基于加权空间直方图的均值漂移目标跟踪

目标模型内的背景像素会造成目标跟踪定位偏差。为了减少背景像素对跟踪造成的定位偏差,首先通过目标区域像素和目标区域周围背景像素的颜色直方图定义了一个加权系数,然后将该加权系数引入到空间直方图的计算中,提出了一种基于加权空间直方图的均值漂移(MS)目标跟踪算法。在此基础上,给出了一种模型更新方法。仿真实验表明,该算法具有很好的跟踪精度,对遮挡具有更好的鲁棒性。     

分布式穿墙成像雷达空间配准方法

分布式穿墙成像雷达利用多个穿墙雷达节点在多个视角对室内目标协同探测,可以有效弥补传统单视角穿墙探测的不足。提出了一种基于高斯混合模型的分布式穿墙成像雷达空间配准方法,根据各个节点探测结果中多目标位置关系求解雷达节点位置。首先将各个雷达节点的量测点集建模为高斯混合模型;然后将雷达节点配准问题转化为求解最优坐标变换参数的优化问题;最后采用粒子群优化求解,实现雷达节点空间配准。仿真与实测结果验证了该方法的有效性。     

改进的快速自适应分块均值漂移算法

为了实现复杂情况下的目标跟踪,该文提出了改进的自适应分块策略。通过主分量分析的方法确定不同时刻帧的矩形框大小,然后在不同的情况下根据一定的条件,决定不同的分块方法,从而提高目标在旋转、遮挡、缩放等复杂环境下的跟踪成功率。同时,为了减少寻找目标的时间,该文还提出两帧法,即通过前两帧计算出的质心象素点的个数差,快速预测并确定当前帧中目标可能的质心位置。实验表明,这两种方法相结合不仅有效提高了跟踪的成功率,而且减少了迭代次数,提高了算法的跟踪效率。     

基于均值漂移采样调整和积分直方图表达的粒子滤波跟踪算法

粒子滤波跟踪算法是对视频目标跟踪常用算法的改进。通过对采样粒子的均值漂移调整,使采样粒子集中于其邻近的局部极大值区域,加快了粒子收敛的速度;通过图像的积分直方图表达方式,对原算法中低效的直方图的统计工作,用粒子所在矩形区域的4个顶点的积分直方图的加减运算代替,运算速度得到较大程度的提高。对实际图像的跟踪和分析表明,本算法和传统的粒子滤波算法相比,具有更快的收敛速度,更短的计算时间,且粒子数越多,粒子所在区域面积越大,本算法的优势越明显。     

基于颜色纹理特征的均值漂移目标跟踪算法

针对经典均值漂移跟踪算法采用单一的颜色特征对目标进行跟踪检测存在的不足,提出一种将纹理特征与颜色特征相结合的改进均值漂移目标跟踪算法.该算法首次提出特征联合相似度的概念,通过均值漂移算法联合相似度的最大化计算,正确快速地获取新一帧图像跟踪目标的位置.实验结果表明,该算法具有更高的可靠性,同时满足一般目标跟踪任务的实时性要求.     

基于均值漂移的非线性尺度空间滤波

为解决均值漂移滤波核带宽的选择问题,分析了均值漂移和尺度空间滤波的关系,指出当采用正态核函数时,均值漂移是一种基于高斯尺度空间滤波的聚类方法。由此提出了一种基于均值漂移的非线性尺度空间滤波方法,其性能仅取决于空域的核带宽的选择,在每个采样点处根据信号的局部特征自适应选取幅度域的核带宽。该方法克服了均值漂移滤波存在块状效应的缺点。实验结果表明,该方法的整体性能优于均值漂移滤波、高斯滤波和中值滤波。     

超宽带脉冲穿墙雷达互相关BP成像

根据超宽带脉冲穿墙雷达目标回波信号与发射信号具有较强相关性的特点,提出一种新的互相关后向投影(BP)成像算法,该算法将沿天线合成孔径方向各接收阵元的回波信号与发射信号先进行互相关,将获得的互相关信号再利用BP算法进行相干成像.与回波信号进行直接BP成像相比,该算法具有消除脉冲建立时间对回波延迟时间估计误差的影响,提高目...     

步进变频穿墙成像雷达中反投影算法研究

反投影(back-projection,BP)算法具有很高的成像精度并容易进行各种形式的补偿,是广泛应用于穿墙、探地等领域的一种有效的时域成像算法。该文把时域反投影算法应用到步进变频穿墙雷达成像中,并根据墙壁的参数提出了用最短时间法对墙壁的影响进行补偿。通过对实测数据的处理可以看出,反投影算法在穿墙雷达中具有很好的成像精度,最短时间法也能很好地补偿墙壁对目标成像位置的影响。     

一种超宽带穿墙雷达天线单元的设计

针对超宽带穿墙雷达的成像分辨率不高和探测运动目标等问题,设计一种大带宽、多极化的超宽带天线单元。该天线单元采用双线性极化微带贴片天线的形式,同轴线馈电,并在背面加装反射板,使天线向前半空间辐射。实际测试表明,天线单元的端口驻波比小于2的带宽为0.85~2.05 GHz,极化隔离度小于-30 d B,可在超宽带穿墙雷达上实现成像和探测运动目标。     

基于EEMD穿墙雷达人的运动模式识别

根据穿墙雷达动目标探测中人的运动多普勒信号属于非线性、非平稳信号的特点,分别采用经验模式分解(EMD)和整体平均经验模式分解(EEMD)将人.5种运动的多普勒信号分解为一系列本征模式函数(IMF).采用支持向量机(SVM)学习算法,将两种方法分解后的各IMF能量占总能量的百分比作为支持向量机分类器的特征向量进行模式识别...     

机动多目标跟踪并行算法研究

分析了直角坐标系下交互式多模型概率数据关联（ＩＭＭＰＤＡ）算法的并行机理。将实现该算法的任务分配到高速并行仿真计算机上,得到了并行ＩＭＭＰＤＡ算法。研制完成了机动多目标跟踪并行仿真软件包,对并行算法性能进行了测试。仿真结果表明跟踪精度和并行效率良好。     

核窗宽自适应的均值偏移跟踪算法

针对固定窗宽的均值偏移算法对逐渐变大的运动目标跟踪不准确的问题,提出了一种窗宽自适应的均值偏移跟踪算法。先对当前帧进行均值偏移跟踪,再通过后向跟踪使跟踪窗口中心与目标形心匹配,利用巴氏系数最大化对窗宽进行±10％的修正,使跟踪窗口的尺度自适应变化。实验结果表明：该算法提高了跟踪精度,增强了跟踪稳定性,保证了跟踪的实时性。     

一种基于背景加权直方图的Mean-Shift跟踪算法

经典的Mean-Shift算法以颜色直方图为特征进行跟踪,但在视频目标跟踪中没有有效地利用跟踪目标的空间信息,因而当目标快速移动时,目标极易丢失。针对这一问题,提出了一种基于距离目标形心加权直方图的Mean-Shift跟踪算法。距离目标形心加权直方图可有效利用目标在图像中的位置信息,从而能实现复杂背景下的目标跟踪。并分别用改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法和经典的Mean-Shift跟踪算法,对快速运动的目标进行跟踪实验。结果表明,改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法,具有较强的鲁棒性和实时性,能有效实现复杂场景下的目标实时跟踪。     

基于多传感器信息融合的多目标跟踪与仿真研究

针对战场目标跟踪中雷达获得的目标角度精度低的问题,引入了高精度的红外方位探测信息进行关联,用以修正融合航迹点的方位角;建立了基于坐标变换和自适应α-β滤波的数据关联快速算法模型;进行了模拟战场实际目标的仿真试验。仿真结果显示：雷达与红外数据关联融合后,目标方位角和俯仰角的最大误差分别为6 mrad和5 mrad。表明该算法充分利用了红外与雷达的互补性,能很好地跟踪目标,达到了降低目标航迹的方位角和俯仰角跟踪误差的目的,使航迹状态估计更加精确。     

基于均值移位算法与彩色直方图算法的体育运动视频跟踪技术研究

随着体育竞技水平的提高,体育训练的要求也不断提高。为了适应这种现状,计算机视觉技术被应用到体育训练中,因为机器视觉比人眼有更好的准确性和记忆性,能够快速地捕捉运动目标,并且能够记录目标的各种运动数据。对体育运动视频中的非刚性目标进行跟踪,提出了基于均值移位算法与彩色直方图算法的跟踪方法,不仅能够对目标的位置进行有效的跟踪估计,同时对目标的形状也能很好地进行描绘,解决了体育运动视频中非刚性目标形状复杂不易跟踪的问题。给出了实例验证,表明所运用方法的有效性、自适应性。     

基于神经网络的多机动目标跟踪算法

将神经网络理论用于多机动目标跟踪,解决了联合概率数据关联(JPDA)存在的计算量组合爆炸问题。基于神经网络数据关联(NDA)所得到的最佳关联假设,将其与简化信息融合并行自适应滤波算法(DAF)进行有效结合,在保证量测与目标有效关联的同时,还具备跟踪起始和终结的作用,实现了对多机动目标的状态滤波与预测。仿真结果表明,与传统的交互式多模型联合概率数据关联算法相比,新算法在保证多机动目标的跟踪精度及实时性要求的同时,计算量大大减少。     

基于视频监控的运动目标跟踪算法

利用Kalman滤波思想对运动目标的前时刻状态信息进行预测,获取重心位置与形态紧密度估计值;将估计值与当前时刻观测值进行匹配,根据匹配误差修正运动目标的速度与紧密度变化值,通过递归算法实现常态下运动目标的准确、快速跟踪.针对复杂场景下由于运动遮挡造成无法准确估计目标运动轨迹,采用灰色模型GM(1,1)保证了跟踪过程的连续、稳定.最后,通过不同交通场景的视频序列对本文算法进行了验证,结果表明本文方法具有较好的适应性、鲁棒性,可实现复杂遮挡情况下连续、稳定、实时的目标运动跟踪.     

一种自适应高超声速目标跟踪算法

根据临近空间高超声速目标运动特点,建立了临近空间高超声速目标飞行模型.在Singer模型基础上,针对跟踪临近空间高超声速目标时采样时间为一定值的缺点,运用交互多模型算法,并引入跟踪采样时间间隔实时递推公式法,提出了一种采样时间自适应的高超声速目标跟踪算法.仿真实验表明,相比改进前的算法,新算法虽然在初始阶段因为采样初始值设置不合理,造成局部误差相对比较大,但总体上来看,改进后算法在跟踪精度上明显优于改进前算法.     

基于MHT的多物体跟踪算法

探讨了多假设跟踪算法(MHT)在多物体检测跟踪系统中的应用方式.该方法采用卡尔曼滤波算法实现跟踪轨迹假设,采用LAP算法实现数据关联,将预测和视频采集测量值结合得到最优跟踪轨迹.实验表明,该方法在实践中达到了较好的效果.     

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.