红外单站多目标跟踪算法研究

利用IRST(红外搜索与跟踪)系统所获取的各目标的角度及其红外光谱辐射功率和信息，通过对红外光谱辅射功率和的相关处理，运用选优的JPDA（联合概率数据关联）算法与IMM（交互多模型）算法实现了IRST系统的单站多目标跟踪，并通过两个仿真场景对算法性能进行了检验.仿真结果表明：在跟踪开始阶段，两个场景中的每个目标都能获得高精度的跟踪;当目标编队飞行时，算法能对各目标进行有效的跟踪，而且跟踪精确度也是令人满意的;当目标交叉飞行时，跟踪的误差明显加大，随着时间的延续，对远距离目标会失去跟踪能力，但对近距离目标仍能进行有效的跟踪.     

舰用红外搜索和跟踪系统

综述了２０００年舰用红外搜索和跟踪（ＩＲＳＴ）系统的发展趋势和技术特点，并简介几种研制中的新一代ＩＲＳＴ系统。     

红外／雷达双传感器融合目标跟踪算法

实现雷达和红外融合跟踪的基本思路是：首先提取红外成像的目标质心并将其转换到惯性坐标系：然后用最小二乘规则对红外传感器的冗余角度数据进行压缩，以产生在时间上和雷达测量对准的伪角度测量：再通过加权平均的方法分别与雷达的方位角和俯仰角测量进行融合处理，以得到同步数据融合估计。采用了由拉格朗日算法所求得的约束极值作为权系数，使用扩展的卡尔曼滤波方法设计跟踪滤波器，将基于雷达和红外融合得到的数据用于更新滤波器的目标状态。     

一种多基阵机动目标被动跟踪算法

由多部声纳基阵获取的方位信息对水中机动目标的跟踪实质上是一个非线性状态估计问题,文中首先依据各基阵的方位信息,采用最小二乘法得到目标位置在各采样时刻的初步估计,然后将其作为测量值用于交互多模型算法(IMM)并结合线性卡尔曼滤波(KF)得到目标运动速度和轨迹,避免了应用非线性估计算法直接进行多个方位数据融合过程中存在的各种问题。仿真结果表明这一算法简便,与双基阵纯方位机动目标被动跟踪相比具有较快的收敛速度和较高的跟踪精度。     

采用凝视器件的搜索跟踪系统中的扫描补偿光学技术

为了充分发挥器件的性能,采用凝视探测器件的搜索跟踪系统需要特殊的光学结构补偿搜索跟踪时产生的扫描效应。给出了物方和像方扫描补偿光路的形式和构成,分析了平行和会聚光路两种不同补偿结构的特点,论述了扫描补偿引入的光学问题以及相应解决途径,提出了扫描补偿引入的最大光学原理性误差小于1/3~1/4像素的观点。     

图像跟踪系统中机动目标预测的实现

针对装甲车上的图像跟踪系统，提出一种机动目标预测方法。将目标的运动分解为2部分，即全局运动和局部运动，并根据各自的动态特性分别进行预测。文章以局部运动预测为重点，通过对机动目标跟踪技术的研究，建立起性能优良的跟踪滤波器，并将其扩展到预测滤波器中对目标的未来运动状态进行预测，从而提出“交互式多模型预测算法”，并对该算法进行仿真，给出速度均方根误差的仿真结果。仿真结果表明:该算法预测精度高、自适应能力强。最后还给出了预测门的计算方法。     

机载红外搜索跟踪系统及其信息处理技术的发展综述

介绍国内外机载红外搜索跟踪系统(简称IRST系统)的发展状况.简述IRST系统的主要组成部分及其功能.详细地阐述IRST系统中的信息处理技术.对多目标跟踪问题及其算法的发展进行较为详尽的综述.对机载IRST系统及其信息处理技术的研究方向进行分析和展望.     

红外搜索跟踪系统的半实物仿真系统设计

信息处理组件的设计与验证是红外搜索与跟踪系统研制过程中的关键环节;设计了一个基于嵌入式多媒体系统的红外信息处理组件半实物仿真测试系统,能够通过嵌入式系统完成红外目标场景视频流的实时生成、伺服控制模型的在线解算,软件仿真环境通过以太网与实物系统交互,实现针对红外信息处理组件的半实物闭环仿真测试,为信息处理组件的设计、仿真验证和性能评估提供了集成验证环境,将能够有效缩短整个系统的研制周期,提高研制质量。     

基于模糊技术的非线性系统目标跟踪融合算法

提出了一种基于模糊技术的非线性系统中多传感器目标跟踪融合算法.在基于卡尔曼滤波器的分布式融合算法中,利用模糊技术中的决策距离思想,对实时跟踪目标的多传感器进行动态分组,以获得在非线性系统中目标跟踪的最佳融合数据精度.仿真结果证明,该算法是一种有效的分布式融合算法.     

机动目标跟踪的自适应相互作用多模型算法

针对目标跟踪中的目标机动问题提出了一种“基于自适应相互作用多模型”的算法。使用不同的几个子模型来描述目标的运动状态,各个模型有自己的随目标估计状态和当前测量值变化的模型概率,并且各模型之间能通过马尔可夫链的控制自动平滑切换。仿真实验表明了该算法能很好地适应目标的机动,即使采用两个子模型来描述目标的运动,跟踪精度也比较好。     

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.     

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.     

基于改进SUSAN算法的箭环目标跟踪与测量

针对发射场火箭初始段漂移量的测量，提出一种带灰度梯度方向的SUSAN算子，实现了基于该算子与变模板相关跟踪算法的目标跟踪测量方法.首先在SUSAN特征检测原则的基础上，将对角点的检测转化为对边缘的检测，同时记录梯度方向，在剔除了图像噪音点之后，由具有特定方向信息的边缘像素点精确定位角点的坐标.该方法克服了标准SUSAN算法准确度低的弊病，使得对目标的提取准确度可以达到亚像素级，并增强了抗噪性能，实验证明该算法提取准确性高，运算量小，易于实现.     

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.     

基于加权mean-shift可见光/红外双通道目标跟踪

为提高目标亮度突变时的跟踪性能,在每一帧进行目标跟踪时,首先提取可见光图像的颜色特征,红外图像的垂直投影图像和水平投影图像特征,然后利用可见光/红外各自通道的Bhattacharyya系数计算该通道的权值,并对加权mean-shift双通道跟踪方法进行了推导,提出了基于加权mean-shift可见光/红外双通道目标跟踪算法.该方法使前后两帧目标相似度大的通道取大的权值,从而达到有效利用各通道有利信息、提高跟踪性能的目的.实验表明,用本文提出的算法进行可见光/红外双通道目标跟踪时,与基于mean-shift单通道(可见光或红外)目标跟踪算法相比,可提高目标跟踪的准确度,特别是当目标进入树荫区域,引起目标亮度发生显著变化时,跟踪性能基本不受影响.     

基于特征角点的目标跟踪和快速识别算法研究

提出了一种基于特征角点的目标跟踪、识别方法,其运算效率较高,且角点不易丢失。从对基于灰度的角点提取方法和基于边缘的角点提取方法的比较入手,提出建立新特征模型的必要性。随后给出了一种既能提高运算效率又能简化跟踪模型的特征角点法。选取了飞行速度为300m/s的某战机序列共11帧连续图像作为处理对象,通过在主要配置为Pentium 4、80G内存计算机的、Matlab2006a软件的环境中进行仿真,算法的运算速度可达0.7s,与其他跟踪算法相比跟踪速度较快,表明该方法是一种简洁有效的目标跟踪识别方法。     

带宽自适应的均值漂移红外目标跟踪算法

当目标尺度发生变化时,传统均值漂移跟踪因窗口尺寸不变导致跟踪目标丢失.为解决该问题,提出一种带宽自适应的均值漂移跟踪算法.该算法在均值漂移框架下提取目标的形状特征,根据目标形状变化自适应的修正核函数带宽,并更新目标模板.实验结果表明,改进算法能很好地适应尺寸变化的目标,能有效提高红外目标的跟踪准确度.     

基于高准确度搜索运动目标关键帧的智能跟踪算法

分析了目标在不同运动阶段所呈现的不同成像特征,为了增加跟踪的鲁棒性,提出了一种基于高准确度搜索运动目标关键帧的智能跟踪算法,并搭建了实验平台,进行了相关实验.实验结果和某靶场试验中实际应用结果表明,该算法准确度高,鲁棒性好、成功率高.