基于深度学习和特征信息关联的多行人目标跟踪算法

多行人目标跟踪是智能安防监控系统的关键技术之一,其跟踪准确度的高低直接关系到监控系统的效果。针对复杂监控场景下多行人目标跟踪困难的问题,提出了一种YOLOv3网络模型与SORT跟踪算法相结合的鲁棒跟踪方法。通过简化网络模型输出以提高模型效率,对YOLOv3模型针对行人检测数据集进行重新训练。为了避免因长时间遮挡导致的目标跟踪失败,设计行人重识别网络(Re-ID)来提取目标表征特征,并通过计算特征向量的余弦距离来判别帧间行人目标的关联程度。实验结果表明,文中设计的改进YOLOv3检测器使行人检测率有明显的提高,提出的行人目标跟踪算法有效提高了跟踪效果,在MOT16数据集上的跟踪准确率和跟踪精准率相比于SORT算法分别提高了15.72%和3.14%。     

基于激光雷达的多帧联合目标跟踪系统

本文讨论了利用激光雷达与检测前跟踪算法进行室内行人跟踪,实现监测室内人群社交距离的探测系统。激光雷达距离分辨率高,定位误差小,目标探测时间间隔小,很适用于对轨迹不确定的行人进行跟踪。本文所用检测前跟踪算法分为三步,首先利用历史数据所建杂波图滤除固定物杂波。其次利用多帧检测算法得到时间窗内的目标轨迹段,以此滤除随机噪声产生的虚警点,提升检测效率。第三步利用轨迹关联算法,将各个时间窗内的轨迹片段相互关联,得到完整的行人轨迹,从而增强机动目标与相互临近目标的跟踪效果。实测实验表明在激光雷达跟踪多个目标时,其跟踪精度在10~15cm,多次实验均未出现目标丢失或虚假轨迹,较好地完成了室内行人的检测与跟踪。     

一种小目标快速识别与跟踪方法

提出了一种基于多帧相关技术与波门选通技术相结合的快速目标识别与跟踪方法.利用多级滤波抑制噪声的方法对单帧采集图像进行处理,得到潜在的目标信息,然后利用多帧相关性和目标的运动连续性确定目标;对于后续图像引入波门选通技术,在波门内进行预处理、分割与识别跟踪.探讨了多帧相关技术中目标确定的理论判据,综合考虑目标的尺寸因素和目标的运动特征,提出一种新的波门设定方法.实验结果表明,对于信噪比(SNR)大于等于2.0的图像,该方法能够在获得目标的运动参数及运行轨迹的基础上显著地提高识别效率,实现对运动目标的实时分析,同时更好地抑制背景噪声.     

深度学习与图像融合的行人检测算法研究

为解决智能辅助驾驶技术中可见光摄像机受光照和气候影响而导致行人目标识别困难的问题。通过研究图像融合技术,结合深度卷积神经网络,实现并改进了一种道路行人目标检测算法。方法是利用多源传感器图像融合技术,采用可见光相机与红外热成像相机融合的策略,以Faster RCNN算法为基础,从改进网络结构、特征融合、优化模型训练等方面展开研究,对复杂环境下的行人检测与定位跟踪展开研究,提出一种基于图像融合技术和改进的深度卷积神经网络的道路行人目标检测算法。实验结果表明,该算法对复杂气候环境下行人目标检测提高了检测效率和准确率,增加了智能辅助驾驶汽车的安全性。     

毫米波导引头港口舰船目标识别技术

针对末制导导引头对港口多个舰船目标识别、分选的技术难点,该文将距离高分辨技术与单脉冲测角体制相结合,提出了一种基于毫米波单脉冲三维成像的港口舰船目标识别、分选方法。首先采用单脉冲三维成像获得目标散射中心的三维分布,然后利用聚类分析等方法实现目标的分割与识别,并将无偏几何中心法用于目标跟踪点的选择,从而实现导引头对多个舰船的识别、分选及精确跟踪。仿真结果表明,文中方法对多个目标的识别及目标要害部位选择具有很大的优越性。     

单脉冲雷达基于相参积累的多目标分辨

单脉冲远程精密跟踪测量雷达是空间目标探测、编目和识别的主要设备,具有跟踪精度高、作用距离远等特点,但只具备单目标跟踪能力。通过相参积累的事后数据分析方法,解决了波门外目标的外测数据丢失的情况,实现了多目标的分辨监测。仿真结果表明,基于相参积累的多目标分辨算法可有效地实现多目标监视与辨别,为轨道碰撞预警和空间目标识别等任务提供了理论参考。     

基于跟踪脉冲的MIMO雷达多目标微动特征提取

微动特征是空间目标识别的重要特征信息之一。然而,现有的多功能多输入多输出(Multi-Input Multi-Output, MIMO)雷达通常需要在完成目标搜索和跟踪任务之后为目标微动特征提取分配大量连续的时间资源,导致目标识别实时性能和雷达系统整体工作性能均不高。针对该问题,该文提出了一种基于跟踪脉冲的MIMO雷达多目标微动特征提取方法。首先依据各目标的方位信息对MIMO雷达发射波形进行设计,为不同方向目标同时发射跟踪脉冲;在此基础上,综合考虑目标微动特征提取性能以及目标跟踪性能的需求,对跟踪脉冲的发射时间序列进行优化设计;最后,直接利用窄带跟踪脉冲实现对不同方向目标微动特征的同时提取,无需再为目标微动特征提取分配额外的时间资源,有效提升目标识别实时性和雷达工作效率。仿真实验表明,在信噪比大于–10 dB时,所提方法能够实现多目标微动特征的准确提取,具有良好的有效性和鲁棒性。      

基于边缘统计的简单背景多目标识别跟踪

提出了一种新型图像多目标识别跟踪算法,其突出特点为速度快、目标探测准确性高,并且可以同时对多个目标进行识别跟踪.整个系统包括图像预处理即目标增强,边界的目标识别即纵向、横向统计叠加和目标检测.传统的图像跟踪方式如模板相关匹配方法、梯度形心方法以及极值区域跟踪方法不能同时区分多个目标,遇到多目标和干扰等均会失效.文中提出的方法能够有效地解决这一问题,通过区分可能目标区域,能够在一定程度上抑制干扰并对多个目标进行实时跟踪.     

基于多信息融合的行人状态采集识别模型

针对粒子滤波算法在采样阶段因证据不足,使得行人智能跟踪系统效率不高、鲁棒性不强的问题,融合颜色、纹理和空间等多证据信息和RGB颜色空间建立行人外观模型,采用优化的LBP纹理特征算法(LBP_AE算法)消除干扰、提取证据信息.实验结果表明,所设计的多证据信息融合模型,可以有效实现在复杂条件下的行人跟踪问题,相比传统算法有较高识别准确率.     

基于特征融合的目标动态身份识别方法

人脸特征判别受摄像头安装位置与角度、目标活动以及光线变化等因素影响,识别准确度急剧下降,因此提出了一种基于人脸和行人特征融合的目标动态身份识别方法。使用特征融合方法,将人脸特征和行人特征首尾拼接得到一个融合特征,从而获得丰富的目标身份信息;使用匹配决策机制,通过求和对多个融合特征的匹配结果取最大值,输出概率最高的目标身份,从而降低误判单个特征目标身份的概率。在真实场景的监控图像中,该设计方法的识别准确度平均为87.7%,较人脸识别提高了40.0%。实验表明,人脸特征判别性不足时,补充行人特征可有效增强目标身份信息,且多个融合特征匹配结果综合决策可进一步提高识别准确度。     

视频监控行人流量统计系统的设计

针对当前行人统计方式落后、非实时性、统计数据滞后等问题,文中提出采用智能视频监控、图像识别的方式实时统计行人流量。系统根据积分通道思想统计行人目标特征,通过Adaboost算法训练分类器对图像帧中的行人目标进行定位、识别。文中在已识别目标的基础上采用CPU多任务模型改进核相关滤波算法对目标进行实时跟踪、统计得到行人流量。测试结果表明,系统能实时识别、跟踪、统计行人目标,整体功能稳定,平均识别率为93%,改进多任务模型使得跟踪速率提高约20%。     

一种改进的自适应运动目标检测算法

针对运动多目标识别与跟踪所必需的准备环节--运动目标检测,本文提出了的一种改进的自适应运动目标检测方法,检测运动目标是否存在,并利用试验证明,该方法确实不仅能有效抑制光照变化、人影、噪声等影响,进而对运动目标是否在跟踪区域徘徊进行判断,保证了对进出目标跟踪的准确跟踪,而且运算量小,容易软件实现,实际效果较好.     

改进的毫米波雷达静态目标识别与跟踪方法

毫米波雷达在进行静态目标识别时存在目标丢失和信息缺失、识别效果较差的问题。采用一种基于机器学习算法的方法来实现静态物体识别与跟踪。选取雷达检测目标的相对速度和相对距离作为观测量,使用高斯隐马尔科夫模型学习毫米波雷达检测结果的标签数据,获取目标相对距离、相对速度和目标状态之间的非线性关系。结合高斯聚类方法与毫米波雷达数据实现对目标标签结果的预测,通过前向后向算法实现目标跟踪。结果表明,使用的模型能够在受试车车速达到30 m/s时,对140 m远处的静态目标实现良好的识别、预测和跟踪效果。     

一种改进的Camshift目标跟踪方法

为了解决单特征在目标跟踪中无法准确描述目标的问题,提出了一种多特征融合的实时目标跟踪方法。该方法将角点特征、轮廓特征融入传统的Camshift算法中,结合原有的颜色特征对目标进行描述。解决了传统算法易受同色物体干扰,抗遮挡性能差等问题。实验结果表明,该方法能够实现对目标的实时跟踪,当目标遮挡的时间较短时能够很好地识别目标,具有较高的鲁棒性。     

基于单像素单光子探测的目标识别与跟踪方法

为了实现弱回波信号下非合作目标识别跟踪,文章基于单像素光子计数激光雷达系统设计了目标识别跟踪策略,并且提出了一种目标识别跟踪方法。该方法首先将单像素光子计数激光雷达系统采集得到的三维点云经过插值处理得到直观的距离像,然后采用最大稳定极值区域算法分割目标和背景,根据目标轮廓特征识别并选择需要跟踪的目标。最后提取识别目标的质心,与激光雷达扫描中心的偏差作为误差信号,控制伺服系统在扫描的基础之上执行目标跟踪。实验结果表明,当激光发射能量为625 pJ、回波光子数为25时,该系统能对距离为5 m、角速度约为2 mrad/s的目标进行稳定的识别跟踪;验证了基于单像素光子计数激光雷达的策略及方法能够稳定的分割目标和背景,以及正确提取需要识别跟踪测距的目标质心,为弱回波信号下目标识别跟踪测距提供一种有效直观的探测方法,同时,弱信号探测作为远距离探测的必要条件,为远距离下的目标探测及识别跟踪提供了一个新的技术方向。     

锥扫型光学传感器像平面多目标轨迹跟踪

积分概率多假设跟踪(IPMHT)是一种基于期望极大化(EM)的准最优贝叶斯多目标迭代跟踪算法,研究了该算法在锥扫型光学传感器像平面多目标轨迹跟踪中的问题。为提高算法的跟踪性能和计算效率,利用逻辑概率数据关联滤波(PDAF)方法进行目标初始状态估计,并利用目标幅度信息和波门技术对IPMHT进行优化。针对锥扫型传感器非线性观测下的多目标跟踪,将扩展无味卡尔曼滤波(AUKF)与优化的IPMHT算法相结合,实现像平面多目标轨迹的起始、维持和终结。蒙特卡洛仿真实验表明,该算法成功地解决了锥扫型传感器的像平面多目标轨迹跟踪问题,在提高目标跟踪性能的同时改善了计算效率。     

联合人体模型与块生长的人群目标分割

人群目标的准确分割,是进行多相机联合目标跟踪与识别的关键。该文首先构造包含位置、尺寸、姿态信息的人体粗略姿态模型,并利用贝叶斯模型获得对应的目标模型。然后将前景区域利用分水岭算法划分为颜色分布一致的子块,通过位置和颜色约束解决遮挡目标的种子块选取问题。最后通过块生长获得每个目标区域。对于颜色相似子块,通过比较其产生的边缘能量确定其所属目标。实验结果表明,本文能够实现对人群目标较精确分割,且对背景噪声具有一定的抗干扰能力。     

基于统计分类的多行人跟踪算法

为了使视频监控系统具备多行人自动跟踪能力,提出了一种基于统计分类的多行人跟踪算法。首先采用了背景差和Canny算子准确提取出运动区域,然后利用特征匹配实现帧间目标的对应,最后提出一种利用人体表面颜色空间分布信息的统计分类方法,完成合并或遮挡时多个行人的分离和单独跟踪。实验表明,在相互遮挡时,该算法也能有效地分割和跟踪多个行人,适于智能视觉监控应用。     

基于LabVIEW的运动目标跟踪系统的研究

主要对创新实验室二维视觉跟踪转台的算法进行改进。传统的算法只能实现在白色背景下对黑色目标的识别与跟踪,为实现对不同目标复杂背景的跟踪,针对跟踪系统设备和系统指标要求,确定了图像预处理、图像分割、形心跟踪等算法。针对目标的特点,根据识别的目标用形心跟踪算法进行跟踪。文中所有控制程序都基于LabVIEW,在MFC框架下用C++编写图像处理程序。结果表明,在LabVIEW平台下的识别跟踪过程中,二维转台最终实现良好的控制,使整个系统快速、准确的跟踪运动的特征物体,完成了二维目标视觉检测与跟踪的目的。     

自动多目标识别和跟踪系统

研制的自动多目标识别和跟踪系统采用了三级分类识别、动态景物分析等技术,不仅改善了微弱运动目标的捕获能力、实现了运动多目标识别,还具有预计目标遮掩及实现目标再捕获的能力,使系统具有高的目标识别率,当目标数为10个时,系统识别速率为10帧/s。