基于最大后验概率的人脸平移与旋转跟踪方法研究

针对目前大多数视觉跟踪算法只能够跟踪平移运动人脸目标,而不能跟踪旋转运动人脸目标这一问题,提出一种基于最大后验概率的人脸目标平移与旋转跟踪方法。在基于最大后验概率的视觉跟踪算法基础上,采用了自适应角度模板进行人脸目标旋转跟踪,与传统的视觉跟踪方法相比,当人脸发生倾斜时,该方法能更精确地得到人脸的位置和方向。实验结果表明,该方法能够有效地跟踪具有平移与旋转运动的人脸目标。     

用于彩色目标跟踪的改进粒子群优化算法

提出一种用于彩色目标跟踪的改进粒子群优化算法(Improved Particle Swarm Optimization Algorithms,IP-SOA)。针对彩色目标,选择加权彩色直方图作为目标的特征,选用Bhattacharyya系数作为特征相似性度量,其最大值位置表示目标位置。对粒子群优化算法进行了改进,即自动调整惯性权重函数与认知学习因子,每次递推时对粒子速度、单帧位移总量加以限制,对Bhattacharyya系数优化,快速求取函数最大值位置。利用彩色序列图像进行仿真实验,结果表明,该方法能够实时跟踪飞机、车辆等目标,在目标被部分遮挡时能稳健跟踪。     

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。     

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。     

基于高斯混合概率假设滤波的水下目标跟踪算法

为了解决传统水下目标跟踪中目标数目估计不准确、状态估计误差增长过快的问题,提出了一种基于高斯混合概率假设滤波的水下目标跟踪算法。该算法基于双基地观测模型,采用高斯混合概率假设滤波算法处理方位和时延信息,利用粒子群算法处理多普勒频率获得矢量速度,进一步提升算法的跟踪精度。结果表明,该算法能完成在杂波环境下对目标的跟踪,相比传统的关联算法,能够有效地实现目标个数估计和抑制状态误差增长的目的。     

基于积分直方图的快速粒子滤波跟踪算法

基于直方图的粒子滤波已成功地用于解决计算机视觉中的目标跟踪问题,但是,在观测似然计算上的低效限制了它们的实时应用。针对该问题,提出了一种快速的粒子跟踪方法。其建立在积分直方图技术的基础上,使得每个候选样本的观测似然能够由少量的查找表运算有效地计算出来。该方法使用了大量的粒子以确保鲁棒性,同时确保具备实时跟踪的能力。实验结果表明该方法在计算效率上优于通常的粒子滤波跟踪方法。     

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.     

基于动态目标建模的粒子滤波视觉跟踪算法

提出一种根据场景变化动态建立目标模型的粒子滤波视觉跟踪算法.该方法首先选择简单且具有互补性的特征描述当前图像,并统一采用直方图法对这些特征进行建模;然后在粒子滤波框架下,根据巴塔恰里亚测度评价各个目标特征和背景特征之间的可区分程度,动态调整特征间的置信度;并对各个特征似然函数的噪音参量进行在线估计和更新,使其似然函数的度量标准达到统一.分析和实验表明,该算法性能优于仅仅采用多特征融合进行粒子滤波视觉跟踪的方法,对摄像机运动、混淆干扰、遮挡及目标外观大小的改变具有更强的鲁棒性.     

基于多粒子群算法的视频跟踪研究

粒子群算法是一种新的进化算法,算法思路适合于进行视频跟踪,但是由于在视频跟踪过程中以跟踪窗口作为粒子,因此该粒子具有中心点横坐标、中心点纵坐标和窗口半径三维特征向量,计算冗余较大,难以满足视频跟踪的实时性要求。提出了一种多粒子群视频跟踪算法,即在跟踪过程中使用多个粒子群,粒子群与粒子群之间粒子半径不同,在各粒子群以评价函数收敛到最佳中心点后,再完成各自半径的一维粒子群计算。这样就可将三维粒子群计算分为一个两维和一个一维粒子群计算,最后通过比较得出最佳粒子,作为搜索结果。分析了这一算法成立的必要条件,即当选择Bhattacharyya系数计算方法作为粒子群算法的评价函数时,大于目标的固定窗体的中心点可以收敛到目标的形心。实验证明,这种基于多粒子群的跟踪算法可以应用于实时视频跟踪,其跟踪效果优于传统算法。     

基于概率假设密度滤波平滑器的检测前跟踪算法

基于概率假设密度滤波(PHD)的检测前跟踪(TBD)技术可以有效解决未知弱小多目标检测问题。PHD-TBD算法粒子权重计算受量测噪声影响明显,导致目标数估计存在起伏现象,制约了PHD-TBD算法性能。对PHD-TBD技术进行研究,引进概率假设密度滤波平滑器,提出基于平滑的PHD-TBD算法。该算法对当前帧目标数估计时,综合利用前向递推和后向平滑结果对粒子权重进行更新,在一定程度上克服了随机量测噪声的影响。通过仿真验证,该算法能够有效发现目标,准确估计目标数目和位置,性能有较大提高。     

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。     

颜色与纹理相融合的自适应粒子滤波跟踪算法

针对目标跟踪过程中存在的光线变化及目标遮挡等复杂情况所导致的跟踪目标的丢失或跟踪错位等问题,采用特征融合的策略,将其用于粒子滤波框架中进行跟踪。利用特征融合加权直方图的方法来描述目标的颜色和纹理特征,并对变化的目标自适应地更新参考目标模型,能有效地处理视频中由于旋转、遮挡、光线变化带来的影响。实验证明,提出的算法在保证跟踪精确性的情况下,具有较好的适应性及鲁棒性。     

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。     

概率假设密度滤波的物理空间意义

为了深入理解概率假设密度滤波,本文在Ozgur Erdinc对随机集的物理空间假设的基础上,采用Bayes公式和全概率公式对概率假设密度滤波的迭代过程进行了推导.为有效改善概率假设密度滤波的目标漏检问题提供了理论基础.     

带势估计的概率假设密度滤波的物理空间意义

为了便于人们深入理解带势估计的概率假设密度滤波,本文在Ozgur Erdin对随机集做的物理空间假设的基础上,采用Bayes公式和全概率公式对带势估计的概率假设密度滤波的迭代过程进行了推导.推导过程详细明了,推导结果与文献一致.这为带势估计的概率假设密度滤波在目标跟踪中的应用及性能改进提供了理论基础.     

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.     

基于改进巴氏指标和模型更新的视觉跟踪算法

传统的Mean Shift算法采用巴氏系数度量模型与候选模型之间的统计特征相似性,但是由于背景特征的影响,有时应用巴氏指标进行匹配得到最优解的位置并不一定是目标的实际位置,在跟踪过程中可能导致目标定位出现偏差。该文提出一种改进的巴氏系数相似度指标,指标由于引入了前景/背景置信值,能够有效抑制待匹配区域中背景特征的影响,突出目标特征的权重,与原始的巴氏指标相比,明显提高了目标匹配的准确性。基于改进的巴氏指标,对目标与背景区域双模型相似度系数进行综合分析,合理地判断干扰目标匹配的原因,从而采取相应的模型更新策略。采用4段具有挑战性的视频序列对5种跟踪算法进行了测试,通过定量实验分析可知,文中算法处理1帧视频所需的平均时间为75.76 ms,实时性仅次于原始的Mean Shift跟踪算法,同时跟踪误差在5种跟踪算法中取得了最优结果。实验结果表明,该算法能够有效抑制背景干扰和避免模型漂移,在不同的复杂场景下都具有一定的鲁棒性。     

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...