一种目标遮挡情况下的自动跟踪控制方法

为解决自动跟踪过程中目标被遮挡导致丢失的问题,提出一种光电观瞄系统抗目标遮挡的自动跟踪控制方法。在正常跟踪状态时记录当前跟踪控制命令,当目标被遮挡后控制系统进入记忆跟踪状态时,对记录的若干组控制命令进行二次曲线拟合,预测出目标遮挡过程中的控制命令,从而预测目标的运动轨迹,保证自动跟踪的稳定性和可靠性。在目标突然转向或作变加减速运动的情况下,二次曲线拟合的预测误差不大于6%,远小于线性拟合的预测误差73%。该方法已被某型光电观瞄系统挂飞试验进行了验证,结果表明:在目标被短暂遮挡时,观瞄系统自动跟踪过程平稳,瞄准线稳定。     

一种提高光学相关模式识别准确性的后处理方法

将基于绝对差算法的最小距离离度量方法用于光学相关器产生的相关结果灰度图像的相假性度量,并以此为依据给出待识别图像与参考图像之间的相似性结论,避免了传统的以相关联峰取阈为判决依据引起误判现象,提高了判决准确率,甚至可以对由灰度图像直接做光学相关得到的低质量相关结果给出准确判断,从而避免了对灰度图像做二值化及编码处理等烦琐的预处理工作,采用非相干相关器为光学实现硬件并给出了实验结果。     

一种多尺度相似性学习的目标跟踪算法研究

基于深度学习的目标跟踪算法由于其良好的性能已经成为目标跟踪领域的主流算法之一。其核心思想是进行前后帧的相似性学习从而完成模板帧与搜索帧的匹配。其中,相似性学习是影响跟踪算法性能的关键一环。以孪生网络的相似性学习为切入点,对现有的深度互相关(DW-XCorr)的相似性学习方式进行改进,提出了一种多尺度相似性学习的目标跟踪算法。该算法在SiamRPN的基础网络框架下,构造多尺度互相关(Multi-Scale Cross Correlation,MS-XCorr)模块,对原有的互相关操作进行多尺度的改进,从而增加学习特征尺度的多样性,提高了跟踪网络相似性学习的效率,最终使得算法跟踪性能有进一步提升。在实验部分,将改进后的算法与其基线进行了对比实验,该算法在成功率(Success Rate)、精度(Precision)及平均精度(Norm Precision)上均有提升,成功率提高了4.3%,精度提高了4.4%,平均精度提高了4.0%。实验表明,多尺度互相关模块相较于深度互相关模块具有更强的相似性学习能力,提出的多尺度相似性学习的目标跟踪算法在目标光照、形态变化、遮挡以及干扰等复杂场景下具有更...     

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。     

一种基于特征提取的相关跟踪算法

介绍了一种能稳定快速跟踪复杂背景下目标的算法,该算法在传统相关跟踪算法的基础上进行改进.当目标进入红外(电视)摄像机视场时,视频信号中包含有目标信息和背景信息,信号处理器先将此信号进行数字化处理,形成具有一定灰度等级的数字化图像阵列,然后采用边缘检测、阈值分割等算法对包含有目标信息的图像进行边缘处理,提取出具有特征的目...     

基于显著性加权的Mean Shift跟踪方法

复杂背景下运动目标跟踪一直是计算机视觉的重要研究方向之一。针对这类问题,提出了一种基于显著性加权的Mean Shift跟踪算法。首先根据目标上不同区域和背景的差别大小,给目标每个区域赋予不同的权值。然后将权值与Mean Shift算法结合起来对目标进行跟踪。实验表明,在复杂背景下,新算法仍然可以有效、准确地跟踪运动目标。     

基于形变多样相似性的空间正则化相关滤波跟踪

提出了一个基于形变多样相似性的空间正则化相关滤波跟踪算法。在核相关滤波(KCF)跟踪算法基础上引入了空间正则化权重和子网格检测方法,利用形变多样相似性匹配算法构建了目标重检测模块,利用主成分分析(PCA)算法和k维树一致近似最近邻(TreeCANN)算法解决了匹配算法中的最近邻搜索问题;通过自适应模板更新策略,解决了遮挡情况下模板误更新问题。实验结果表明,所提算法的精确度得分为0.825,成功率得分为0.625,相比KCF算法分别提升了18.5%和31.0%。所提算法能较好地解决目标尺度变化、遮挡、快速运动、旋转和背景杂乱情况下的跟踪问题,具有广泛的应用前景。     

一种基于双核架构的视频跟踪与处理系统的实现

提出一种基于ADSP-BF561的视频跟踪与处理系统设计方法。系统利用ADSP-BF561的双核并行处理性能和丰富的视频编解码接口,采用一种相关跟踪算法对其进行优化,算法是一种以相关系数作为相似性度量准则的相关跟踪算法。对该系统进行测试,结果表明:针对PAL制目标视频图像序列,系统可以实现复杂背景下的实时目标跟踪,视频目标跟踪对每帧的处理时间为22 ms,解决了目标跟踪的实时性要求。     

一种新的基于自适应模板的相关跟踪算法

提出了一种基于自适应模板的快速相关跟踪算法。该算法采用模板的自适应更新策略,运动估计,同时利用高效、并行的混合遗传算法进行模板匹配。实验结果表明该算法能够长时间稳定跟踪目标,跟踪精度高、实时性好。     

基于矢量水听器的一种时间方位历程目标跟踪方法

文章简要介绍了时间方位历程显示方式的原理，针对时间方位历程中最大值自动跟踪方法存在的弊端，提出了应用矢量水听器解决多目标跟踪问题的一种新方法，并应用于海试数据处理中，取得了良好的效果。     

一种抗遮挡抗干扰的目标检测跟踪方法研究

研究了复杂背景环境下抗遮挡和抗干扰的目标检测跟踪技术。提出了基于轨迹预测关联的红外/可见光混合决策检测跟踪算法,开发了基于VPX总线架构的FPGA+DSP硬件模块和关键软件模块。结果表明,该方法综合利用红外与可见光两种图像的优势信息检测跟踪同一目标,能够有效地解决目标检测跟踪过程中抗遮挡和抗干扰的问题。     

一种基于算法融合的红外目标跟踪方法

视频目标跟踪的难点在于快速、准确地在帧与帧之间匹配目标.由于红外图像目标与背景的反差低,图像的边缘模糊并且灰度级动态范围小,使红外目标跟踪难度比可见光更大.本文提出一种针对红外日标跟踪的融合算法,该方法融合直方图和不变矩的特点.首先利用目标的直方图计算简单快速的特点,由均值平移算法快速找到局部最优解,但由于该局部最优解仪为直方图匹配的最优解,缺少目标形状特征,与实际目标位置存在一定的偏差;其次,利用边缘小变矩作为修正特征修正误差,避免跟踪误差逐渐累计而最终导致跟踪失败,以提高跟踪的稳定性和精度.实验结果表明,该算法能够消除跟踪过程中的漂移现象,提高跟踪精度.     

一种改进相似度量的红外目标跟踪算法

针对红外目标成像特点,提出了一种简单易行、鲁棒性强的目标跟踪算法.在对原始算法中的核心部分相似度量函数进行理论分析的基础上,新算法给出了两点改进:一是利用动态聚类思想对相似度量函数中匹配样本增加动态权值,提高了模型图像和目标图像样本间匹配准确度,二是增加了模型图像和目标图像像素点邻域信息,进一步增强跟踪算法鲁棒性.实验仿真表明,新建算法能对复杂场景下的红外目标进行较好跟踪,证实了跟踪算法的可行性和有效性.     

一种激光搜索跟踪系统的设计和仿真

介绍一种用于空间交会的激光搜索跟踪系统，该系统设计能够满足雷达、导航和通信的要求。通过对系统组成和工作流程等的分析，建立追踪航天器和目标航天器的激光搜索跟踪系统模型，该模型能够完成系统指标的计算和动画演示。     

一种用于跟踪精度检测的动态目标模拟器设计北大核心CSCD

光电搜索跟踪系统是战场态势感知、信息获取、目标捕获、跟踪定位等武器装备的核心光电设备,其跟踪精度是表示光电搜索跟踪系统作战能力的关键参数。针对该参数的需求,提出了一种基于OLED发光的平行光管阵列式目标模拟器设计方案,其动态目标模拟角速度范围为1°/s~100°/s,角度定位精度为0.8″。对动态目标模拟器的角速度模拟进行了分析,得出角速度模拟的相对扩展不确定度可达0.6%~0.8%。     

一种利用Gabor小波特征的目标跟踪方法

小波特征跟踪是一种新的目标跟踪方法。这种方法利用Gabor小波提取目标的边界特征来组成特征模板,并由小波滤波器系数组成特征向量。在跟踪过程中不断优化特征模板的旋转、尺度及平移等几何变形参数,使得小波特征向量值在最小平方和的意义上与初始值相匹配,从而实现目标旋转、尺度及平移等几何变形时的自动跟踪。实验表明,该方法能够有效地跟踪飞机、车辆等目标,并且能够抵抗全局亮度的变化和局部遮挡的干扰。     

基于多特征融合的Mean Shift跟踪算法

在对Mean Shift跟踪算法原理分析的基础上提出了一种反映区域像素空间关系的特征值与原算法基核结合的跟踪方式。该方式采用适应性公式与相似性量度结合的二级判决策略,提取区域内特征值并按不同权重归一化特征值。若不满足特征观测值的条件,则采取粗-精搜索结合的方式对目标模型进行更新。实验结果表明目标跟踪过程中提取的特征值波动符合目标区域实际情况,并在波动异常时重新定位目标,从而提高了跟踪的稳定性。     

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.