点目标的关联检测问题进行了研究。在多假设检测的基础上采用“K/N”规则检测算法, 并引入带有可信度信息的判决融合, 其中, 可信度取自噪声概率分布函数。该方法把多假设检测与“K/N”规则检测算法有机地结合起来, 克服了多假设检测运算量大, 难以实时处理的缺点。引入可信度信息避免了当序列图像中某帧突然出现一个强的噪声脉冲时, 使得穿越该点的可能轨迹的统计量增大, 导致算法判断为出现多个虚假目标的情况。对信噪比较小的点目标, 特别是在有个别帧点目标被云层完全遮挡住的情况下, 该方法仍然有很高的检测概率; 最后, 从理论上详细分析了该方法的检测性能。理论分析和实测数据结果有效地验证了检测算法的可行性。     

基于“当前”统计模型的变结构交互多模型算法

"当前"统计(Current Statistical,CS)模型与交互多模型(Interacting Multiple Model,IMM)算法相结合,解决了机动目标跟踪问题中目标机动性难以匹配的问题。但是,IMM算法中模型集合的选取以及CS模型中最大加速度参数的设置会影响跟踪性能。针对这一问题,在变结构交互多模型(Variable Structure IMM,VSIMM)算法框架上,提出了一种根据加速度的预测值进行自适应调整最大加速度参数的CS模型。仿真结果表明,新算法可以有效提高对目标的跟踪精度。     

基于改进“当前”统计模型的机动目标IMM跟踪算法

交互式多模型(IMM)算法是一种有效的机动目标跟踪算法,但其性能与模型的选择、个数以及参数有关。文中提出了一种基于改进的“当前”统计模型的交互式多模型算法,改进的“当前”统计模型提高了对机动目标的跟踪能力,而常速模型对匀速目标跟踪性能良好,IMM算法通过两种模型的交互作用可以实现对目标状态的自适应估计;同时,该算法结合了模型概率转移自适应技术,实现了对模型转移矩阵的在线估计,降低了人为因素。最后,通过Monte Carlo仿真进一步验证了该算法的有效性。     

基于改进“当前”统计模型的目标跟踪算法

提出一种基于改进"当前"统计模型的目标自适应跟踪算法.针对"当前"统计模型自适应算法对机动加速度极限值有依赖,对弱机动目标跟踪精度不高的问题,采用一种简单的加速度方差自适应调整公式加以克服,在此基础上融合隶属函数对其进行加权改进.为克服算法中自相关时间常数难以选取问题,将不同自相关时间常数的"当前"统计模型在交互式多模型框架内进行交互.仿真结果表明,无论对于强机动目标还是弱机动目标,新算法都具有较好的跟踪效果.     

大小渐变目标检测与跟踪算法研究

针对快速压缩跟踪(FCT)算法难以适应复杂背景下大尺寸目标渐变成一个点目标的情况,提出一种改进的目标跟踪算法。首先采用FCT进行跟踪,并且计算当前帧跟踪框与初始跟踪框之间的余弦相似度。一旦余弦相似度小于设定的阈值,则立即切换到卡尔曼滤波器,并且采用基于最大连通域的方法检测目标位置及大小。当目标接近点目标,则将目标检测方法切换至基于高斯差分尺度空间的目标检测方法。实验结果表明该算法可以实现尺寸渐变目标的实时跟踪。     

智能靶标目标检测方法研究

在激光模拟训练中,具有智能打击功能的靶标装置可以更加逼真地模拟实战对抗过程,满足智能化军事训练需求。但目前大多数靶标不具备智能打击或反击功能,靶标仅能实现作为目标的被打击功能或者非智能的触发反击功能,模拟训练形式单一,靶标运动或打击功能呈现规律性,不能真实模拟敌方目标主动攻击的能力,因此为适应模拟训练发展的需求实现模拟训练智能化、提高模拟仿真程度就需要通过智能靶标来模拟敌方目标进行作战。在智能靶标的研制过程中其中首先要解决的问题就是目标检测。本研究最终目标是对战场环境中的单兵目标进行检测并做出攻击活动,故对单兵目标的检测速度和精度有较大要求,本文提出一种基于Yolov5神经网络架构提高目标检测精度、加快目标检测速度的算法,采用改进网络结构对传统的目标检测算法进行优化,保证在输入可见光图像下,能够实现快速检测,并保证检测的精度。     

基于混合模型的运动目标检测算法

自然界中复杂的环境对视频临控系统有一定的下扰,对运动物体的检测也将产生显著的影响,通过分析光照变化、背景干扰等现象对运动目标的检测的影响,本文提出了一种能适应环境变化的混合模型运动目标检测算法,该算法结合帧间差分法和混合高斯模型算法的优点,将帧差法作为进行高斯背景减法的指导,既能得到较高的灵敏度又能进一步提高检测效果,...     

基于改进高斯混合模型的运动目标检测与跟踪

为了提高运动目标检测与跟踪的精确性与可靠性,提出一种基于改进高斯混合模型的运动目标检测与跟踪方法。首先,建立改进高斯混合背景模型,对运动目标图像进行分块处理,利用相连帧的连续性对运动目标图像的参数更新,提取完整的运动目标并进行分割;其次,将给定的当前帧像素点与目标图像进行匹配,减少高斯混合模型的分布数量和计算量,根据分块处理后的运动目标的大小、形状以及颜色信息完成运动目标全局匹配,实现运动目标的实时检测与跟踪。实验结果表明,与目前的高斯混合模型对运动目标检测与跟踪的方法相比,所提方法计算过程较为简单,具有更快的检测速度和更可靠的检测结果。     

红外小目标的模板提取及检测技术研究

提出了一种基于特定目标形状模板的红外小目标检测算法。该方法首先通过低通滤波、背景差分法以及高通滤波得到小目标模板。然后,利用目标模板与红外序列的卷积运算,获取一个较为精确的背景图形。最后,通过利用背景差分法,得到最终的红外小目标图像。计算机仿真结果表明,该方法能够较好的检测出小目标,算法步骤简单且易于实现,在改善图像质量、提高图像信杂比增益等方面具有良好的性能。     

基于改进的混合高斯模型的运动目标检测方法

为了改善混合高斯模型在光照突变时容易产生大量误检的缺陷,采用了一种高斯模型与均值法相结合并为前景像素建立计数器的方法。在建立背景模型时,运用多帧图像求平均值的方法初始化混合高斯模型的背景;为每帧图像的前景像素数建立计数器,并以此消除被误判为前景的区域;对检测出的前景区运用数学形态学处理,得到图像真正的前景区域。结果表明,该算法不仅克服了初始背景中的干扰,而且消除了光照突变时的误检,提高了运动目标的检测率。     

改进高斯混合模型的运动目标检测算法

传统的高斯模型无法检测比较复杂的场景或速度较低的运动目标,因此提出基于改进高斯混合模型的运动目标检测算法.使用多个高斯模型表示运动目标图像内各像素点特征,并基于图像内各像素点与高斯混合模型相匹配则视其为背景点,反之为前景点原理,更新高斯混合模型.通过更新前景模型并计算短时稳定度指标,提高运动目标检测效果,通过确定高斯分...     

交通视频的移动目标检测算法研究

对视频序列的目标进行识别和跟踪监控是计算机视觉领域的关键技术。依据图像处理和目标检测研究方向的热点算法,将帧间差分与混合高斯背景模型融合法应用于交通视频移动车辆的目标检测分析中。该算法通过背景差分求出光照影响的动态阈值范围,若光照检测阈值小于该动态阈值,选择混合高斯背景模型法,大于该动态阈值则选取帧间差分法。再通过开运算、闭运算、连通域计算,以及区域的凸包形态学运算即可准确描述目标。实验结果表明,该融合算法消除了鬼影现象,在光照环境改善的情况下可以有效应用于交通视频中移动车辆的目标检测。     

基于生物启发模型的红外小目标检测

红外小目标检测在军事领域的制导、预警和边防间谍无人机检测中极其重要,但由于红外小目标纹理信息不足、高背景杂波、暗淡且模糊和低目标对比度等等原因,导致其仍有改进的余地。本文提出基于生物启发模型(PLMC)的红外弱小目标检测的方案。首先基于生物启发模型增强目标且抑制背景杂波;然后使用改进阈值过滤假目标,提取真实目标。在多个复杂场景数据集上的进行实验,结果表明,与其他较新的小目标检测方法相比,本文提出的方案具有更好的检测性能与鲁棒性。     

点扩散函数对点目标探测性能的影响分析

针对凝视型红外成像系统点目标探测,基于线性系统点扩散函数理论,对传统的探测性能分析方法进行修正,建立实际成像情况下信噪比与作用距离的数学模型.结合非周期传递函数与目标尺寸函数,分析并比较理想和实际成像情况下的点目标探测性能,对模拟结果进行精度分析.分析结果表明,对于典型的红外探测系统,点扩散函数因素的影响不可忽略.