多模跟踪技术在轮式侦察车图像处理器的应用

为解决目标旋转形变、遮挡、光照变化等目标跟踪的难题,对粒子滤波和尺度不变特征变换（SIFT）算法进行了改进,结合两种算法提出了决策主导模式的多模跟踪技术。该技术采用粒子滤波预测目标位置进行粗定位,SIFT特征匹配进行精定位的方法,在解决上述难题上有很好的鲁棒性。将该技术应用于轮式侦察车图像处理器,并进行了各种实验验证,结果证明了提出算法的有效性。     

一种改进的粒子滤波视觉跟踪算法

针对复杂背景下视觉目标跟踪问题,提出了一种基于多特征融合和改进建议分布函数的粒子滤波目标跟踪算法。为了解决单一特征跟踪稳定性差的问题,该方法在构造粒子滤波算法观测似然函数的过程中,综合利用颜色、梯度和纹理特征,并给出一种有效的特征权值自适应分配策略。针对传统建议分布函数无法利用观测信息的缺陷,提出了一种基于PSO算法的建议分布函数,有效地抑制了粒子退化现象。实验采用复杂地面环境下的多组图像序列,结果表明该算法的有效性。     

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。     

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.     

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。     

一种基于人眼视觉系统特性的粒子滤波跟踪方法

通过模仿人眼跟踪运动目标的特点,对粒子滤波框架进行改造,提出了一种基于人眼视觉系统特性的粒子滤波跟踪算法。该算法采用多特征融合,将颜色特征与运动面积特征相结合,对运动区域比较敏感;在状态更新阶段,对跟踪粒子进行进一步筛选,自适应地选择性能良好的粒子进行结果判决,保障了跟踪结果的准确性。实验表明,该方法不仅可行,而且具有良好的跟踪效果。     

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。     

基于卷积特征选择的红外目标跟踪

对红外图像中的目标跟踪时,复杂的背景信息以及目标像素数较少等因素增加了红外目标跟踪难度,目标区域的图像块缺乏特征信息使得普通跟踪算法较易产生跟踪偏移问题。为解决此问题,提出了一种基于粒子滤波框架下的卷积特征选择的红外目标跟踪算法。首先,在初始目标块上提取少量图像块作为滤波器,进而获得表征能力更强的卷积特征。然后,采用在线提升算法对该特征进行选择,增加跟踪算法的精度和执行效率。最后,将贝叶斯分类器的响应作为粒子权值估计出目标状态。实验结果验证了所提算法的跟踪性能优于其他几种传统算法。     

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。     

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.     

一种新的红外成像末制导目标跟踪方法

为了稳定跟踪导弹末制导阶段的红外目标,提出了一种基于尺度不变特征变换的红外目标跟踪算法.尺度不变性特征变换所提取的图像纹理特征具有尺度和旋转不变性,跟踪算法分别提取目标模板和待跟踪图像的尺度不变特征变换特征.根据最小欧氏距离准则提取目标模板与待跟踪图像间相匹配的尺度不变特征变换特征点对,利用该特征点对拟合反映两图像间映射关系的仿射模型,并据此估计目标中心位置及调整目标模板尺寸.仿真结果表明,跟踪算法能够较好地实现在导弹末制导阶段对红外地面杂波背景下目标的稳定跟踪,其跟踪准确度和稳定度优于传统方法.
关键词:末制导跟踪|尺度不变性特征变换|特征匹配|仿射模型     

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统的多普勒信息辅助采样重要性重采样目标定位跟踪算法,将多普勒信息融入到粒子滤波的重采样过程,使重采样后的粒子集合更逼近目标的真实状态分布,从而提高了目标定位跟踪精度。数值仿真实验结果表明,提出的目标定位跟踪算法可以有效融合多普勒信息,提升目标定位跟踪精度。     

Guided filter and convolutional network based tracking for infrared dim moving target

The dim moving target usually submerges in strong noise, and its motion observability is debased by numerous false alarms for low signal-to-noise ratio. A tracking algorithm that integrates the Guided Image Filter (GIF) and the Convolutional neural network (CNN) into the particle filter framework is presented to cope with the uncertainty of dim targets. First, the initial target template is treated as a guidance to filter incoming templates depending on similarities between the guidance and candidate templates. The GIF algorithm utilizes the structure in the guidance and performs as an edge-preserving smoothing operator. Therefore, the guidance helps to preserve the detail of valuable templates and makes inaccurate ones blurry, alleviating the tracking deviation effectively. Besides, the two-layer CNN method is adopted to obtain a powerful appearance representation. Subsequently, a Bayesian classifier is trained with these discriminative yet strong features. Moreover, an adaptive learning factor is introduced to prevent the update of classifier’s parameters when a target undergoes sever background. At last, classifier responses of particles are utilized to generate particle importance weights and a re-sample procedure preserves samples according to the weight. In the predication stage, a 2-order transition model considers the target velocity to estimate current position. Experimental results demonstrate that the presented algorithm outperforms several relative algorithms in the accuracy.     

基于联合变换相关的目标跟踪方法

成像跟踪制导中,相关跟踪技术占有重要的地位。基于联合变换相关的目标跟踪方法,使用图像序列的相邻两帧图像依次进行相关运算,提取相关结果中互相关峰的位置和相邻两帧图像时间间隔等信息,即可得到目标位置、方向和速度的变化情况。计算机仿真实验结果表明:该算法有效地解决了传统相关跟踪算法中存在累积误差和容易使目标漂移出其参考模板的问题,可以实现稳定跟踪。     

基于时频差的正交容积卡尔曼滤波跟踪算法

针对基于时频差测量的无源跟踪中面临的非线性估计问题, 提出一种正交容积卡尔曼滤波跟踪算法. 该算法在容积卡尔曼滤波算法的基础上, 通过引入特定正交矩阵改进容积采样方法, 在高维状态估计下减小因采样产生的误差, 在没有增加计算量的前提下, 有效提高收敛速度及跟踪精度. 仿真结果表明, 在基于到达时差和到达频差的联合无源跟踪问题中, 与扩展卡尔曼滤波及容积卡尔曼滤波算法相比, 本文所提算法在跟踪性能上有明显提升.     

遮挡情况下目标跟踪算法综述

目标跟踪是机器视觉的核心问题之一。由于被跟踪目标本身特征的多样性,所处环境的复杂性,使得目标跟踪成为一个极富挑战性的课题。特别是跟踪过程中出现的遮挡问题,一直是目标跟踪中的难点。如何有效处理遮挡,尤其是严重遮挡和全部遮挡,成为限制目标跟踪算法鲁棒性的关键因素。本文对国内外现有的遮挡情况下的目标跟踪算法进行了总结和分类,阐述了各种算法的基本思想,简要介绍了其代表性的算法,指出了算法的适用场合,分析了算法的优缺点。文章最后对遮挡情况下的目标跟踪做了必要的讨论。     

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。     

一种基于Kalman滤波的环形模板匹配相关跟踪算法(英文)

为了解决在目标跟踪系统中,传统相关算法在目标发生目标局部遮挡或旋转等姿态变化较大的情况时容易跟踪丢失的问题,提出一种改进的基于卡尔曼预测器的环形模板匹配相关跟踪的算法.利用卡尔曼预测器来预测下一帧目标可能出现的区域,然后在较小的预测区域中进行环形相关匹配运算,找到最佳相关匹配点,使跟踪更具主动性。环形匹配还可以克服由于姿态变化而引起的横向匹配点丢失,从而可以跟踪各种姿态运动的机动目标.实验中,利用改进算法对出现局部遮挡情况的姿态变化大的运动目标进行跟踪,传统算法处理此类情况容易跑飞,而本文算法不受这两种跟踪局限性的干扰,始终稳定跟踪机动目标且耗时大幅减少.     

光电跟踪系统计算机辅助控制实现

建立了基于数值微分的目标运动状态滤波预测模型,用s-函数实现了卡尔曼滤波预测算法。利用目标位置拟合方法给出角位置信息,并以此为观测信息通过卡尔曼滤波预测出当前角位置和角速度信息,将其引入跟踪控制系统中以克服脱靶量滞后问题,同时也实现了系统的等效复合控制。仿真结果表明,基于数值微分的模型适用于角度跟踪,滤波预测具有较好的鲁棒性。通过对两个不同等效正弦输入的验证,可知角位置合成精度对共轴跟踪影响较大,在脱靶量和跟踪架角位置采样匹配对应时,跟踪仿真精度较高,而对等效复合控制跟踪误差影响较小,输入信号角频率增大时误差增大。