一种鲁棒的目标跟踪方法

针对传统特征光流场跟踪方法中由于误差积累和错误匹配而导致的特征点丢失问题,基于一种新的Harris-SIFT特征点表示方法,提出基于预测帧与关键帧的算法框架,实现了光流场运动估计与局部特征识别相结合的目标跟踪方法.预测帧利用塔式分解和递归算法计算特征点的光流场运动矢量,使用运动矢量直方图获取目标的运动矢量,并剔除误匹配点;当特征点数量小于5个时,关键帧使用Harris-SIFT特征点进行局部特征匹配,利用仿射模型对目标精确定位及姿态修正.实验结果表明,本方法对视频序列中的纹理特征目标跟踪的鲁棒性较好,在背景复杂、目标遮挡或暂时丢失情况下,仍可以继续完成目标的可靠跟踪.     

一种鲁棒的目标跟踪方法

针对传统特征光流场跟踪方法中由于误差积累和错误匹配而导致的特征点丢失问题,基于一种新的Harris-SIFT特征点表示方法,提出基于预测帧与关键帧的算法框架,实现了光流场运动估计与局部特征识别相结合的目标跟踪方法.预测帧利用塔式分解和递归算法计算特征点的光流场运动矢量,使用运动矢量直方图获取目标的运动矢量,并剔除误匹配点;当特征点数量小于5个时,关键帧使用Harris-SIFT特征点进行局部特征匹配,利用仿射模型对目标精确定位及姿态修正.实验结果表明,本方法对视频序列中的纹理特征目标跟踪的鲁棒性较好,在背景复杂、目标遮挡或暂时丢失情况下,仍可以继续完成目标的可靠跟踪.     

复杂背景下基于自适应模板更新的目标跟踪算法

为了提高复杂背景下目标跟踪的稳定性,在模板匹配失败时引入目标分割过程,根据新目标区域与模板的相似度分析得出导致匹配失败的具体原因,提出了一种新的自适应模板更新算法.根据模板图像各像素到模板中心的距离构造加权函数,对传统归一化相关算法进行改进,使新算法具有一定的抗遮挡能力.实验结果表明,该算法与固定模板跟踪算法和逐帧模板更新算法相比,在目标尺寸变化和被物体局部遮挡时,跟踪的连续性和稳定性更好.     

基于CamShift和Kalman组合的改进目标跟踪算法

针对应用CamShift算法进行目标跟踪过程中,当目标被严重遮挡、目标被与目标颜色相近的背景干扰时易丢失跟踪目标的问题,提出了一种基于CamShift和Kalman滤波组合的改进跟踪算法;为克服目标因严重遮挡而丢失的缺陷,利用自适应算法改进了传统的CamShift算法,扩大了搜索窗口,使运动目标位于搜索窗口内;为解决目标因颜色相近背景干扰而丢失的问题,改善跟踪准确率,利用卡尔曼滤波预测目标运动空间位置,作为下一帧搜索窗口的质心坐标;基于上述改进,利用C++语言,研发了改进的CamShift目标跟踪软件模块,给出了该模块的算法流程;实验结果表明,改进后的目标跟踪算法能有效地克服传统CamShift算法的缺陷,大大提高运动目标跟踪的准确性;所提的算法可以应用于运动小车跟踪,人脸识别等领域。     

方位角预测目标跟踪系统的研究

为了实现目标被遮挡条件下的自动预测跟踪,研究了跟踪机动目标过程中的自适应卡尔曼预测算法,建立了目标遮挡预测跟踪测试系统;首先,根据算法推导了导引头方位角位置预测方法,接着,测试对比了自适应预测算法采样周期对预测精度的影响,最后,设计多种不同的目标运动形式,并通过转台实现,测试自适应算法在典型测试条件下的有效性和准确程度;实验结果表明:目标被遮挡时,预测角增量指令相比图像角增量跟踪指令降低67%;仅需要导引头框架的角位置数据,无须脱靶量数据和弹目距离,满足遮挡条件下目标预测跟踪的功能要求。     

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.     

弱点目标兴趣区匹配队列跟踪算法

为了进一步滤除虚警目标,更精确地识别提供目标的运动特征,提出了一种基于兴趣区域预测匹配的队列流水线跟踪算法.根据仿真以及实拍图片证明该算法具有设置灵活、跟踪速度快、输出虚警率低,可同时跟踪多目标的特点.实验还表明即使出现交叉目标、单帧目标丢失的情况,该算法仍能正常工作.     

一种结合粒子滤波和张量子空间的目标跟踪算法

由于传统的子空间方法易于丢失图像目标的二维特性,为此本文提出了一种新颖的自适应目标跟踪算法,通过张量的方式建立目标的外观模型——张量子空间,利用在线学习的方法更新其外观模型,同时,利用目标仿射运动的先验信息,通过粒子滤波自适应地跟踪运动目标,并将获得的最优目标观测作为新数据反馈回子空间更新.此外,为了保证子空间更新能获得精确且紧致的目标子空间表达,引入动态部分函数滤除样本野点.实验结果表明,本文提出的自适应目标跟踪方法具有较强的鲁棒性,对于存在姿态变化、短时遮挡和光照变化等情况下均可有效地跟踪目标.     

一种结合粒子滤波和张量子空间的目标跟踪算法

由于传统的子空间方法易于丢失图像目标的二维特性,为此本文提出了一种新颖的自适应目标跟踪算法,通过张量的方式建立目标的外观模型——张量子空间,利用在线学习的方法更新其外观模型,同时,利用目标仿射运动的先验信息,通过粒子滤波自适应地跟踪运动目标,并将获得的最优目标观测作为新数据反馈回子空间更新.此外,为了保证子空间更新能获得精确且紧致的目标子空间表达,引入动态部分函数滤除样本野点.实验结果表明,本文提出的自适应目标跟踪方法具有较强的鲁棒性,对于存在姿态变化、短时遮挡和光照变化等情况下均可有效地跟踪目标.     

对数似然图像分割的快速主动轮廓跟踪算法

针对跟踪目标尺度变化问题,提出了基于灰度对数似然图像分割的快速主动轮廓跟踪算法。改进的主动轮廓跟踪算法将根据以目标与背景的颜色差异而建立的对数似然图对图像进行阈值分割和数学形态学处理,再将Kalman滤波器结合到主动轮廓跟踪算法进行目标跟踪。改进的主动轮廓跟踪算法对目标分割准确,轮廓特征显著,跟踪效果稳定,算法能很好地适应跟踪目标尺度变化。通过Kalman滤波器对目标位置点的预测减少了主动轮廓跟踪算法收敛的迭代次数,使算法的运算效率提高了33%左右。     

基于Huber的高阶容积卡尔曼跟踪算法

为改善高阶容积卡尔曼滤波算法的滤波精度和鲁棒性, 提出了一种新的基于Huber的高阶容积卡尔曼滤波算法. 在采用统计线性回归模型近似非线性量测模型的基础上, 利用Huber M 估计算法实现状态的量测更新. 进一步结合高阶球面-径向容积准则的状态预测模块构成基于 Huber的高阶容积卡尔曼跟踪算法. 重点分析了Huber代价函数的调节因子对算法跟踪性能的影响. 通过对纯方位目标跟踪和再入飞行器跟踪两个实例验证了所提算法的跟踪性能优于传统高阶容积卡尔曼滤波算法.     

Sampling strong tracking nonlinear unscented Kalman filter and its application in eye tracking

The unscented Kalman filter is a developed well-known method for nonlinear motion estimation and tracking. However, the standard unscented Kalman filter has the inherent drawbacks, such as numerical instability and much more time spent on calculation in practical applications. In this paper, we present a novel sampling strong tracking nonlinear unscented Kalman filter, aiming to overcome the difficulty in nonlinear eye tracking. In the above proposed filter, the simplified unscented transform sampling strategy with n+2 sigma points leads to the computational efficiency, and suboptimal fading factor of strong tracking filtering is introduced to improve robustness and accuracy of eye tracking. Compared with the related unscented Kalman filter for eye tracking, the proposed filter has potential advantages in robustness, convergence speed, and tracking accuracy. The final experimental results show the validity of our method for eye tracking under realistic conditions.     

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。     

卡尔曼滤波在激光跟踪测量系统中的应用

激光跟踪测量系统对于测量运动目标空间位置是行之有效的,但在测量过程中,各种干扰噪声的影响会降低测量精度。采用卡尔曼滤波来减小噪声的影响以提高测量精度。介绍了激光跟踪测量系统,建立了状态方程和测量方程,给出了卡尔曼滤波算法,仿真结果表明,运用卡尔曼滤波大大提高了测量系统的精度。     

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.     

基于多速率交互式多模型的快速光电跟踪算法

针对交互式多模型粒子滤波算法运算量大的问题,提出了一种基于多速率跟踪思想的交互式多模型算法.该算法根据各模型假定的机动性,采用不同的数据更新速率,实现了模式空间和测量空间的混合滤波.同时,多模型综合选配了不同的滤波算法,其中,弱机动模型匹配卡尔曼滤波器,强机动模型匹配粒子滤波器.仿真结果表明,与传统的交互式多模型粒子滤波算法相比,本文算法在保证滤波精度的基础上,具有较低的计算复杂度,降低了约38.9%,能够有效地改善光电目标跟踪系统的可靠性和实时性.     

光电跟踪系统的共轴跟踪控制技术研究

为了提高光电跟踪系统的跟踪精度,对其粗跟踪环节的共轴跟踪控制技术进行了研究。介绍了共轴跟踪控制的基本原理,分析了常用非线性卡尔曼滤波算法,并仿真比较了无迹卡尔曼滤波(UKF)和容积卡尔曼滤波(CKF)的位置和速度的预测精度。在此基础上综合UKF和CKF的优点,设计了对延迟的合成位置信号进行处理的双并联滤波器,实现了光电跟踪系统的共轴跟踪控制。利用实测数据仿真实验表明,光电跟踪系统的跟踪精度明显提高。     

精确跟瞄控制技术研究

针对目标跟瞄多功能的需求,将最小方差估计和跟踪控制的思想结合,设计了一种跟瞄控制器,实现了目标位置预测与伺服控制的融合,优化了系统结构。采用基于当前统计模型的改进卡尔曼滤波算法,预测出目标运动状态参数;采用自适应滑模的解算控制方法,实现伺服系统的位置控制。通过仿真实验,系统状态稳定,抗干扰能力加强,通过对数据分析,跟瞄精度明显提高。