异类传感器融合跟踪的等效传感器方法

为了提高多个异类传感器构成的集中式融合跟踪系统的计算性能,提出一种基于等效传感器的融合跟踪方法.该方法假定各局部传感器能观测目标的全部属性,将其中实际不能观测的属性视为被剔除的野值,利用融合中心的目标状态估计进行重构,实现将维数不同的各异类传感器的量测映射成系统观测空间中维数相同的等效传感器量测.这样便可采用数据压缩滤波方法克服现有集中式融合跟踪方法的局限,降低计算量.实验结果表明,文中方法的跟踪精度与现有的并行滤波融合跟踪方法一致,但计算量更低且基本不随传感器数量的增加而增大.     

一种新的红外与可见光图像融合与跟踪方法

多传感器图像融合技术在目标检测与跟踪领域中有广泛应用。提出了一种红外与可见光图像的新颖的特征级融合与运动目标跟踪方法。将目标轮廓用动态轮廓线表示,在目标跟踪过程中对于两类模式图像中的目标轮廓控制点向量,利用 B 样条形状空间模型将目标轮廓的特征级融合转换为控制点向量差的 L2 范数平方极小化。这种方法不需要图像配准,降低了融合的计算复杂度。同时,使用了自适应 Kalman 滤波技术,提高了动态轮廓线特征搜索的准确性。对比跟踪实验表明,融合后可见光图像的平均跟踪误差减小了 56.96%。     

基于非稀疏多核支持向量机的重现行人识别

目前,视频跟踪正向大范围长时间目标跟踪研究方向发展。重现行人识别是对行人目标进行大范围长时间持续跟踪的关键技术,是后续行为分析的基础。本文提出了一种基于非稀疏多核支持向量机的重现行人识别算法。首先,该方法提取跟踪行人视频图像序列的多层SIFT视觉单词树特征和多层颜色直方图特征。接着,利用高效的非稀疏多核支持向量机算法在线融合多层SIFT视觉单词树特征和多层颜色直方图特征得到行人外观模型。最后利用存储的行人外观模型库对重现行人进行识别。该方法可应用于多摄像机视频监控中同一行人目标的跨摄像机跟踪以及单摄像机监控中行人目标重新出现的识别。实验结果表明,该方法能快速训练人体目标外观模型,能获得很高的识别率。     

光电成像跟踪系统的实时数据融合技术研究

光电成像跟踪系统需要保证不同目标的自适应识别,同时严格按照时间序列执行的图像处理又是一个强实时性过程。实时融合跟踪技术提出并行执行多个算法组以适应不同类型目标的识别,并通过像素级、特征级和决策级的同时融合处理保证了系统跟踪的稳定性,最后在嵌入式并行处理硬件平台上有效解决了对运动目标的自适应跟踪。文中详细阐述了实时融合跟踪技术的技术思想和技术路线,在剖析其并行结构的基础上完成了光电成像跟踪系统的嵌入式硬件并行平台的设计和实现,取得了显著的工程应用成果。     

多传感器模糊融合跟踪算法

针对集中式融合结构跟踪系统,利用随机逼近算法分析了权值的最优分配原则,提出了一种基于模糊推理的多传感器融合跟踪算法。该算法采用协方差匹配技术,依据滤波新息,动态调整测量噪声方差,使融合系统的均方误差始终最小。同时利用双滤波器结构,根据系统方差,实现滤波器间的动态切换,提出了基于模糊推理的并行双Unscented卡尔曼滤波自适应跟踪算法,增强当前统计模型对弱机动目标的适应能力。针对机动和非机动飞行航路进行了算法仿真,结果表明,在时变测量噪声条件下,采用模糊融合跟踪算法前后的速度均方根误差分别为45.7m/s和36.2m/s, 18.7m/s和9.6m/s,提高了多传感器系统的稳健性和跟踪精度。     

基于多源信息的高速列车走行部故障识别方法

针对高速列车安全性能跟踪监测点多、监测数据量大而导致的走行部故障识别难的问题,提出了一种基于模糊证据理论的多特征、多源信息融合的走行部故障识别方法。首先根据不同传感器信息的某类特征属于不同故障模式下的隶属度间的差异来计算传感器间的信息融合度,利用融合度来确定不同传感器在融合中的权重,从而得到同类特征不同传感器间信息融合后的隶属度;然后由融合后的隶属度转化为基本概率分配函数;最后用证据理论对不同特征间信息进行融合。实验结果表明,该方法能有效地识别列车正常、空气弹簧失气、抗蛇形减震器全拆、横向减震器全拆四种情况,同时在不同速度下均取得了满意的识别率,验证了该方法的有效性。     

基于多传感器数据融合的喷水推进泵空化分类识别

采用基于奇异值分解和人工神经网络的多传感器数据融合方法对喷水推进泵的空化状态进行了分类识别研究。首先利用基于奇异值分解的权值估计算法分别对水声信号和振动信号在时间上进行数据级融合,提取出各自的特征,然后将所有特征组合起来作为神经网络的输入,利用BP网络和RBF网络进行特征级融合和分类识别。分析结果表明：基于多传感器数据融合的分类识别结果优于单传感器分类识别结果;采用基于奇异值分解的数据融合方法后,分类识别率显著提高,对空化初生微弱特征的识别效果尤佳。     

未知输入干扰下异构多传感器分布式两级信息滤波与偏差联合估计

针对目标跟踪过程中受未知输入影响的多传感器网络,提出一种局部单传感器抗干扰信息滤波算法并根据此算法实现分布式一致性多传感器融合滤波估计实现目标的精确跟踪。首先,建立包含未知输入的系统模型;其次,消除未知输入影响并设计局部单传感器两级信息滤波算法实现状态和广义偏差的同时估计;最后,根据提出的单传感器两级信息滤波算法进行分布式加权数据融合。仿真结果表明,该方法及其融合算法的系统偏差、状态估计误差和均方根误差均明显降低,目标跟踪精度有所提高,并且具有较低的运算量和较高的一致性。     

改进特征和时间融合框架的区分式跟踪算法

文章基于多示例学习的跟踪框架,引入改进型的分布场特征并融合目标时间维度信息,提出了一种新的跟踪算法。新的特征能够更为有效地描述目标的空间结构信息,对于目标模糊、局部遮挡以及细微形变有良好的鲁棒性。加入的目标时间维度信息融合方法,包含了目标的历史信息,同时也能响应目标的外观变化,提高了跟踪器从跟踪异常中恢复的能力。通过对比新算法与其他先进算法在多组测试视频上的跟踪结果,可以发现本文提出的算法具有更为优异的性能,能够在各种复杂情况下对目标进行稳定的跟踪。     

一种弱小目标的自适应搜索方法

针对成像跟踪系统中弱小目标搜索定位的难题,提出了一种新的自适应搜索算法,即利用全局寻优的自适应遗传算法搜索目标,以目标的多特征融合信息作为最佳定位的判断准则和适应度函数。实验结果表明,该方法不仅提高了检测精度,也改善了跟踪算法的稳定性和智能策略。     

一种用于电视跟踪系统中的多模式数据融合方法

基于单传感器多模式数据融合的思想,设计了一种联合卡尔曼滤波器。通过卡尔曼滤波分 散处理多个模式跟踪结果数据,再将处理结果进行全局融合得出跟踪最终结果。仿真和室内实验都表明,这种方法用于实时电视跟踪系统中可有效提高跟踪精度,融合后的均方误差是融合前的0.05倍,具有一定的容错能力,运算量小,且易于实时实现。     

结合数据融合和数据挖掘技术的信息智能处理平台

数据融合技术能利用不同传感数据的冗余信息实现互补以提高信息处理的正确性；数据挖掘技术能从大量数据中挖掘和发现有价值和隐含的知识，用于建模和优化。本文研究结合数据融合和数据挖掘技术的信息智能处理平台，阐述了其功能和组成，知识表达和建模、知识推理和决策，并介绍了其在目标检测识别和医疗监护等领域的应用。     

基于位移传感器的包装机械手运动跟踪方法设计

目的为提高包装机械手末端执行器轨迹跟踪精度,提出一种三维运动轨迹跟踪方法。方法获取拉绳式位移传感器在预先建立的三维坐标系中坐标数据和拉线长度。利用坐标和拉线长度计算运动物体的三维坐标数据,进而形成所述运动物体的三维运动轨迹。同时,给出基于ARM的轨迹跟踪控制器结构以及软件实现方法。结果实验结果表明,与传统示教盒相比,该方法可将定位精度提高1倍,相关误差可控制在0.3 mm以内。该方法在执行效率方面大约能够提升33%,提高了包装机械手的执行速度和分拣效率。结论所述轨迹跟踪方法能够提高包装机械手末端执行器的定位精度和定位速度,符合包装、食品、化工等行业的工艺要求。     

基于EK-NN的水声目标识别算法研究

针对水声目标信号复杂、样本获取难度大且富含不确定信息的问题,研究了一种新的证据K类近邻识别算法(Evidence K Nearest Neighbor,EK-NN)。首先在水声目标的各类训练样本中,根据特征距离大小选取待识别目标的K近邻,并构造其基本置信指派函数。然后使用证据理论中的Dempster-Shafer(D-S)规则对各类别下的近邻证据进行组合,最后再应用冲突置信的比例分配规则5(Redistribute Conflicting mass proportionally rule5,PCR5)将所有类别的组合证据进行融合,并根据融合结果和所设立的分类规则来判断目标的类别属性。根据水声目标实测数据,将新算法与其他几种常见的水声目标识别算法进行了对比分析,结果表明新算法能有效提高识别的准确率。     

USAN算法在实时系统中的实现

介绍USAN(Univalue Segment Assimilating Nucleus即吸收同值核区)算法在实时系统上的应用。应用USAN模板对图像扫描,并且对扫描后的数据做方向识别,获得目标上的角点特征,从而得到以角点为跟踪点的跟踪算法。此算法由于其跟踪点稳定,不受随机噪声的影响,因而可以大大提高跟踪精度,在实际应用中获得较好的效果。     

基于局部特征组合的目标跟踪算法

为了克服目前大多数观测模型在小样本空间中鲁棒性不高的弱点,文中在粒子滤波框架下提出基于局部特征组合的粒子滤波视频跟踪算法。局部特征能更有效描述目标模板细节信息,可降低特征匹配中目标形变、光照变化和部分遮挡的影响。该方法借鉴混合高斯模型思想,采用多模式描述有效局部观测信息,这种融合策略更加准确可靠,能够较好地通过最新观测减轻了粒子退化现象,从而提高目标跟踪效率。小样本空间一定程度上降低了粒子数量和计算代价。实验结果表明该算法相比单一特征或一般多特征融合跟踪算法具有优越性,并能实现复杂场景下的目标跟踪。     

Distributed data fusion algorithms for inertial network systems

New approaches to the development of data fusion algorithms for inertial network systems are described. The aim of this development is to increase the accuracy of estimates of inertial state vectors in all the network nodes, including the navigation states, and also to improve the fault tolerance of inertial network systems. An analysis of distributed inertial sensing models is presented and new distributed data fusion algorithms are developed for inertial network systems. The distributed data fusion algorithm comprises two steps: inertial measurement fusion and state fusion. The inertial measurement fusion allows each node to assimilate all the inertial measurements from an inertial network system, which can improve the performance of inertial sensor failure detection and isolation algorithms by providing more information. The state fusion further increases the accuracy and enhances the integrity of the local inertial states and navigation state estimates. The simulation results show that the two-step fusion procedure overcomes the disadvantages of traditional inertial sensor alignment procedures. The slave inertial nodes can be accurately aligned to the master node.     

Autonomous target tracking and following mobile robot

Tracking and following a moving target in real time is a very challenging task in autonomous mobile robot applications, due to the unstructured and unknown environment. In this article, a real time, autonomous, dynamic, whole-field target tracking system (360° coverage) is developed based on a pan/tilt/zoom CCD vision system. The vision system scans and locks the pose of the moving target and commands the tracking mobile robot to follow the target while avoiding obstacles. Bayes’ theorem-based foreground–background segmentation algorithm is applied for motion detection. The color-based particle filter algorithm is used to track the moving object. The system steers the tracking mobile robot toward the moving target based on the angular difference obtained from the tracking module. Fuzzy logic is applied and a sensor data fusion algorithm is developed to reduce the ultrasonic phantom effect of obstacle detection using eight ultrasonic sensors. Multiple behaviors are integrated through the proposed system. Experimental results show the proposed system can successfully track and follow a moving target and avoid obstacles in real time. The tracking accuracy is higher than 80%.