基于子空间投影的复杂水下环境运动小目标检测前跟踪方法

针对复杂水下环境运动小目标检测中存在的目标信号强度弱、信杂比低等问题,该文提出基于子空间投影的检测前跟踪(TBD)算法:对原始图像数据截取序列片段,将3维时空片段中的短时运动航迹投影到2维子空间平面;利用2维投影图中平面航迹的形态特征进行初步筛选,提取目标的有效运动区域;将2维平面中的目标短时航迹在局部区域重建3维时序,在3维航迹回溯过程中利用目标运动特征再次筛选目标短时航迹。通过上述分级检测机制,可实现快速高精度的目标短时航迹检测。结合前景检测以及基于层次凝聚聚类(HAC)的长时航迹检测算法,构建了针对运动小目标的完整检测前跟踪方法。最后使用实测声呐图像数据验证了算法的检测精度和检测速度。     

基于子空间投影的复杂水下环境运动小目标检测前跟踪方法

针对复杂水下环境运动小目标检测中存在的目标信号强度弱、信杂比低等问题,该文提出基于子空间投影的检测前跟踪(TBD)算法:对原始图像数据截取序列片段,将3维时空片段中的短时运动航迹投影到2维子空间平面;利用2维投影图中平面航迹的形态特征进行初步筛选,提取目标的有效运动区域;将2维平面中的目标短时航迹在局部区域重建3维时序,在3维航迹回溯过程中利用目标运动特征再次筛选目标短时航迹.通过上述分级检测机制,可实现快速高精度的目标短时航迹检测.结合前景检测以及基于层次凝聚聚类(HAC)的长时航迹检测算法,构建了针对运动小目标的完整检测前跟踪方法.最后使用实测声呐图像数据验证了算法的检测精度和检测速度.     

密集杂波和未知数目条件下的多目标检测算法

针对低信杂比和目标数量未知条件下的多目标检测问题,提出了一种基于Hough变换及扩展网络的检测前跟踪算法。首先采用标准Hough 变换及最小距离法生成侯选航迹,然后以每条侯选航迹为单位构成扩展网络,对侯选航迹进行杂波滤除,并利用功率均值法对侯选航迹进行二次筛选。最后通过剔除野点得到准确的航迹数及航迹参数。实验表明该方法不但实时性强,而且较好地解决了以往检测前跟踪算法在未知目标数量的条件下要求目标数量上限先验已知的问题。      

基于YOLOv3锚框优化的侧扫声呐图像目标检测

利用侧扫声呐图像来探查海底目标对海洋资源开采和海上军事防护都有重大意义。目前人为提取图像特征进行目标检测的传统机器学习方法逐渐被深度学习取代。深度学习技术在降低算法复杂度的同时提高图像目标检测效率,极大地推动了目标检测技术地发展。将深度学习检测算法应用到侧扫声呐图像目标检测领域时,锚框作为目标检测网络中较为重要的先验信息会影响最终的检测性能,考虑到声呐数据集的真实目标框与网络设定的锚框未必贴合的问题,本文在YOLOv3的基础上对锚框进行了优化,给出了一种能够获取有效先验锚框的策略。首先使用K-Means算法对真实目标框进行聚类,获得比较贴合于声呐数据集的锚框,然后设计了一种超参数锚框映射关系对聚类后的锚框进行拉伸变换,这样获得的锚框既包含了声呐数据集的目标框信息,也能利用到YOLOv3的多尺度特性。实验结果表明,所提锚框优化策略能够让YOLOv3网络获得更优的检测性能,适用于侧扫声呐图像的目标检测问题。     

基于相位相关的航迹对准关联技术

本文研究了雷达存在探测系统误差时的目标航迹关联问题,给出了组网雷达常规及大系统误差对目标航迹影响的理论分析,提出了一种基于相位相关的系统误差配准前目标航迹对准关联算法.该算法利用Radon变换和Fourier变换的有关特性,采用1维和2维相位相关来分别估计航迹间旋转和平移,基于估计量对各雷达目标航迹进行对准后,实现配准前航迹准确关联.最后,蒙特卡洛仿真结果比较验证了在各种不同的系统误差和目标环境中算法良好的航迹对准关联效果,充分说明其能够为雷达误差配准提供可靠的关联航迹数据.     

基于改进Hough变换的无源定位航迹关联算法

针对Hough变换在多平台测角无源定位航迹关联过程中数据量大、占用内存多的问题,提出一种基于改进Hough变换(IHT)的航迹关联算法。该算法在传统Hough变换的基础上,对参数空间投票规则进行改进,利用采样点集的预处理排序,避免了观测点集对θ的遍历,减少投票运算的次数。同时,该方法利用观测目标的运动特性以及Hough变换在检测直线时良好的鲁棒性,保证了航迹关联正确率。仿真结果表明,该算法在保证相对较低的运算量下,在纯方位目标间的航迹关联中有着较高的航迹关联正确率。     

基于Radon变换的昆虫上升下降率提取算法及实验验证

昆虫上升下降率是反映昆虫在迁飞过程中的运动方向与运动速率的重要指标。由于传统垂直昆虫雷达存在距离分辨率低、目标检测关联算法不完善等问题,昆虫上升下降率的提取较为复杂。本文提出一种基于Radon变换的昆虫上升下降率提取算法,该算法通过脉冲多普勒积累与恒虚警检测实现了雷达快时间/慢时间一维距离像矩阵到二值化航迹矩阵的转换,再利用Radon变换从二值化航迹矩阵中实现了昆虫上升下降率的直接提取。通过对实测数据的处理,验证了该算法的可行性。      

两级Hough变换航迹起始算法

密集杂波环境中低信噪比目标的航迹起始是目标跟踪面临的主要困难.考虑一类具有多普勒量测的目标跟踪问题,提出了一种两级Hough变换航迹起始算法.该算法将时间信息引入Hough变换,利用多普勒与斜距的相关性构造约束条件,将三维空间的轨迹检测转化为两个二维空间的轨迹检测问题.给出了四个描述算法特性的定理,为算法参数设计提供了依据.仿真表明算法的有效性.     

基于确定参数Hough变换的航迹起始

Hough变换具有对局部缺损不敏感,抗噪声、杂波等特点,适用于杂波环境下的航迹起始。但Hough变换运算量大、占用内存多,这限制了其在航迹起始中的应用。文中提出了一种利用Hough变换实现航迹起始的新算法,舍弃了传统Hough变换采用观测空间中各点对参数空间投票的方法,改用几个点确定的唯一曲线进行投票。在该方法中每个观测点只对经过该点的部分曲线投票,减少了投票运算的次数。同时该方法利用了观测数据的时序信息和目标的运动信息,抑制了虚假航迹的产生。仿真结果表明:该算法运算速度和内存使用率要好于修正Hough变换,对杂波生成的虚假航迹有更好的抑制效果,并且不容易丢失真实目标的航迹。     

基于小波变换的异类传感器机动目标的模糊航迹关联

针对雷达和电子对抗测量对机动目标的航迹关联问题,提出了一种基于小波变换的模糊航迹关联算法.首先通过小波分析对航迹序列进行去噪、粗关联,然后根据目标的特性建立模糊因素子集,进行精关联.仿真实验表明:与传统的加权法相比,该算法有效地解决了机动目标航迹关联问题,并提高了航迹关联的概率.     

基于行为模式的海上目标轨迹分段算法

海上目标监视系统实时获取并长期积累了大量轨迹数据,深入挖掘分析其中蕴含的目标行为特征,是提升传统的基于声光电磁特性的海上目标探测技术性能的重要途径。在轨迹聚类、轨迹预测和行为分析等数据挖掘的预处理环节中,主流的轨迹分段算法以最小化损失为分段依据,没有给分段轨迹赋予行为模式等语义内涵,限制了分段轨迹的应用范围。对此,本文提出一种基于行为模式的海上目标轨迹分段算法,通过定义七种目标行为模式,制定行为模式优先级,达到轨迹分段的目的。通过提取轨迹段的特征值,真实的保留轨迹特征,尽可能的还原轨迹。实验分析表明,本文的算法能准确合理的进行轨迹分段并真实的还原轨迹,不同的算法参数对应不同的应用场景。最终,本文对算法分段结果的应用前景进行展望。      

基于强化学习的公共空间行人轨迹跟踪

对公共空间中的多目标行人轨迹跟踪问题,提出一种基于强化学习的多目标行人轨迹跟踪算法.首先采用高精确度的目标检测器检测公共空间视频中的行人目标,并为每个目标分配一个独立的单目标跟踪器进行轨迹跟踪;将每个目标作为独立智能体,通过深度强化学习方式进行训练;接下来结合跟踪轨迹与检测目标之间的表观和位置特征构建相似度代价矩阵;最...     

序列图像中运动点目标轨迹检测算法研究

序列图像中弱运动点目标的实时检测算法,是精确制导系统中的关键算法之一.本文在对现有检测算法分析的基础上,详细阐述和研究了利用LS线性预测器的点-轨迹预测与匹配的目标轨迹检测算法,并通过仿真实验进行验证,最后指出此算法较以前的算法可更有效的从图像序列中检测出弱运动点目标的轨迹.     

基于时域信噪比的红外弱小目标检测

复杂背景下红外弱小目标检测与追踪技术一直是遥感成像应用领域一项复杂而艰巨的课题。利用高帧频红外面阵成像系统采集到图像的强帧间相关性特征,设计了一种多帧累加的时域信噪比的弱小目标检测方案。同时利用目标运动的连续性,采用多帧确认的方法关联目标,输出真实目标运动轨迹。实验结果表明,算法在vs2013上运行的平均运算时间为23 ms,检测到的目标最低信噪比为2.91,同时对多目标的检测具有较强的适应性。     

基于Hough变换的天基激光测距轨迹提取算法

天基目标测量具有全天时、不受大气干扰等优点.但与地面人卫测距相比,天基待测目标运动速度快且缺乏距离预报等先验信息,导致传统测距方法无法有效提取目标距离轨迹.为此,文章提出了一种基于Hough变换的激光测距距离轨迹提取算法,利用目标回波点之间的线性相关性将直线检测算法引入回波轨迹的提取,具有适应天基探测特性、抗噪声能力强等特点.实 验结果表明,使用该方法提取的目标距离轨迹均方根误差优于2.72 m.上述方法可以准确地提取高速移动目标的距离轨迹,为后续空间非合作目标的距离轨迹提取提供了新的途径.     

一种改进的MIMO生物雷达人体目标检测跟踪联合自适应算法

与传统生物雷达相比,MIMO雷达能获取人体目标的方位向信息,具有明显优势。为了降低人体目标运动以及近场环境杂波带来的干扰,提出了一种改进的MIMO生物雷达人体目标检测跟踪联合自适应算法。首先引入图像形态学的方法对雷达成像结果进行杂波预处理,其次采用改进的自适应门限方法进行目标检测,最后采用航迹关联方法得到目标运动的准确轨迹,并依据目标位置反馈调整检测门限,从而实现人体目标的动态检测跟踪。实测数据表明,该方法能有效滤除杂波干扰,且具备良好的跟踪连续性。      

自适应信号分解方法在主动声呐信号处理中的应用研究

利用基于“Matching Pursuit”算法的自适应信号分解方法,探讨了主动声呐信号处理中多目标回波的检测及参数估计问题。该方法既能实现多目标分辨,又能提取出更多的目标特征信息,所以能够充分发挥宽带信号的优势。再者,不仅对更广泛类型的发射信号具有普适性,而且分解结果能为下一段接收数据的选取提供参考信忠。因而,同已有的信号处理方法相比,该方法具有明显的优越性,是一种比较好的信号分析方法。仿真实验证明了该方法的有效性。     

PIR单节点阵列目标轨迹预测和定位技术

针对提高单节点PIR阵列探测和感知能力,减少网域探测成本投入,提出了利用PIR单节点阵列实现对目标轨迹预推。在该研究中,为了简化结构,同时提高单节点功能,仅使用四个双元热释电红外传感器组成一个单节点阵列,同时,利用PIR处于静止状态,测得目标的运动方向及目标距节点距离,并在PIR转动状态,测得运动目标被探测到时的角度和时间,利用测得数据便可实现单节点目标运动轨迹的预推,并经过该节点对目标的不断探测,得到新数据,从而对轨迹进行逐步修正,增加轨迹预推的可靠性。经实验证明,该方法突破已往多节点定位和轨迹预推,同时创新地提出了仅使用四个PIR传感器的单节点阵列,代替先前四动四静共八个PIR传感器,极大降低探测成本的投入,具有很高的实用价值及可靠性。     

基于DBSCAN聚类算法的异常轨迹检测

现有的异常轨迹检测算法往往侧重于检测轨迹的空域异常,忽略了对轨迹时域异常的检测,并且检测精确度不高,针对此类问题,提出了基于增强聚类的异常轨迹检测算法。首先,采用基于速度的最小描述长度（VMDL）准则把轨迹简化成有序线段;然后,使用改进的线段间的距离定义,基于DBSCAN算法把线段分为不同的类,以建模局部正常运动模式;最后,采用先检测空间异常性再检测时间异常性的二级检测算法,检测时空异常轨迹点。在多个测试集上的实验结果表明:该算法可以检测位置、角度、速度等三种时空异常轨迹点,相对于其他算法,明显提高了异常轨迹检测的精确度。