基于辅助粒子滤波算法的红外目标跟踪

针对红外目标在跟踪中计算复杂的问题,构建辅助粒子滤波算法。利用贝叶斯重要性采样算法,在权值大的粒子基础上引入辅助粒子变量,然后重新定义重要采样分布函数,防止重采样后粒子概率密度变化。两次加权计算,使粒子权值比仅用重采样的粒子权值变化更稳定,采样点最接近真实状态;同时不同权值粒子的概率阈值可作为粒子滤波是否完成的判断准则。在二维平面构造红外运动目标模型中,系统为零均值高斯白噪声。仿真数据表明:该算法在x,y方向的均方误差、画面处理时间、RM SE性能上优于粒子滤波算法和重采样粒子滤波算法。     

颜色与纹理相融合的自适应粒子滤波跟踪算法

针对目标跟踪过程中存在的光线变化及目标遮挡等复杂情况所导致的跟踪目标的丢失或跟踪错位等问题,采用特征融合的策略,将其用于粒子滤波框架中进行跟踪。利用特征融合加权直方图的方法来描述目标的颜色和纹理特征,并对变化的目标自适应地更新参考目标模型,能有效地处理视频中由于旋转、遮挡、光线变化带来的影响。实验证明,提出的算法在保证跟踪精确性的情况下,具有较好的适应性及鲁棒性。     

颜色与纹理相融合的自适应粒子滤波跟踪算法

针对目标跟踪过程中存在的光线变化及目标遮挡等复杂情况所导致的跟踪目标的丢失或跟踪错位等问题,采用特征融合的策略,将其用于粒子滤波框架中进行跟踪。利用特征融合加权直方图的方法来描述目标的颜色和纹理特征,并对变化的目标自适应地更新参考目标模型,能有效地处理视频中由于旋转、遮挡、光线变化带来的影响。实验证明,提出的算法在保证跟踪精确性的情况下,具有较好的适应性及鲁棒性。     

基于自适应粒子滤波的红外目标跟踪

为有效解决非线性环境中的红外目标跟踪问题,提出一种自适应粒子滤波目标跟踪算法.建立了目标加权概率模型.在滤波过程中,提出双过程粒子重抽样方法,形成对抽样粒子集的自适应调节,有效地解决了粒子退化问题.用实际红外图像序列做了实验.结果表明,在非线性环境下用该方法得到的红外目标跟踪结果优于用传统粒子滤波和扩展卡尔曼滤波算法获得的结果.     

恒虚警率采样粒子滤波技术及其应用研究

粒子滤波是一种基于蒙特卡洛思想的非线性、非高斯滤波器,其一般采用重要性采样进行粒子采样。但重要性采样容易出现粒子退化现象。解决粒子样本退化问题一般采用重采样。重采样虽然解决了样本的退化问题,同时又引入了采样贫瘠问题。本文根据海洋混响的统计特性和混响中目标的恒虚警率检测原理,提出了恒虚警率采样粒子滤波技术,恒虚警率采样粒子滤波技术使采样粒子尽可能集中在目标附近,有效地描述目标后验概率,降低了粒子数,减小了计算量。本文将此技术应用到海洋混响中的声纳目标跟踪中,既解决了传统卡尔曼滤波在声纳目标跟踪中的非线性、非高斯问题,又解决了粒子滤波的粒子退化及采样贫瘠问题。文中对高分辨率声纳目标数据进行了滤波跟踪,结果验证了本文方法的有效性。     

一种新的层次粒子滤波的目标跟踪方法

提出一种新的层次粒子滤波算法,选择局部区域特征点和颜色信息建立目标模型,引入粒子的二阶采样过程.算法通过粒子的一阶权重更新获得好的初始分布,二阶权重更新保证粒子的高置信度和高的采样效率,当粒子数目小于一定阈值时进行重要性重采样,利用仿射模型对目标区域精确定位及姿态修正.实验表明:改进算法将目标局部特征分布与目标颜色信息相结合,通过二阶采样过程,保证了局部特征跟踪的稳定性,解决了经典理论中误匹配导致的采样点发散问题,在目标部分遮挡情况下也可以完成实时目标跟踪.     

一种新的层次粒子滤波的目标跟踪方法

提出一种新的层次粒子滤波算法,选择局部区域特征点和颜色信息建立目标模型,引入粒子的二阶采样过程.算法通过粒子的一阶权重更新获得好的初始分布,二阶权重更新保证粒子的高置信度和高的采样效率,当粒子数目小于一定阈值时进行重要性重采样,利用仿射模型对目标区域精确定位及姿态修正.实验表明:改进算法将目标局部特征分布与目标颜色信息相结合,通过二阶采样过程,保证了局部特征跟踪的稳定性,解决了经典理论中误匹配导致的采样点发散问题,在目标部分遮挡情况下也可以完成实时目标跟踪.     

基于混合粒子滤波的水下小目标跟踪

针对水下小目标粒子滤波估计过程中“粒子贫化”引起的估计性能下降,提出了混合粒子滤波算法。该算法在常规粒子滤波算法基础上,在每一步迭代估计过程中进行量测的再次随机采样,以丰富随机粒子多样性,缓解水下小目标状态估计过程中的“粒子贫化”的影响。对算法进行了仿真分析,并将该方法用于水下小目标探测实验的数据处理,结果表明,相比于常规的粒子滤波算法,所提出的混合粒子滤波得到了误差更小且稳定的状态估计结果,有效地改善水下小目标跟踪的精度和稳健性。     

基于优化辅助粒子算法的红外目标跟踪研究

针对粒子算法存在的问题,提出了辅助粒子算法.该算法在重采样算法基础上,引进辅助变量,对粒子的权2次计算,可使粒子权值比重采样的粒子权值变化更稳定,最后给出了红外目标模型和均方根误差函数.仿真结果表明该算法对运动目标跟踪的均值和方差上均优于标准粒子滤波、重采样粒子滤波,且提高了计算效率.     

随机摄动强跟踪粒子滤波算法

如何解决粒子的退化问题和提高算法对突变状态的跟踪能力,是粒子滤波算法研究和应用中需要考虑的两个主要因素.传统的再采样算法虽然可以解决退化问题,但是容易导致粒子耗尽;扩展粒子滤波算法虽然可在一定程度上解决粒子耗尽问题,但其对突变状态的跟踪能力却不近人意;强跟踪粒子滤波算法可以提高对突变状态的跟踪能力,但却未能较好地改善粒子退化问题.针对上述问题,本文将随机摄动再采样方法引入强跟踪粒子滤波算法,提出了一种随机摄动强跟踪粒子滤波算法.当粒子退化问题严重时,对权值最大的粒子迭加随机摄动,用摄动粒子替换退化粒子以解决粒子退化问题,同时由于摄动粒子的加入增加了粒子集的多样性,可在一定程度上缓解粒子耗尽问题,提高算法对突变状态的跟踪能力.利用标准验证模型和分时恒定系统对所提出的算法进行了仿真验证,仿真结果证明了该算法的可行性和有效性.     

无源声呐场景中使用辅助粒子滤波的邻近目标检测前跟踪方法

针对无源声呐多目标方位跟踪问题,研究了一种基于粒子滤波的检测前跟踪方法,关注于改善邻近目标和机动目标的跟踪性能。首先,提出了一种考虑了邻近目标影响的似然函数;其次,采用辅助变量利用量测信息优化粒子采样,当算法运动模型与目标实际运动状态失配时,这种策略具有很大优势。结合以上两点,提出了一种检测前跟踪算法,该算法将邻近目标划分为一组,使用邻近目标的预测状态计算目标的似然,计算效率较高。利用仿真生成的数据和海上采集的实际数据分别验证了该算法的性能,并与其他多目标粒子滤波检测前跟踪算法进行比较,证明了该算法具有良好的跟踪性能。在目标邻近和目标机动的情况下,该算法的优势更加明显。     

基于粒子滤波的多普勒信息辅助目标定位跟踪算法

多基地声呐探测系统主要通过测量回波的时延和方位信息进行目标定位与跟踪,定位精度受声速、时延和方位测量误差的影响较大,可以通过多普勒信息辅助进一步提高定位跟踪精度.现有的多普勒信息辅助定位跟踪算法多适用于单基地声呐系统,多基地中的多普勒测量值与目标状态的关系更为复杂,需要研究新的融合方法.该文提出了一种适用于多基地声呐系...     

基于积分直方图的粒子滤波跟踪算法

在目标模型的建立过程中,将积分直方图引入到粒子滤波跟踪框架中,提出了一种快速的颜色直方图计算方法,极大地提高了粒子滤波跟踪算法的实时性。为了进一步提高算法的鲁棒性,引入了一种基于邻域颜色特征的匹配搜索机制,当跟踪精度下降时,能够对跟踪结果进行优化,减小跟踪误差。实验结果表明了该算法的有效性。     

自适应滤波技术在激光多普勒测速仪中的应用

激光多普勒测速仪检测系统提取的光电信号中存在较大的噪声信号。为了消除这些噪声干扰, 提高激光多普勒测速仪的测量精度,提出一种新的信号处理方法,将最小均方差自适应滤波技术应用于激光多普勒测量中,利用多普勒信号和噪声信号的统计特性,以最小均方误差估计为准则,最大程度地滤除噪声信号。阐述了最小均方差自适应滤波算法的基本原理,在MATLAB平台上将其应用于理想正弦信号进行仿真,并将其应用于实测多普勒信号的处理中。仿真和实验均表明,该技术可以有效抑制激光多普勒测量中的多频率噪声的干扰,大大提高多普勒信号的信噪比和测量精度,为设计高精度的激光多普勒测速仪创造了条件。     

基于积分直方图的快速粒子滤波跟踪算法

基于直方图的粒子滤波已成功地用于解决计算机视觉中的目标跟踪问题,但是,在观测似然计算上的低效限制了它们的实时应用。针对该问题,提出了一种快速的粒子跟踪方法。其建立在积分直方图技术的基础上,使得每个候选样本的观测似然能够由少量的查找表运算有效地计算出来。该方法使用了大量的粒子以确保鲁棒性,同时确保具备实时跟踪的能力。实验结果表明该方法在计算效率上优于通常的粒子滤波跟踪方法。     

基于后验概率度量的粒子滤波跟踪算法研究

 针对遮挡、光照变化、尺度变化等复杂环境中的视觉跟踪问题,提出一种基于后验概率度量的粒子滤波跟踪算法。由于后验概率指标与Bhattacharyya系数指标相比具有更强的峰值特性,采用后验概率指标作为相似性度量函数,通过粒子的更新、推广、观测、估计等步骤实现跟踪算法。通过对实际视频图像序列进行目标跟踪实验,实验结果表明:传统算法只有约50%的图像能够实现尺度自适应,而本文算法采用传统算法25%的粒子就能够收敛逼近目标的真实轨迹,达到更强的抗遮挡能力,90%以上的图像序列都能够实现良好的尺度自适应效果。     

基于动态特征融合的粒子滤波目标跟踪算法

提出一种基于动态特征融合的粒子滤波目标跟踪算法。选择具有互补性的灰度直方图和梯度直方图特征共同描述目标模型,然后在目标跟踪过程中,根据特征对目标和背景的区分程度动态地调整每个特征的置信度,对目标模型进行在线动态建模和更新,从而提高目标模型描述的准确度,并进一步提高粒子滤波算法的跟踪精度。实验结果表明:在对典型场景下的目标跟踪过程中,提出的算法比单独使用一种特征的粒子滤波算法具有更高的跟踪精度和更稳定可靠的跟踪性能。     

团块建模与粒子滤波相结合的行人目标视觉跟踪

针对粒子滤波算法在遮挡情况下导致视觉跟踪不稳定甚至丢失目标的问题,提出了一种基于团块建模与粒子滤波相结合的目标跟踪算法。首先通过图像分割的方法得到视频帧中的初始目标,并构建目标团块模型;然后基于多团块目标信息并结合粒子滤波算法进行分块跟踪;最后利用高斯加权的方式,得到最终的目标预测位置。实验结果表明,该算法具有较强的鲁棒性,尤其是在遮挡的情况下能够实现目标的稳定跟踪。     

基于时间序列模型的粒子滤波行人跟踪算法研究

针对行人运动的随机性导致运动状态模型适应性差和人在行走过程中可能发生短时全部或局部遮挡导致行人跟踪算法精度较低的问题,提出基于时间序列模型的粒子滤波行人跟踪算法。建立了行人运动时间序列模型;给出了基于对视频序列初始帧的检测,确定行人的位置、宽高等作为跟踪先验信息的方法;由先验信息计算加权颜色直方图构建初始粒子群分布,并利用时间序列运动模型预测粒子在下一时刻的状态分布,并更新粒子权值;根据有效粒子的个数判断是否进行重采样;最后由所有粒子的加权和估计行人的运动状态。仿真实验表明：文中提出根据行人的运动轨迹时间序列运动模型可使行人的状态估计更准确,预测误差进一步减小,预测精度得到了提高。