防御系统中多传感器融合跟踪的关键技术分析

多传感器融合跟踪系统作为防空武器系统的一个子系统,在作战中有着极其重要的地位。针对下一代防空武器系统的发展和需求,从现有的较为成熟的融合理论与技术出发,构造一个集红外、雷达和激光雷达等多传感器为一体的高性能融合跟踪系统模型,剖析其相关结构,并结合当前数据融合算法研究来分析融合系统中数据关联算法的选取、改进和研究方向。     

基于颜色和空间信息的多特征融合目标跟踪算法

为解决单一特征目标跟踪鲁棒性较差的问题,提出一种基于颜色和空间信息的多特征融合目标跟踪算法。采用一种自适应划分颜色区间的方法提取目标颜色特征,利用空间直方图提取目标颜色的空间分布信息。在粒子滤波框架下将自适应颜色直方图和空间直方图相结合,在特征融合中引入特征不确定性度量方法,自适应调整不同特征对跟踪结果的贡献,提高算法的鲁棒性。仿真实验结果表明,该跟踪算法平均位置最小误差值仅6.967 像素,而单一特征跟踪算法以及传统融合算法的跟踪误差达192.576 像素和199.464像素。说明本文算法在跟踪准确性上优于单一特征跟踪算法及传统融合算法,具有更好的跟踪精度和更高的鲁棒性。     

基于音视频信息融合的目标检测与跟踪算法

针对单一视觉跟踪算法易受遮挡影响的缺陷,提出一种基于音视频信息融合的目标检测与跟踪算法。整个算法框架包括视频检测与跟踪、声源定位、音视频信息融合跟踪3个模块。视频检测与跟踪模块采用YOLOv5m算法作为视觉检测的框架,使用无迹卡尔曼滤波和匈牙利算法实现多目标的跟踪与匹配;声源定位模块采用十字型麦克风阵列获取音频信息,结合各麦克风接收信号的时延计算声源方位;音视频信息融合跟踪模块构建音视频似然函数和音视频重要性采样函数,采用重要性粒子滤波作为音视频融合跟踪的算法,实现对目标的跟踪。在室内复杂环境下对算法性能进行测试,结果表明该算法跟踪准确率达到90.68%,相较于单一模态算法具有更好的性能。     

MS-ADoG域结合ReNLU与VGG-16的矿井双波段图像融合算法

为满足矿井视频监控需求,针对现有图像融合算法获取的融合图像存在伪目标、模糊目标、晕光遮挡目标等问题,提出了一种基于多尺度和自适应高斯差分变换,结合修正非线性单元和VGG-16的矿井双波段图像融合算法.设计了基于多尺度和自适应高斯差分变换的源图像分解模型,将红外和可见光图像分解为基础图像和细节图像;构造了一种修正非线性单...     

融合相关滤波与关键点匹配的跟踪算法

提出一种融合相关滤波与关键点匹配的跟踪算法。利用多个基于支持向量机的相关滤波器,分别对目标进行跟踪和验证,同时建立并实时更新一个目标和背景关键点数据库。在验证跟踪失败后,利用关键点匹配的方法对全局关键点进行分类,根据分类结果对目标关键点进行分析,从而得到重检测结果。实验结果表明,在运动模糊、变形、目标遮挡、消失等复杂跟踪场景下,所提算法比现有算法具有更好的准确性和稳健性。     

电视与红外机动目标数据融合的研究

从跟踪性能、计算的复杂性以及应用范围等方面对红外与电视传感器的三种融合模型进行了比较，得出了来自同一平台上的红外与电视传感器的数据，在各传感器没有自己的数字处理机的情况下，点迹融合模型较其余两种模型实用的结论，在点迹融合模型的基础上，用极大似然融合算法对点迹进行融合处理，在理论上证明了该算法用于此种模型能提高目标状态信息的估计精度，降低测量误差。并给出了本算法用于此种模型在计算机上的仿真结果，从实际应用上进一步说明了本算法的有效性。最后利用卡尔曼滤波实现了红外与电视机动目标的跟踪。     

基于图像融合的动态轮廓线跟踪新方法

红外与可见光传感器是目标跟踪识别系统中常用的两种传感器,对这两种传感器图像进行融合能有效提高系统跟踪检测的准确性。将动态轮廓线模型与图像融合结合,在特征搜索过程中利用特征点准确地完成了图像配准,同时使用了一种新的特征级融合方法,将两种图像中目标轮廓的B样条曲线控制点进行实时微分耦合。这种耦合将Curwen提出的微分耦合机制作了改进,利用图像配准把刚性硬模板改变为实时的变换模板并推导了融合后动态轮廓线的新的动力学方程。这种融合利用了红外图像目标轮廓信息约束可见光图像中动态轮廓线的收敛形状,有效地提高了可见光图像目标跟踪的准确性。对运动人手序列图像的对比跟踪实验表明,这种融合使得可见光图像中动态轮廓线平均跟踪误差减小了60．25％。     

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。     

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。     

MS-KF融合算法用于锥套跟踪

针对无人机自主空中加油过程中锥套跟踪,提出一种均值漂移-卡尔曼滤波(mean shift-Kalman filter, MS-KF) 融合算法。分析了基于均值漂移算法的锥套目标模型、相似性度量、锥套目标定位的锥套定位原理;引入卡尔曼滤波器对锥套运动状态进行预测,将锥套运动信息融合到均值漂移算法中,以保证锥套跟踪算法的稳定性和鲁棒性;给出了MS-KF融合算法用于锥套识别跟踪的流程;搭建了锥套跟踪半物理实验验证系统,分别进行MS-KF融合算法用于锥套跟踪的半物理实验验证及数值仿真分析。实验结果表明:MS-KF融合算法可以对锥套精确定位跟踪,无人机3个轴向的跟踪误差保持在0.3 m的范围内,保证了无人机自主空中加油的顺利进行。     

Robust visual tracking base on adaptively multi-feature fusion and particle filter

In order to avoid the tracking failure based on single feature under the conditions of cluttered backgrounds illumination changes, a robust tracking algorithm was proposed based on adaptively multi-feature fusion and particle filter. Color histogram was used to describe the overall distribution characteristics of the target and histogram of oriented gradients containing some construction information and LBP is very effective to describe the image texture features. The Three features were fused in the frame of particle filter. Meanwhile, the weights of each feature were adjusted dynamically. The experimental results show that with adaptive fusion, the tracker becomes more robust to illumination changes, pose variations, partial occlusions, cluttered backgrounds and camera motion.     

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.     

模糊对向传播网络数据融合目标识别方法

重点研究了模糊对向传播网络 (FCPN)模型。针对数据融合和目标识别的特点 ,提出了基于模糊对向传播网络的融合目标识别方法和改进的模糊对向传播网络 (MFCPN)融合结构。利用仿真数据对网络的训练算法和融合结构进行了实验研究。结果表明 ,模糊对向传播网络较误差后向传播网络 (BPN)能够有效地实现融合识别 ;改进的模糊对向传播网络融合结构是可行的。同时还对FCPN和MFCPN应用于前视红外 (FLIR)和可见光摄像机目标跟踪系统进行了应用研究。     

An object tracking method based on guided filter for night fusion image

Online object tracking is a challenging problem as it entails learning an effective model to account for appearance change caused by intrinsic and extrinsic factors. In this paper, we propose a novel online object tracking with guided image filter for accurate and robust night fusion image tracking. Firstly, frame difference is applied to produce the coarse target, which helps to generate observation models. Under the restriction of these models and local source image, guided filter generates sufficient and accurate foreground target. Then accurate boundaries of the target can be extracted from detection results. Finally timely updating for observation models help to avoid tracking shift. Both qualitative and quantitative evaluations on challenging image sequences demonstrate that the proposed tracking algorithm performs favorably against several state-of-art methods.     

Mean-shift跟踪算法及其在光电跟踪系统中的应用

针对光电跟踪系统中实时提取运动目标脱靶量的应用需求,设计了一种基于灰度直方图的Mean-shift 图像跟踪算法,对算法中目标模型与候选模型的建立进行了改进,抑制了背景像素对目标跟踪产生的影响。算法在系统上位机Visual C+ + 6.0平台上实现,当光电跟踪系统捕获到运动目标后,利用Mean-shift图像跟踪算法跟踪运动目标,并实时将运动目标脱靶量作为伺服控制系统的输入信号,驱动跟踪器跟踪目标。实验结果表明：设计的算法可以实时、准确、有效地跟踪运动目标,使稳定后的脱靶量换算得到的角偏差量控制在30"之内。     

复杂背景灰度图像下的多特征融合运动目标跟踪

为解决低对比度、低信噪比、目标旋转、缩放等非理想状态给跟踪算法的研究带来的诸多困难,本文提出灰度图像多特征融合目标跟踪算法,保证在满足工程实践需要的条件下,能够对目标进行稳定的跟踪。算法首先对灰度图像利用Sobel算子求出梯度特征,将X、Y双方向的梯度特征与灰度特征相融合得到新特征,新特征在核密度函数下对低对比度,目标轮廓形状变化较大的情况有较高的适应性和稳定性,再利用背景建模的方法对提取的运动目标区域进行加权,降低非跟踪目标的权值,最后对融合后的加权特征目标利用改进MeanShift算法进行跟踪。通过大量的实验表明,该算法适应目标和背景的复杂变化,并且具有较强的鲁棒性,基本满足在复杂背景灰度图像下目标跟踪的工程实际需求。