信标模式机动目标跟踪数据实时处理

信标模式下的机动目标测速数据存在较大时变系统误差, 导致目标飞行弹道解算精度降低. 针对此问题, 本文通过增加表征系统误差的分量项, 对机动目标运动模型的状态向量扩维, 并将系统误差引入到测量方程中, 提出一种弹道估计新算法. 利用无迹卡尔曼滤波计算跟踪目标的轨迹, 同时估计系统误差. 仿真试验表明, 该方法无论在应答或信标模式下都可以解算出满足精度要求的弹道.     

强跟踪卡尔曼滤波在视频目标跟踪中的应用

针对经典卡尔曼滤波器在滤波数学模型与实际过程的数学规律不匹配、滤波特性较差的情况,提出利用强跟踪卡尔曼滤波器对视频序列图像中的运动目标进行跟踪。该方法是在经典卡尔曼滤波递推公式中的一步验前误差方差阵中引入可在线计算的时变渐消矩阵,从而调节增益K,使之能够不断变化,保证对新息序列的自适应调节,使状态滤波更准确。实验结果表明,较之经典卡尔曼滤波,该方法具有对运动目标更强的跟踪能力,跟踪精度更高,均方误差更小。     

卡尔曼实时跟踪模型在股票价格预测中的应用

基于卡尔曼滤波的动态、实时跟踪性以及股票市场的易波动性,该文提出了将股票视为一个机动物体,其价格视为该物体的位移,其价格的变化视为该物体的速度,依据非线性物理动力学模型来描述股票价格的波动,并且利用卡尔曼滤波理论建立了一种动态的股票价格预测模型,最后给出了相应的算法.通过实例仿真,并对结果进行分析表明,本文提出的算法具有可靠、计算简便、快速等特点,模型预测精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值.     

自适应卡尔曼滤波在目标跟踪系统中的应用

目标跟踪是精确制导系统中的重要组成部分.文中针对运动目标跟踪问题,在建立运动模型的基础上,应用卡尔曼滤波算法进行了跟踪仿真研究.考虑到直角坐标系下的扩展卡尔曼滤波容易发散,可能导致滤波精度变差,所以文章提出一种针对非线性观测模型和线性动态模型的自适应推广卡尔曼滤波器.直角坐标系下的自适应卡尔曼滤波算法,对虚拟噪声进行了估计,动态补偿观测器模型的线性化误差,削减了系统的观测误差,并对其滤波理论及算法进行了仿真研究.结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法.     

自适应UKF算法在目标跟踪中的应用

针对目标跟踪中系统噪声统计特性未知导致滤波发散或者滤波精度不高的问题, 提出了一种自适应无迹卡尔曼滤波(Unscented Kalman filter, UKF)算法.该算法在滤波过程中,利用改进的Sage-Husa估 计器在线估计未知系统噪声的统计特性,并对滤波发散的情况进行判断和抑制, 有效提高了滤波的数值稳定性,减小了状态估计误差. 仿真实验结果表明,与标准UKF算法相比,自适应UKF算法明显改善了目标跟踪的精度和稳定性.     

一种实时目标跟踪航迹数据融合算法

在研究多传感器的目标跟踪数据融合时,针对算法都需要事先了解数据的一部分先验知识,虽然能够提高数据的跟踪精度,但只能应用到事后的数据分析中.为了使融合中心能在传感器录取目标数据的同时进行跟踪数据的融合处理,数据融合算法必须实现实时性.为了解决数据融合算法在提高精度的同时不需要以先验知识为背景的问题,提出一种利用数据间支持度函数矩阵进行多组数据加权融合的结果来替代滤波测量值进行卡尔曼滤波,并得到多组测量数据的实时动态融合跟踪.仿真结果表明,能够实时跟踪目标,同时数据融合的跟踪精度大大提高.     

序列图像中彩色目标跟踪的加权颜色分布方法

提出一种基于加权颜色概率分布模型的彩色目标跟踪方法。对目标的颜色直方图进行改造形成目标的颜色概率分布图,同时考虑到了颜色模型的大小及其中像素点的位置对颜色分布的影响, 再对颜色分布图进行加权处理成为加权颜色分布图, 以此作为目标的颜色模型。与加权直方图相比,加权颜色分布图对区域特征描述更加合理。实验结果表明,本文方法与典型的mean-shift算法相比,提高了目标的定位精度的同时,降低了计算复杂度,而且在快速运动和被大比例遮挡的情况下对彩色目标的实时跟踪有良好的鲁棒性。     

伪线性卡尔曼滤波在目标被动跟踪中的应用

在对目标进行纯方位跟踪时,伪线性卡尔曼滤波算法是一种有效的跟踪滤波方法,该方法可以很好地对目标运动状态进行估计。通过仿真证明了该方法降低了对模型精度的要求,具有较好的稳定性。     

压缩传感目标跟踪在多实例中的应用

研究了一种基于压缩传感的实时目标跟踪算法。该算法结合多特征和压缩传感目标跟踪,增加随机测量矩阵提取多个特征用于检测,在跟踪时采用基于boosting的框架,利用多实例的正负样本包特性,提高置信区间估计,实现了实时的目标跟踪。实验结果及分析表明,本文方法在目标运动、姿态变化以及被部分遮挡的情况下,可在原压缩传感目标跟踪算法的基础上提高跟踪的可靠性;与传统的单一特征目标跟踪算法相比,由本方法提取的两种不同类型的特征具有互补性,使得跟踪的鲁棒性较好,能达到稳定、实时的跟踪效果。     

视频运动目标跟踪方法研究

视频运动目标跟踪属于计算机视频模块的重点研究内容,具备较大的应用前景。随着各种新技术融合到目标跟踪方法中,其跟踪准确性得到提升。受到目标形变、遮挡以及尺度变化影响,跟踪失败的问题也时有发生。为了改进视频运动目标跟踪方法,本文系统的阐述了当前视频运动目标跟踪方法的类型,从算法设计流程着手,给出关于视频运动目标跟踪方法的具体设计框架,对未来算法发展方向进行了展望。     

基于声学传感器的目标跟踪扩展算法

针对机动的目标跟踪,提出扩展的卡尔曼滤波器/多假设跟踪方法(EKF/MHT),该算法具有结构和计算简单,鲁棒性好的特点,同时研究了和声学传感器相联系的目标数量、位移量和探测分辨率对跟踪性能的影响,并通过仿真,充分说明了文中所提出的跟踪算法能够较好地弥补传统的Kalman滤波/MHT方法在跟踪机动目标时的不足。     

自动目标识别与跟踪技术研究综述

对复杂背景下扩展目标进行有效的识别和跟踪是一个具有挑战性的难题。对当前的目标自动识别系统( ATR) 所采用的算法进行了归类和叙述, 对目标识别问题中具有旋转、尺度、平移不变性的特征及目标跟踪算法进行了讨论, 最后对自动目标识别和跟踪进一步的研究方向进行了展望。     

基于最近邻数据关联法的安瓿溶液可见异物目标跟踪

运动目标跟踪是安瓿溶液可见异物检测的关键所在,数据关联在信息融合的基础上能很好对目标对象的相关性做出判断。结合运动状态预测的最近邻数据关联法,在目标先验知识不足、特征信息贫乏的条件下,能够有效地对潜在目标对象进行跟踪,从而做出杂质相关性判断。     

基于簇相似度的实时多尺度目标跟踪算法*

针对目标跟踪中跟踪实时性和适应目标尺度变化的问题,提出在粒子滤波框架内基于簇相似度测量的实时目标跟踪算法,算法的外观模型使用改进的均值类哈尔特征表示.首先,根据采样半径采集目标簇和背景簇.然后,定义粒子与簇之间的相似度.当新帧到来时计算每个粒子与目标簇和背景簇的相似度,并将相似度最高的粒子作为目标在该帧的位置.在每帧跟踪结束时,更新目标簇和背景簇的统计特征,并对粒子进行重采样防止退化.与当前通用的跟踪算法对比体现文中算法的优越性.     

基于OpenCV的运动目标定位跟踪系统软件设计

目标定位跟踪技术一直是计算机视觉领域的一个研究热点。为了更好地改进目标跟踪算法的跟踪特性,设计一种基于OpenCV的目标定位跟踪软件系统。通过对Camshifl跟踪算法的研究和改进,以实际的跟踪环境为背景,利用VS2008软件平台和OpenCV库函数,设计一种可以控制云台并实时定位跟踪运动目标的软件系统。实验证明,本系统定位跟踪精确,为运动目标的定位跟踪的研究和应用提供了方便,具有一定的实际意义。     

基于遮挡检测和多块位置信息融合的分块目标跟踪算法

目标跟踪无法有效判断目标何时被遮挡以及同时配合模板更新.针对这一问题,文中提出基于遮挡检测和多块位置信息融合的分块目标跟踪算法.首先,将目标区域分成4个子块,结合目标整体,利用遮挡具有从局部开始和方向性的特点,计算各分块间相关值的比值,判断目标是否遮挡及遮挡部位.再根据目标是否遮挡,采用不同的更新方式.最后,根据未被遮挡的各个分块位置信息确定最终目标的位置.在数据集上的实验表明,文中算法可以有效判定目标是否存在遮挡,并提升遮挡情况下的跟踪效果.     

多模型平滑算法及其在机动目标跟踪中的应用

在机动目标跟踪中的多模型平滑问题的研究中,关于单模型的线性或者非线性系统的平滑问题,已经得到深入的研究并且提出了很多高效的算法。针对多模型的滤波问题也在目标跟踪领域得到了深入的研究。然而,将基于单模型的平滑算法扩展到多模型系统中并非易事。为此提出一种基于正向滤波结合反向平滑的多模型平滑算法。正向滤波采用交互式多模型滤波,而反向平滑算法则采用类似于二阶广义伪贝叶斯的多模型算法。上述算法采用递归结构,使算法简单并且计算效率高。通过机动目标跟踪的仿真与多模型平滑算法比较,可以取得更高的估计精度。     

空间异常适应性的目标跟踪

针对基于空间正则化的相关滤波算法无法精准控制背景区域权重,同时存在由遮挡、形变等因素导致的异常情况会降低跟踪结果可信度的问题,文中提出空间异常适应性的目标跟踪算法.首先,构造自适应空间正则项,使用显著性检测对其权重进行初始化,实现空间适应性.然后,利用交替方向乘子法,降低算法复杂度.最后,设置置信分数,计算检测结果的可...     

基于BF561的目标跟踪模块的设计与实现

本文在ADI公司双核数字信号处理芯片ADSP-BF561的基础上完成了目标跟踪模块的设计与编程实现。该模块可以分为硬件和软件两部分。硬件设计上,以ADSP-BF561为核心,控制视频信号的采集、预处理和跟踪。其中,视频编解码分别采用ADV7171,ADV7181B芯片实现。软件设计上,使用双核工作模式、基于描述子的输入输出模式以及MDMA数据搬移方式着重解决了图像跟踪系统所需的实时性问题。该设计结构紧凑,成本低廉,可靠性高。试验结果显示,所设计的目标跟踪系统能够满足系统的实时性要求。     

基于SOPC的实时目标跟踪系统设计及实现

实时目标跟踪系统的实现是基于System Generator[1]系统来搭建实时的目标跟踪算法,编译生成VHDL/Verilog代码,在ISE集成软件环境中进行综合、实现,设计出一种基于SOPC的实时目标跟踪系统。系统采用处理速度较快的FPGA芯片,利用数字图像处理和数字信号处理技术,实现对目标进行智能检测、提取、识别和跟踪等目的。