基于IMM模型的目标跟踪算法

在机动目标跟踪方法中,为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低,采用基于交互式多模型（IMM）的自适应机动目标跟踪算法,通过2个目标模型的交互作用来实现对目标机动状态的自适应估计。在工程上,将基于CV和＂当前＂统计模型的IMM算法应用在某导航雷达跟踪系统中,经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果。     

基于IMM模型的目标跟踪算法

在机动目标跟踪方法中,为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低,采用基于交互式多模型(IMM)的自适应机动目标跟踪算法,通过2个目标模型的交互作用来实现对目标机动状态的自适应估计.在工程上,将基于CV和"当前"统计模型的IMM算法应用在某导航雷达跟踪系统中,经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果.     

基于双目标模型的时空上下文跟踪算法

传统的时空上下文跟踪算法在更新目标模型时不考虑跟踪结果的有效性,故目标被长时间遮挡后,目标模型容易被错误更新且难以修正。因此,本文提出了一种基于双目标模型的改进时空上下文跟踪算法以解决错误更新问题。该算法引入一个辅助目标判别模型来评估时空上下文算法跟踪结果的有效性,并根据评估结果对目标模型进行更新。辅助模型使用目标的局部纹理信息而不是相关性信息作为特征,在目标被长时间遮挡后也能准确评估更新内容的有效性,并能在遮挡结束后修正错误更新的目标模型。在多组数据集上的实验表明,改进算法在测试数据集上的跟踪成功率为82%,中心偏差为8pixels;在长时间遮挡等干扰情况下的跟踪精度比原时空上下文算法有明显提升,实现了目标的可靠跟踪。     

基于局部不变特征点数据集的目标跟踪算法

现有的基于特征点的跟踪方法不能准确估计目标状态,构建多参数动态更新的局部不变特征点数据集,依据自动特征尺度提取理论,利用目标上的特征点尺度变化估计目标大小变化,利用特征点主方向变化估计目标方向旋转;采用相对于目标中心的坐标描述特征点位置,利用目标大小和方向旋转信息校正该坐标并进行目标中心重建;特征点匹配时不仅要求描述符相似,还要求校正后的空间位置一致,可有效去除误匹配。实验证明,所提算法在动、静摄像平台下均适用,能准确定位目标、跟踪其尺度和方向变化,遮挡时也能正确估计目标状态。     

基于fDSST的长时间目标鲁棒跟踪算法

在跟踪目标过程中,当目标遭遇强遮挡、移出视野、快速运动等时,快速判别尺度空间跟踪(fDSST)算法会丢失目标且无法再找回。为了解决这一问题,提出了一种基于fDSST的长时间目标鲁棒跟踪算法。在经典fDSST算法基础上增加了基于关键点匹配的检测模块和输出自适应决策模块,在判定目标丢失或不可见后可重新匹配目标并重新初始化跟踪器;跟踪时可自适应地选择置信度更高的结果作为最终输出结果;在以Raspberry Pi 4B为主控单元的嵌入式平台上进行算法移植,在OTB-100数据集和嵌入式平台上进行跟踪测试。结果表明：该算法相比其他主流算法具有更高的鲁棒性和准确性,改进算法宜在有嵌入式平台移植需求的应用场景下部署。     

机动目标跟踪的自适应网格交互多模算法改进

在机动目标跟踪的多传感器数据融合算法中,针对自适应网格交互多模算法(AGIMM)存在的不足,本文提出了两方面的改进(1)在网格中心和网格距离的计算中用当前时刻的预测概率代替前一时刻的后验概率,以减小误差;(2)模式集的选择,通过实时扩增的期望模式集E优化当前模式集M,使其更接近于目标真实运动模型.     

组合Kalman隔点预测法用于跟踪机动目标的仿真研究

将Kalman预测法用于经纬仪跟踪机动目标,对不同靶标旋转速度下的机动目标跟踪进行了仿真研究.提出了状态方程输入矩阵G(k),用以弥补等角速度方程的加速度项.根据Kalman预测曲线与实测曲线误差的标准方差最小原则,确定了状态噪声与测试噪声的方差比值Q/R,并优化了适合经纬仪的比值Q/R.提出了组合Kalman隔点预测法,进行了1,2,3个隔点的仿真预测研究.仿真结果表明,组合Kalman隔点预测法可以实现经纬仪隔点跟踪目标.     

基于截断正态概率密度模型的简化UKF目标跟踪算法

针对机动目标跟踪问题,在截断正态概率密度模型的基础上,提出了一种简化的UKF滤波算法.该算法采用Kalman滤波替代UKF算法中的时间更新,而保留UKF算法中的量测更新.仿真结果表明,简化UKF算法跟踪精度与标准UKF算法几乎相同,但计算效率却提高了32.2％.     

基于粒子滤波和GVF-Snake的目标跟踪算法

提出了一种基于粒子滤波和GVF-Snake的自适应目标跟踪算法.该算法首先采用背景差分法获取目标初始轮廓,利用改进的GVF-Snake的强大搜索能力,使Snake收敛至运动目标的真实轮廓;然后根据控制点的距离增删控制点,达到自适应地跟踪运动和变形目标的目的;最后通过结合粒子滤波和改进的GVF-Snake,得到一种能量粒子滤波(EPF)目标跟踪算法,并利用提出的的跟踪策略,改进其抗遮挡能力.实验结果表明,被跟踪目标在遮挡情况下也能够保持良好的跟踪效果.     

基于DSP的运动目标识别与跟踪

使用数字信号处理器进行运动目标的识别与跟踪，提出了帧间差阈值法和光流场相结合的算法。通过对弹簧振子的运动分析，验证了系统的精确性和实时性。     

基于迭代学习的注塑机开合模机构定位控制研究

提出一种用于提高注塑机开合模机构定位精度的迭代学习算法,该方法适用于采用开环分级动作控制并利用电子尺进行开合模机构定位的注塑机系统.同时还提出可变学习增益的方法来加快算法收敛速度;应用遗忘因子和学习律误差容限控制的方法来提高学习算法的鲁棒性.算法实际应用表明,在保证开合模动作平稳的前提下,开合模机构能达到较高的定位精度,满足相关注塑加工工艺要求.     

EKF交互多模型算法在目标跟踪的应用

针对移动目标跟踪过程中,传感器感知信息存在噪声以及运动轨迹突变导致目标观测失真甚至丢失的问题,提出了一种扩展卡尔曼滤波交互多模型算法(EKF-IMM)。该算法以交互多模型算法为主体,同时融入EKF算法做滤波处理,使得在目标跟踪过程中,不仅对目标的不同运动状态具有自适应能力,同时还能对运动状态中可能的非线性问题做更好的处理,提高算法的鲁棒性。仿真实验表明,EKF-IMM算法能很好得适应多变的目标运动,与标准KF-IMM算法相比,该算法降低了噪声对传感器的干扰,提高了定位精度。     

模糊自适应概率多假设算法研究

将概率多假设（PMHT）算法引入目标跟踪,针对PMHT算法的迭代、批处理特性,采用模糊专家规则系统,提出了模糊自适应概率多假设跟踪（FA—PMHT）算法。仿真结果表明,算法在跟踪精度上有明显提高,并且满足实时性要求。     

采用激光辅助装置的机器人视觉跟踪自适应控制

本文从机器人视觉系统的实际问题出发,提出一种采用激光辅助装置的机器人视觉系统对运动目标进行跟踪的自适应控制方案,介绍了自适应系统的结构并对自适应律的设计进行了推导。     

Simulink/RTW下xPC Target的S函数驱动模块开发

MathWorks公司提供了一个基于RTW的xPC Target。使用xPC Target，用户可以将一台PC机转变为一个实时系统，以实现对外部I／O设备的实时控制。xPC Target为外部I／O设备提供了部分驱动，但也支持其它I／O设备的连接，这需要用户编写驱动模块来实现对设备的接入。以研祥PCL818HD为例，介绍了驱动模块的实现过程。     

水下目标存储与回波波形模拟技术的研究

本文提出了一种利用大动态范围脉冲幅度自动增益控制技术和数字波形存储技术,实现水下目标信号存储和目标回波波形模拟的方法。利用该方法设计的声纳目标应答机,经多次湖试和海试验证,技术方案可行,并取得了满意的波形模拟效果。文中主要介绍了目标信号存储与回波波形模拟的基本原理、系统时序控制关系、海试结果等。     

基于DM642的运动目标检测与跟踪系统

运动目标的检测与跟踪在许多领域有着广泛的应用,是应用视觉研究的焦点之一。设计了一种基于DM642的运动目标检测与实时跟踪系统。运动目标检测采用基于Ⅲ矿色彩空间的单高斯背景建模结合形态学处理的算法;运动目标跟踪采用基于亮度纹理信息的CAMShifI跟踪算法。系统利用跟踪算法计算目标位置信息,通过P~$485总线控制摄像机伺服设备,以跟踪运动目标。在DM642EVM板上实现了该系统,实验表明这种检测和跟踪方法是快速有效的。     

尺度方向自适应Mean Shift跟踪方法

经典核窗口宽度固定的mean shift跟踪算法不能很好地对尺寸逐渐增大的目标进行有效地跟踪。一些改进的mean shift算法虽然在一定程度上解决目标缩放这个问题,但是对于目标旋转仍然无能为力。在分析尺度空间理论和mean shift 跟踪算法的基础上,提出了一种尺度方向自适应mean shift跟踪算法。实验表明,对于初始帧,本文算法可以较为准确地获得目标最佳描述椭圆;对于后续帧图像,本文的新跟踪算法可以较好地适应目标旋转缩放等复杂运动。