基于无线传感器网络多栅栏覆盖的目标入侵方向检测研究

目前基于无线传感器网络的目标跟踪技术已经成为研究热点,在网络全覆盖模型下可以实现对目标的有效跟踪。如何通过较少的传感器节点检测出目标运动的轨迹或方向是一个亟待解决的问题。文章通过分析栅栏覆盖网络模型的结构特点,提出一种基于二元传感器节点的多目标入侵方向检测机制。它结合传感器网络覆盖控制算法和目标跟踪算法实现了对入侵者穿越传感器网络覆盖区域的方向性检测。可应用于边境线监控,停机坪监控等特殊区域。仿真实验结果表明该新网络覆盖监控模型,应用较少的传感器节点,实现了目标入侵的方向性检测,同时降低了网络的能量消耗。     

基于成像声呐的水下多目标跟踪研究

针对水下多目标跟踪问题,提出基于成像声呐的高效目标跟踪算法. 基于声呐的成像特点,针对声学图像中的每个像素点,建立基于信号强度的回波信号模型,提取图像中的个体目标. 采用基于序贯蒙特卡罗的概率密度假设(SMCPHD)滤波对各目标状态进行滤波,结合Auction航迹识别算法将滤波后的目标状态与已确定的航迹进行关联,实现多目标跟踪. 通过算法的仿真分析发现,该方法相对于基于数据关联型的多目标跟踪算法如联合概率数据关联(JPDA)算法、多假设跟踪(MHT)算法,大大提高了计算效率. 对采集的现场数据进行目标提取与跟踪,获得目标的跟踪轨迹.     

基于深度学习的行人多目标跟踪方法

综合了近年来基于检测跟踪的主流行人多目标跟踪方法,介绍了基于检测的行人多目标跟踪方法概念,从目标检测、特征提取和数据关联与跟踪三个阶段对行人多目标跟踪方法进行了概述,比较并评价了这些方法在MOTChallenge系列数据集上的性能,阐述了多目标跟踪的未来研究方向.     

基于PDAF多阵多目标跟踪算法研究

为解决在多目标跟踪过程中，声纳存在交叉运动目标失跟问题．将多阵输出和多目标跟踪相结合，提出了基于概率数据联想滤波(PDAF)器的多阵多目标跟踪算法．计算机模拟结果表明，该算法在平面波模型下，利用两个线阵的输出可以稳定地跟踪两个交叉运动目标．将算法映射到DSP硬件平台，形成了一个多阵多目标跟踪的探测系统，实时处理的结果说明该算法对运动目标的估距误差小于5％     

无线传感器网络下的并行粒子滤波目标跟踪算法

针对无线传感器网络环境下目标跟踪问题,提出一种基于分布式并行粒子滤波的目标跟踪方法.在建立了网络动态分簇模型和目标运动模型的基础上,将并行粒子滤波算法应用于动态目标进行跟踪.算法通过多个感知节点并行的运行局部粒子滤波器,得到每个节点对目标状态的估计,动态成簇的簇头节点对簇内每个节点的信息进行融合,形成动态目标的状态估计...     

基于多传感器多目标跟踪的机器人足球视觉系统

为了适应机器人足球视觉系统图像采集设备从早个到多个的改变,提高系统的跟踪成功率和速度,以信息融合技术为基本思路,提出了一种基于多传感器多目标跟踪的半自主足球机器人视觉跟踪方法．各跟踪模块对覆盖区域的目标进行航迹关联、滤波后再对各传感器信息进行融合得到所有目标单一的航迹．实验表明,该方法具有简单、有效,满足系统实时性要求等特点．     

基于轨迹掩膜的在线多目标跟踪方法

针对现有多目标跟踪方法易受到遮挡、运动模糊等问题干扰的情况,提出基于轨迹掩膜的在线多目标跟踪方法(online multi-object tracking method based on trajectory mask, OMTMTM)。提出轨迹掩膜生成算法,利用前一帧跟踪轨迹结果生成轨迹掩膜,设计轨迹掩膜网络对轨迹掩膜提取多维度特征,包含目标可见区域的估计值、大致位置及形状等信息;将该特征与基础骨干网络提取的原始图像特征融合后进行多目标检测跟踪。OMTMTM的目标跟踪器具备先验判断能力,可实现遮挡情况下的准确跟踪;OMTMTM利用目标跟踪轨迹的时空信息,恢复出部分漏检或低置信待检目标,使轨迹掩膜更加合理,有利于后续跟踪。对OMTMTM的性能进行多维度评估,并结合基线模型进行对比分析。试验结果表明,OMTMTM具有先进的多目标跟踪性能。     

提高目标跟踪批数的一种方法

目标跟踪批数是多目标跟踪系统的一个重要指标.本文提出了应用奇异值分解定理,建立降阶模型,并在保证跟踪精度下,调节观测数据采样周期,提高目标跟踪批数的方法.为此本文提出了二次新息序列概念,并利用它进行目标机动特性的判别.本文为提高目标跟踪批数提供了一种有效方法.     

一种空中运动多目标形心跟踪方法

空中运动多目标识别与跟踪技术是武器电视跟踪系统中的关键技术．本文根据武器电视跟踪系统服务目标的特点，提出了一种基于形心的空中运动多目标跟踪方法、首先通过对图像进行分割、贴标签，前景区域面积和几何中心计算等处理，接着依据面积和几何中心这两个特征参数对目标进行粗识别和噪声滤除、选择跟踪对象，并以这两个特征为判别依据，实现了对空中运动多目标的选择跟踪、实验结果表明，该方法可以快速有效的对任意形状的运动多目标进行选择和跟踪，并能够准确的计算出系统所需要的数据．     

基于数据流聚类的多目标跟踪算法

针对传统多目标跟踪算法在航迹初始阶段易受杂波干扰,提出一种交互多模型核预估数据流聚类的多目标跟踪算法(CE_DMTT)。对数据流进行在线聚类,并运用交互式多模型预估类核位置,缩小聚类搜索范围,同时引入Renyi熵,对聚类进行自适应提取,获取潜在航迹。然后基于潜在航迹运用多假设跟踪算法实现实时跟踪。仿真结果表明,该算法有效减少计算复杂度,提高系统实时性。     

基于多模型粒子滤波的机动多目标跟踪算法

针对密集杂波环境下机动多目标跟踪中系统强非线性以及运动模式切换对于滤波精度的不利影响,提出了一种基于多模型粒子滤波的机动多目标跟踪算法.新算法实现了多模型粒子滤波和广义概率数据关联算法的有机结合.通过在粒子状态采样过程中引入模型信息改善了交互式多模型和粒子滤波结合中导致的计算量膨胀问题,并利用广义概率数据关联算法实现回波的有效确认和回波信息的充分利用.给出了应用该方法的具体步骤,最后,理论分析和仿真实验证明该算法的有效性.     

多传感器多目标跟踪算法仿真平台设计与实现

针对美国联合导控器实验室提出的数据融合模型中多传感器多目标跟踪算法的仿真验证和定量评估的问题,采用模块化和开放性结构思想,面向对象编程及Visual C++与Matlab混合编程技术,构建了一类通用的可视化多传感器多目标跟踪算法仿真平台。该平台能够完成多种目标跟踪算法仿真、测试与评估功能。通过在系统运行的一个软件实例,证明了仿真平台的有效性与实用性。     

采用粒子滤波和模糊聚类法的非线性多目标跟踪

提出一种新的非线性多目标跟踪方法,用模糊聚类算法实现数据关联,采用粒子滤波实现对各目标的独立跟踪．首先利用最大熵模糊聚类对目标和观测数据进行关联,采用模糊隶属度重建多目标滤波中的联合关联概率矩阵．然后利用粒子滤波适于处理非线性问题的特点,通过联合关联信息,采用粒子滤波独立对各目标进行滤波,实现对目标状态的更新．最后,将该算法应用于多传感器多目标纯方位角跟踪．仿真结果表明,相比于联合概率数据关联算法及MEF-JPDAF,新算法具有更高的跟踪精度．     

一种用于道路车辆跟踪的多目标数据关联方法

数据关联是多目标跟踪的一个重要部分，作者对基于证据合成和简易JPDA的数据关联方法进行了比较。蒙特卡罗仿真结果表明，基于证据合成的方法可以改善跟踪精度，能适应目标数目不确定的场合。     

WSN中基于FCM算法的多目标跟踪数据融合

基于LEACH（低功耗自适应聚类路由算法）路由协议， 研究了多目标跟踪的数据融合方法. 在基于模糊聚类（FCM）算法进行数据融合设计时，发 现算法存在错误跟踪、丢失新目标和重复跟踪的问题. 针对这些问题产生的原因进行了详细 的分析，并提出了改进，使FCM算法更好地应用于传感器网络.     

恶劣环境下多目标实时跟踪算法研究

提出一种在恶劣环境下能实时进行多目标跟踪的方法,相比于目前的监控系统,该方法能够更加精确地跟踪场景中的入侵目标,并且算法效率有了较大提升。首先,在动态背景建模codebook作为背景建模算法的基础上,对背景更新方法进行改进,使前景检测准确率相对于原算法有了很大提升,并且在主要性能上优于其他的主流背景建模算法。其次,本研究选用粒子滤波算法作为多目标跟踪方法,对重采样方法进行了较大改进,使之能在实时环境下保持粒子的有效性和多样性。实验证明该系统构建有较好效果,能在实际恶劣场景下进行多目标跟踪,并保持较好的检测和跟踪效果。     

一种改进的泊松点过程概率多假设跟踪方法

多目标跟踪方法的核心是获取量测点与目标间的最优关联.传统的多目标跟踪方法从穷举出的所有可能关联中估计出最优关联,随目标数目指数倍增的关联复杂度制约了雷达跟踪多目标的能力.因此提出了一种低运算复杂度、高跟踪精度的多目标跟踪算法和与其配套的航迹管理方法,目标和杂波产生的量测点被建模为泊松点过程,以量测的来源为缺失信息,通过...     

杂波环境下雷达组网的多目标聚类融合跟踪

多传感器多目标跟踪是信息融合技术在目标跟踪领域的应用范例,数据关联是其中的关键技术之一.对于杂波环境下的组网雷达多目标跟踪,讨论了粗、精关联相结合的数据关联方法.先用基于跟踪门限算法进行粗关联,排除部分杂波,再用模糊C-均值算法模糊聚类来实现关联.通过把多传感器跟踪问题转化为多个单传感器跟踪问题,更有效地实现关联,最后融合量测,滤波后得到目标的状态估计.用该算法对目标进行蒙特卡罗仿真,其比改进前的模糊C-均值关联算法和最近邻域算法在杂波环境下更能有效实现数据关联.     

密集杂波下的高斯混合信度传播多目标跟踪

为了提升密集杂波干扰下信度传播多目标跟踪算法的性能,提出基于幅度杂波抑制的高斯混合信度传播多目标跟踪算法.首先基于经典瑞利分布幅度模型,采用极大似然法估计目标初始信噪比,结合先验信息为目标信噪比构造截断正态分布模型,再对其进行边缘化;然后结合幅度信息,在信度传播前计算各量测信息的幅度似然比,并引入量测信息函数中,提高目标与量测的关联正确率;最后设置量测信息录取率,得到幅度似然比下限,对所有传感器的量测信息进行筛选,高效完成目标起始过程.研究表明:在不同信噪比和杂波密度下,通过与GMPHD、GMBP和GMBP-AK算法的对比实验,可以明显发现所提GMBP-AC算法的计算效率较高,能够较准确快速地响应各时间段内目标数目的变化情况,同时大幅度减小OSPA误差.进一步证明在密集杂波干扰环境下,该算法具备较强的杂波抑制效果,且能够较好地改善目标数目估计性能和多目标跟踪精度.