基于假设理论的序列图像中多目标检测和跟踪

本文提出一种基于目标检测的多维假设多目标检测和跟踪方法,此算法对于序列图像的照明变化和遮蔽现象具有很高的鲁棒性.首先,对序列图像进行背景抑制、时域滤波和杂波剔除的预处理,得到单帧的初始目标检测结果.对于初始检测中存在的漏检和误检现象,采用基于假设理论的跟踪概率模型优化初始检测轨迹;将目标的跟踪信息反馈于目标检测模块,形成一闭环自适应跟踪系统,达到多目标的最优检测和跟踪.实验结果表明了所提出的方法在多目标检测和跟踪中的可行性和有效性.     

基于随机集理论的多目标跟踪研究进展

基于随机有限集理论的多目标跟踪方法,能够避免数据关联步骤的困扰,能够较好地解决复杂环境中目标数目未知且随时间变化的多目标跟踪问题.本文分析基于数据关联和基于随机集理论的多目标跟踪方法,阐明基于随机集理论的多目标跟踪方法的特点和优点,对目标状态提取、航迹关联、更准确的滤波算法,以及复杂条件下的PHDF算法等关键问题进行总结和评述,并指出该领域今后的研究热点.     

基于BELLHOP模型的水下多目标跟踪算法研究

针对高频主动声呐的深海多目标跟踪问题,提出了基于BELLHOP模型的无迹卡尔曼滤波-高斯混合概率假设密度(Unscentesd Kalman Filter-Gaussian Mixture-Probability Hypothesis Density, UKF-GM-PHD)水下多目标跟踪算法。该算法首先利用BELLHOP射线声学模型,计算出本征声线、目标信号的幅度、相位及时延信息,以此构造目标回波信号并叠加高斯白噪声。然后,由回波信号计算得到目标相对于观测站的距离、方位角和俯仰角信息,作为目标跟踪系统中的量测信息。最后利用提出的UKF-GM-PHD多目标跟踪算法,实现高频主动声呐非线性系统的多目标跟踪。仿真结果表明,在深海高频主动声呐条件下,文章提出的UKF-GM-PHD多目标跟踪算法较传统高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density, GM-PHD)方法,明显降低了目标丢失率,并且最优子模式指派统计量(Optimal Sub-Patter Assignment, OSPA)距离也更小,跟踪效果更好。     

一种基于MMPF-TBD的机动弱目标检测方法

针对低信噪比条件下机动目标实时检测与跟踪问题,提出一种改进的基于多模型粒子滤波的检测前跟踪(MMPF-TBD)方法.通过滑窗平均法判断粒子集是否受上一时刻目标估计结果的影响,当判断值超过设定阈值时,则根据上一时刻的目标检测概率与状态估计分布添加新粒子集,再用扩展后的粒子集对目标进行检测与估计,与现有方法的仿真比较表明,本丈所提的改进方法能够有效地解决粒子退化问题,并在满足系统实时性的前提下,提高了对于机动微弱目标的检测概率和跟踪精度.     

卡尔曼滤波及其FPGA实现

卡尔曼滤波器被广泛应用于目标位置预测领域,但由于算法复杂、计算量大,采用软件实现难以满足现代跟踪系统的实时性要求,本文介绍了卡尔曼（Kalman）算法的理论推导,提出了一种基于FPGA的可重配置实时卡尔曼滤波器硬件结构,在Simulink中的DSP Builder实现卡尔曼滤波器,最后在FPGA中实现。     

智能目标检测与跟踪系统的设计与实现

为了实现复杂背景下对任意目标的智能检测与稳定跟踪,设计了基于双DSP结构的集视频处理、云台运动控制于一体的实时电视跟踪系统.系统采用模块化硬件结构,并提供直接用户接口可使系统脱离上位机独立工作.同时改进了目标识别算法,提出一种基于区域分割的相关模板提取方法.利用自适应空域滤波器分割出目标区域,再用二次投影法快速提取目标,并以模板评价函数为准则实时更新模板.具有模板自适应性强,目标判断准确,跟踪鲁棒性好等优点.外场实验表明,在目标变化和有物体遮挡干扰的情况下,系统能准确提取任意指定目标,并保持连续稳定的跟踪.     

离散马尔科夫跳跃线性系统的非脆弱H∞滤波

针对一类离散有限模态马尔科夫跳跃线性系统(MJLs)的滤波问题,进行了具有乘性范数有界参数摄动的模态不依赖H∞非脆弱滤波器的设计研究.基于随机内部均方稳定(IMSS)理论,采用线性矩阵不等式(LMI)技术, 给出了模态不依赖H∞非脆弱滤波器存在的充分条件和设计方法; 利用线性矩阵不等式的仿射特性, 先将设计方法推广到跳变转移概率具有凸多面体不确定时的鲁棒模态不依赖H∞非脆弱滤波器设计, 然后进一步拓展到考虑系统参数具有凸多面体不确定时的鲁棒模态不依赖H∞非脆弱滤波器设计,最后通过算例数值仿真表明了所得结论的有效性.     

随机载荷作用下脆性结构的可靠性分析

本文提出了一种对受随机外载作用的脆性结构进行可靠性分析的方法。这种方法基于脆性结构的最弱连接假设及Weibull统计规律,另外假设给定尺寸的初始裂纹在单位体积内以一定的密度随机分布。在计算应力统计值、裂纹传播及强度减弱时采用了随机振动理论及断裂力学中的基本概念,并认为当任一裂纹处的应力强度达到快速裂纹扩展的临界值时,结构就被破坏。这种结构破坏类似于随机振动理论中的初超越。求解结构断裂概率时考虑了多重振动模态效应,而求解应力分布及断裂概率时能用有限元分析完成。最后以有关结构寿命评估的数值计算为例说明本文提出的方法的可行性。     

自适应多滤波器的高效卷积算子目标跟踪算法

针对单一滤波器难以适应复杂变化的目标跟踪环境的问题,本文在高效卷积算子目标跟踪算法的基础上,提出了自适应多滤波器的目标跟踪算法。该算法使用时空正则化滤波器、一致性检验滤波器和高效卷积算子算法中的相关滤波器分别与目标特征进行卷积,得到三个滤波检测得分。其中,时空正则化滤波器是通过将时间正则化引入相关滤波损失函数而得到;一致性检验滤波器是通过反向定位前几帧目标,比较反向与正向定位坐标的误差,只有误差小于阈值时才更新滤波器;选择峰值旁瓣比最大滤波检测得分,估计目标的位置。使用OTB-2015数据集和UAV123数据集对改进算法进行测试,实验结果表明,本文算法能够更好地适应跟踪过程中的复杂变化的环境,具有较高的精度和鲁棒性。     

一种新的跟踪滤波器设计方法及其应用

本文提出了一种基于开关与电阻串联的调制方法,从能量等效的角度给出了开关电阻支路等效电阻的计算方法。讨论了基于开关电阻调制的跟踪滤波器设计方法,采用Proteus对跟踪滤波器的特性进行测试,其结果与理论分析吻合,为跟踪滤波器的实际应用提供了可靠的依据。     

Techniques for birth-particle placement in the probability hypothesis density particle filter applied to passive radar

An initial investigation found Ronald Mahler?s probability hypothesis density (PHD) filter to be a promising tool for the passive coherent location (PCL) of targets observed via multiple bistatic radar measurements. Two significant improvements to the particle-filter implementation of the PHD-based multitarget, multisensor tracker for PCL are introduced. The first is a simple, yet novel, peak-extraction technique that exploits the integral property of the PHD and provides a faster and more accurate method over currently used techniques to extract the target states from the PHD. The second is an improved method of placing birth particles, whereby a precomputed range-variance-based grid and a least-squares iterative technique is used to place birth particles at the bistatic range and Doppler observation intersections. This leads to greater reliability in detecting targets and a significant reduction in the number of particles required for tracking.     

水下机动目标跟踪技术研究

水下目标跟踪是海洋国土监视、反潜战等环境下的关键技术。以往的跟踪滤波算法主要基于卡尔曼滤波、扩展卡尔曼滤波等算法,这些方法实现比较复杂,滤波精度不高。最近出现了不敏卡尔曼滤波、粒子滤波、转换瑞利滤波、双多基地跟踪算法等,需要研究这些算法在水下目标跟踪中的性能。总结对比了国内外学者在此领域的研究成果,得出了这些滤波算法在水下目标跟踪中的优缺点。重点论述了纯角度跟踪和非线性滤波算法的发展、在水下目标跟踪中的应用以及多基地声纳跟踪水下目标技术的发展,回顾了机动目标跟踪和多目标数据互联算法。研究表明,非卡尔曼滤波算法能够更高精度地跟踪水下目标,双多基地声纳是今后发展的重点。为今后的研究提供参考。     

粒子滤波在空间光电小目标跟踪中的应用

空间光电小目标信号能量弱,若目标运动参数和亮度信息不足,在低信噪比的条件下,将难以实现对小目标的检测与跟踪.本文主要利用粒子滤波在信号处理上的特点,对其在小目标跟踪中的应用展开研究.首先分析了粒子滤波在光电小目标跟踪中的基本理论,并针对目标亮度未知的情况,给出一种通过点扩展函数来构造目标函数的方法,对粒子权重进行更新....     

一种基于粒子滤波的特征融合跟踪算法

针对单纯的基于颜色的跟踪方法在复杂背景下会导致跟踪失败的问题,本文提出一种基于粒子滤波的特征融合跟踪算法。颜色直方图是对目标的全局描述,而方向梯度直方图包含了一定的结构信息,二者可以互为补充,因此本文算法同时用颜色直方图和方向梯度直方图来描述目标,在粒子滤波框架下将目标颜色和梯度信息有机结合,并自适应更新。实验表明,本文算法不仅提高了跟踪精度,而且具有较强的鲁棒性。     

多坐标系下目标跟踪的联合滤波

针对雷达目标观测和处理在不同的坐标系下完成，本文提出了联合滤波算法来跟踪机动目标。该算法以卡尔曼滤波器为基础，直角坐标系下和极坐标系下的算法相联合，不仅克服了两种坐标系下滤波算法的不足，而且对机动目标有很好的跟踪效果。仿真实验结果表明了该算法的有效性。     

基于统计学习的运动目标轨迹跟踪

为了更准确地跟踪被动辐射源的运动轨迹,提出了一种将到达时差(TDOA)最大似然定位方法与基于统计学习的算法相结合的轨迹跟踪算法.该算法利用TDOA最大似然网格搜索法对目标进行多次单独定位,获得目标初始轨迹,然后应用统计学习算法对轨道进行学习和拟合,输出运动轨迹.仿真表明,同卡尔曼滤波器相比,该方法提供了更高的跟踪精度,当拟合点数达到300个点时,最终的跟踪精度同单次定位精度相比可提高一个数量级.     

基于空气阻力因子估计的乒乓机器人精确轨迹跟踪

乒乓机器人轨迹跟踪中,由于摄像机成像畸变、目标高速运动造成的成像模糊和空气阻力等不确定因素会导致跟踪误差.针对这些问题,本文提出一种基于空气"阻力因子"估计的轨迹跟踪算法.该方法结合了Kalman滤波器快速高效的跟踪优点,先从空气动力学模型推导出"阻力因子"项,并将其引入状态向量,重新对增广的状态向量进行非线性特征建模,再采用针对非线性估计的扩展Kalman滤波算法进行状态估计.实验结果表明,该算法跟踪精度优于传统轨迹跟踪算法(速度误差由±0.5m/s减少为±0.2m/s),并具有数值计算的实时性和高效性.     

基于自适应特征融合的多尺度相关滤波跟踪

为了减小目标跟踪中目标变形、光照影响、运动模糊以及目标旋转对跟踪效果的影响,在相关滤波KCF基础上,提出了一种基于自适应特征融合的多尺度相关滤波跟踪算法。首先,提取VGG19网络中conv2-2、conv3-4、conv5-4层的特征以及CN特征,并在conv2-2层加入CN特征;然后,将这3个特征分别代替HOG特征进行滤波学习,得到3幅响应图;进而对3幅响应图进行加权融合预测目标位置。最后,在尺度方面引入多尺度相关滤波器进行尺度的确定。该算法比KCF跟踪算法精确度和成功率分别提高了13.6%和11.8%。与现有的其他优异跟踪算法相比,该算法在应对运动模糊、背景杂乱、目标变形、平面旋转方面更具有较好的跟踪效果。