一种多模式融合的红外成像跟踪算法

综合运用灰度的相关跟踪、特征点的匹配跟踪和卡尔曼滤波等三种基本模式,采用变分辨率搜索算法,建立了跟踪置信度评估、模板自适应刷新、相似目标辨识、跟踪结果融合等准则。试验证明,该算法能够较好地实现复杂场景条件下的目标跟踪,提高了跟踪的稳定性和抗干扰性。     

一种实时相关目标跟踪算法

采用时－空梯度法，建立一种估计图像序列中目标偏移植的相关跟踪算法。该算法采用一维相关，而且两个方向相关运算可以并行独立运算，适于硬件实现，计算速度大大高于常规相关跟踪算法，具有很强的实时性，仿真结果还表明该算法具有较高跟踪精度，且对噪声不敏感。     

一种基于跟踪微分器的机动目标跟踪算法

提出了一种基于跟踪微分器（TD）的目标跟踪算法，该算法由跟踪微分器和序贯相似性匹配算法（SSDA）组成。假设目标在视频图像序列第一帧中的位置已知，使用跟踪微分器，可以预测出目标在下一帧图像中的位置，然后再使用SSDA算法，在预测位置的邻域内进行搜索，从而获得目标的准确位置。仿真实验证明基于跟踪微分器的模板匹配算法减少了搜索位置，提高了算法的效率，同时也克服了传统的卡尔曼滤波需要目标运动模型已知的缺点。     

一种基于边缘匹配的前视红外目标识别算法

红外目标识别是影响精确制导武器命中精度的重要因素。针对因基准图与实时图存在差异导致模板匹配性能下降的问题,提出了一种基于边缘匹配的前视红外（FLIR）目标识别算法。在模板匹配的基础上,利用目标的邻域信息排除虚警,计算基于匹配代价矩阵的匹配置信度对候选匹配点进行排序,利用前面连续多帧图像的识别结果为当前帧识别提供信息,从而提高目标识别的准确性和鲁棒性。在2组不同目标类型的红外视频序列上所做的实验表明,该算法具有较好的识别性能。     

电视制导系统目标识别算法

提出了基于模板匹配的目标识别算法的改进算法,改进算法从2个方面提高制导系统所需的实时性指标.设计了基于改进算法的测试系统.测试结果表明,相同分辨率的视频帧和目标模板,匹配识别时间从12 s减少到小于0.5 s,解决了系统所需的实时性问题.同时改进算法及其思路也为相关问题提供了解决方案.     

基于相关和卡尔曼滤波的组合跟踪算法

针对现有单一或组合跟踪算法对于复杂背景条件下高速红外目标跟踪稳定性较差的问题,提出了基于相关和卡尔曼滤波的组合跟踪算法。该算法改进了相关跟踪算法的模板设计,并将其计算的目标位置作为卡尔曼滤波观测量输入来修正和预测目标航迹。在多种复杂背景条件下的反复测试验证表明,该算法有较好的鲁棒性,实现了对目标的稳定跟踪,满足光电系统对高速红外目标跟踪稳定性的高要求。     

模板图像尺寸可变的相关跟踪方法

相关跟踪过程中,序列图像中的实时图像与模板图像间存在灰度差异和几何形变,当前工程中采用相关匹配算法中的模板图像为矩形结构,为了在模板中尽可能的包含目标,模板中就不可避免的含有背景数据,但传统相关匹配算法中模板图像中的每一个像素都要参与计算,而且模板尺寸是固定的,这样就使得算法跟踪不稳定、容易丢失目标。为此提出一种变模板图像尺寸的相关跟踪方法,该方法实现了对模板图像尺寸的实时修正和非矩形模板相关匹配,试验证明此方法具有较强的抗几何变形的能力以及对复杂背景环境的适应能力。     

基于加权相关的图像匹配跟踪算法的研究

针对电视制导炸弹中弹目相对运动变化而导致的目标尺度变化、几何形变以及随机因素造成的暂短丢帧现象,文中对相关测度函数进行了基于弹-目距离的中心加权修正,提出了相应的模板更新与修正策略、基于线性预测的目标位置的预测方法、跟踪点的定位方法等,在此基础上,实现了基于加权相关的图像匹配跟踪算法.文中算法获取的跟踪点稳定,有效地解决了常规相关匹配算法跟踪点漂移、速度慢、实时性差的问题.实验结果表明,该方法在复杂背景以及目标尺度发生变化时均能获得良好的跟踪效果.     

一种复杂地面背景的目标跟踪算法

实时跟踪算法将提供的原始目标作为基准图像进行序列跟踪，在跟踪过程中根据一定的判据对基准图像的更换、目标丢失的判断等状态进行控制．通过对各种实时跟踪算法的研究，提出了一种基于图像相关的多模板跟踪算法，并给出了多模板相关算法中的判断准则：模板更换准则、目标丢失判断．试验证明，对地面复杂背景的目标实时跟踪有效可行。     

捷联成像导引头相关跟踪算法研究

捷联式成像导引头的光学探测基准随弹体姿态运动而动态变化,其目标图像的运动形式呈现复杂的非线性时变特性,传统扩展卡尔曼滤波(EKF)方法难以有效地针对目标运动模型进行波门设置及视线估计。为此,本文首先建立了以目标机动在惯性成像坐标系内的投影为输入,弹体姿态信息作为时变参数的目标帧间运动模型,并在此基础上提出了一种新的相关跟踪算法。该算法通过应用中心差分卡尔曼滤波( CDKF)理论有效解决了成像跟踪中的波门设置问题,提高了目标位置的估值精度,同时提出一种改进的变尺寸模板更新策略,抑制了目标图像的形变和模板漂移对匹配精度的影响,进一岁提高了系统的跟踪的精度,并通过仿真验证了算法的良好跟踪性能。     

基于特征贡献度的Mean Shift 目标跟踪

为有效提高Mean Shift算法的模板匹配精确度,采用基于特征贡献度的Mean Shift目标跟踪方法,对不同贡献度的特征向量赋予不同的权重,以彰显目标特征、抑制背景因素.分别介绍传统Mean Shift目标跟踪算法和基于特征贡献度的Mean Shift算法,并针对多组视频进行实验验证与分析.结果表明:改进后的Mean Shift算法不仅能提高跟踪精度、提升系统的鲁棒性,而且对640 pixel×480 pixel大小的视频处理平均帧速度为22 frames/s,满足实时跟踪要求.     

基于分割模板运动预估的相关跟踪算法

为了对常规相关匹配算法实时性能进行提升,提出一种基于分割模板运动预估的相关跟踪算法。采用最小二乘法全区间等距拟合目标运动轨迹,计算出目标当前预估点;将模板图像按块运动估计算法要求分割成宏块;按菱形搜索法在预估点周围区域进行搜索,得到每个宏块的最佳运动矢量;取匹配度最佳的运动矢量对应点为模板的粗匹配点;判断该点所在宏块与搜索区域相对位置关系,决定是否进行精匹配结束搜索,或是按梯度方向建立新的搜索区域。目标跟踪实验证明,该方法比基于全搜索的归一化积相关( NProd)算法其计算时间缩短到3.31倍。     

滑动置信度约束的红外弱小目标跟踪算法研究

为了提高红外视频弱小目标的跟踪精度,提出了滑动置信度约束的弱小目标跟踪方法。在快速自适应中值滤波的红外图像背景抑制技术的基础上,设计了正交变换和置信域约束的轨迹预测,利用加权参数增强目标函数的收敛性能,提高下一位置初的预测准确度;通过轨迹相邻点的位置差计算搜索窗口的大小,搜索与之相匹配的特征点进行关联处理,完成对初预测点的筛选;以滑动轨迹置信度检验为准则判决轨迹的真实性,并进行目标轨迹更新以实现对弱小目标的准确跟踪。通过红外弱小目标视频对所提算法进行了实验验证,结果表明,该算法对红外弱小目标的跟踪轨迹误差有较小的均方偏差与均方差,在噪声消除和对图像整体信息保护方面都具有良好的性能。     

融合时空特性的孪生网络视觉跟踪

针对现有跟踪算法处理快速运动和相似目标干扰挑战时精度欠佳的问题,提出一种基于时空注意力机制的孪生网络跟踪算法。设计时间注意力模块,利用视频初始帧作为参考,依照多幅历史参考帧的贡献程度,自适应地为其赋予权重并进行融合,构建时效性较强的多帧融合模板;结合空间注意力模块,通过非局部操作增强算法对跟踪图像的整体感知能力,进而提升算法的判别能力;在网络训练阶段,利用Focal Loss函数训练网络,以平衡正负样本的比例,提高算法判别困难样本的能力。仿真实验采用标准数据集OTB2015和VOT2016测试算法性能,并与近年来的12种优秀算法即ECO算法、DSST算法、HDT算法、CFNet算法、KCF算法、SRDCF算法、SiamFC算法、DCFNet算法、MEEM算法、SiamVGG算法、BACF算法、ANT算法进行对比。结果表明,融合时空特性的孪生网络跟踪算法可以很好地应对快速运动和相似目标干扰挑战,并有效提升基准算法的性能。     

基于帧间差分与Camshift相结合的目标跟踪算法

为了能够准确和快速的跟踪运动目标,提出了帧间差分与Camshift相结合的目标跟踪算法。首先,根据帧间差分确定目标的运动区域,再确定运动区域的质心,并以此质心为中心初始化跟踪曲线。然后在此区域内提取特征,用Camshift算法进行目标跟踪。此方法克服了传统Camshift算法需要人为定位和容易发散的缺点。最后通过实验验证了本算法的有效性。     

基于组合特征的水下三维目标检测跟踪算法

针对三维成像声呐水下人工目标检测跟踪困难的问题，提出一种基于组合特征的水下三维目标检测跟踪方法。该算法利用声图的强度和距离等分布信息，根据目标出现前后声图能量的变化，利用背景差分的方法提取核函数，并在二维声图相关匹配的基础上，通过关联由前后帧图像的Hu不变矩、目标质心和目标距离组成的组合几何特征，实现二维向三维映射的人工目标检测与跟踪。湖试数据处理结果显示，新算法的跟踪性能提升了约7.15%,消耗时间相比传统方法减少了约60%,验证了算法的有效性。     

基于距离信息的Mean-Shift跟踪算法

针对图像制导目标跟踪系统在跟踪过程中,成像视角和距离的变化带来的跟踪漂移问题,提出了利用距离信息动态更改Mean-Shift算法跟踪窗口尺度的算法。依据初始跟踪时选定的目标模板,建立目标的灰度特征模型,确定初始跟踪窗口尺度;在跟踪过程中依据距离信息来动态更新跟踪窗口尺度,保证在跟踪系统逐渐接近目标的过程中跟踪窗口能够完全包括或者绝大部分包含目标;在每一帧跟踪收敛后利用Bhattacharyya相关系数对目标模板进行非线性更新。以Vega产生的模拟飞行视频数据进行了算法仿真,结果表明：该算法能够适应目标不断膨胀的情况,在很大程度上降低跟踪漂移。     

无人机对地运动目标跟踪算法

提出一种基于改进相关滤波器的无人机对地运动目标跟踪算法。该算法提取目标梯度方向直方图特征、颜色特征、深度特征等多种特征,利用空间可靠性图改进相关滤波器,提高对不规则形状目标的跟踪性能,基于高效卷积算子进行特征降维和紧凑样本空间构建,降低数据冗余。根据相关滤波器得到的目标特征响应确定目标跟踪框的位置,实现目标跟踪。经实验验证：该算法的跟踪平均中心距离误差为16.07,跟踪成功率曲线下面积参数为0.54,均优于目前其他先进算法;跟踪平均帧率最高可达44.09帧/秒,具有较好的实时性。     

海天背景下红外舰船目标实时跟踪算法研究

针对海天背景下的红外舰船图像对比度低、船载摄像机上下抖动剧烈的特点,文中提出了均值移位(mean-shift)和海天线检测相结合的红外目标实时跟踪算法.首先通过水平投影方法提取每帧图像的海天线,然后由相邻帧海天线的高度差设定每帧图像跟踪起始点,将目标的灰度和梯度信息进行加权来描述目标特征,利用mean-shift算法进行目标跟踪.实验结果表明,文中算法能够准确跟踪上下运动剧烈的红外舰船目标,跟踪速度达到12 fps.     

FPGA+DSP在空中背景下运动目标实时跟踪系统中的应用

针对电视跟踪系统对飞行目标的检测与跟踪受到速度瓶颈的限制,设计出在TMs320c6416DSP的配合下,以Altera公司的EP2C70F672C6FPGA为核心处理器的实时电视跟踪系统。该系统利用FPGA强大的并行流水处理能力,实现视频图像的采集、预处理、运动目标检测、波门叠加功能,并利用具有快速运算能力的DSP实现模板匹配算法,以确认跟踪目标。结果表明,该系统能实时高效地完成目标检测与跟踪任务。