粒子区别性稀疏表征的小弱运动目标跟踪算法

评估每个粒子的重要性是确保粒子滤波法跟踪目标准确性的重要因素。针对背景杂波和噪声干扰形成的大量虚警导致小弱目标跟踪识别的随机性和不确定性问题, 提出了一种基于粒子区别性稀疏表征的小弱目标跟踪方法。该方法根据红外图像信号自适应构建分类超完备字典, 即反映目标信号特征的目标字典和表示背景杂波的背景字典, 有利于突出目标粒子和背景粒子在联合分类字典的稀疏表征差异程度;建立基于目标粒子和背景粒子稀疏重构残差差异性的粒子滤波观测模型, 采用随机估计法对字典子空间进行在线更新, 实现对目标状态估计与跟踪。理论分析和试验结果表明, 该方法增强了随机粒子的状态估计能力, 提升了粒子稀疏表征对小弱运动目标的适应能力和跟踪识别准确度。     

粒子区别性稀疏表征的小弱运动目标跟踪算法

评估每个粒子的重要性是确保粒子滤波法跟踪目标准确性的重要因素。针对背景杂波和噪声干扰形成的大量虚警导致小弱目标跟踪识别的随机性和不确定性问题, 提出了一种基于粒子区别性稀疏表征的小弱目标跟踪方法。该方法根据红外图像信号自适应构建分类超完备字典, 即反映目标信号特征的目标字典和表示背景杂波的背景字典, 有利于突出目标粒子和背景粒子在联合分类字典的稀疏表征差异程度;建立基于目标粒子和背景粒子稀疏重构残差差异性的粒子滤波观测模型, 采用随机估计法对字典子空间进行在线更新, 实现对目标状态估计与跟踪。理论分析和试验结果表明, 该方法增强了随机粒子的状态估计能力, 提升了粒子稀疏表征对小弱运动目标的适应能力和跟踪识别准确度。     

基于定位-分类-匹配模型的目标跟踪方法

近年来卷积神经网络框架被成功地应用到目标跟踪领域,并取得了较为稳健的跟踪结果。基于此思想,提出一种基于定位-分类-匹配模型的目标跟踪方法。首先,在定位模型中,利用前一帧的位置信息预测当前帧中的候选目标区域。然后,采用已训练的深度特征对候选区域进行类间筛选,选出N个次优目标区域。最后,利用常规颜色特征对次优目标区域进行类内寻优匹配,从而确定最终的跟踪目标。与此同时,分别对定位、分类中的网络进行更新,并对建立的匹配模型进行在线实时更新,使得其对目标的描述更加准确。在OTB50和OTB100标准数据库上进行实验测试,结果表明,提出的跟踪方法在快速运动、相似物体干扰、复杂背景等条件下具有较好的跟踪稳健性。     

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。     

基于改进高斯混合模型的运动目标检测与跟踪算法

针对传统高斯模型存在的不足,为了搞高运动目标跟踪精度,提出一种基于改进高斯混合模型的目标检测与跟踪算法。首先提取目标特征建立目标分类器,并将目标从前景是标记出来;然后通过多目标跟踪将目标为多种运动模式;最后采用高斯混合模型对跟踪与分类的结果进行融合,获得最终目标的位置。结果表明,本文方法不仅提高了目标检测与跟踪精度,而且可高斯模型以较好的满足目标跟踪的实时性要求。     

基于直方图比的背景加权的Mean Shift目标跟踪算法

针对Mean Shift跟踪算法目标模型中背景像素所造成的目标跟踪定位的偏差,提出了一种基于直方图比的背景加权的目标表示方法。该方法使用由目标核直方图和背景直方图的对数似然比值推导出的隶属度因子作为权值,通过只对目标模型进行加权变换,而不变换目标候选模型的方法,增强了目标和背景的可分性,有效减少了跟踪过程中背景像素的干扰,提高了目标定位的准确性。 仿真实验结果表明算法的有效性。     

基于直方图比的背景加权的Mean Shift目标跟踪算法

针对Mean Shift跟踪算法目标模型中背景像素所造成的目标跟踪定位的偏差，提出了一种基于直方图比的背景加权的目标表示方法。该方法使用由目标核直方图和背景直方图的对数似然比值推导出的隶属度因子作为权值，通过只对目标模型进行加权变换，而不变换目标候选模型的方法，增强了目标和背景的可分性，有效减少了跟踪过程中背景像素的干扰，提高了目标定位的准确性。 仿真实验结果表明算法的有效性。     

基于两阶段稀疏表示的稳健快速视觉跟踪

L1跟踪对局部遮挡具有较好的稳健性,但存在对模板中的离群信息比较敏感和计算速度慢的问题。针对这两个问题,提出了两阶段稀疏表示模型,并基于块坐标优化原理设计了相应的快速求解算法。在第一阶段,该算法利用局部约束线性编码,求解目标模板表示系数,在第二阶段,该算法利用软阈值操作,求解小模板表示系数。以粒子滤波为跟踪方法,结合提出的模型和算法实现了稳健快速的视觉跟踪。利用标准图像序列对提出的方法进行了验证,实验结果表明,提出的跟踪方法在稳健性和跟踪速度方面均优于现有跟踪方法。     

基于区域增长的图像跟踪算法的研究

为了提高序列图像的跟踪精度,提出了基于区域增长的特征量提取方法。这种方法可捕获图像中所有单连通域,并能准确地提取其特征量,然后依据所提取的特征量设计分类器,实现对图像中所有单连通域进行分类识别并加以跟踪的目的。此算法有效地解决了一般传统识别算法难以区分目标和其近邻区域的干扰,而导致跟踪目标特征量提取不准确的问题。在目标特征提取识别算法的基础上,还提出了阈值预测分割算法,并应用在序列图像的跟踪中,取得了较好效果。     

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.     

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.     

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。     

三轴光电跟踪系统对地平式天顶盲区出入点的判定方法

三轴光电跟踪系统可以全方位跟踪空间目标,在地平式光电跟踪系统天顶盲区内通过转动X轴实现快速高精度跟踪。用多种三轴光电跟踪系统对地平式天顶盲区进行判定,包括目标距离信息判定方式、Z轴转动速度判定方法、预置盲区判定方法等。判定方法的选择直接影响三轴光电跟踪系统的跟踪精度。理论分析和仿真表明：以Z轴的最大保精角速度来判定地平式盲区的出入点使三轴系统在天顶附近有更高的跟踪精度,且可实现跟踪方式的平稳过渡。     

基于注意力和角度间隔损失的高光谱目标跟踪北大核心CSCD

随着计算机技术的发展,基于深度学习的目标跟踪方法已成为计算机视觉领域中重要的研究方向;但跟踪环境的复杂多变使得跟踪算法在背景干扰、颜色相近等问题上仍面临巨大挑战。相比于传统彩色图像,高光谱图像包含丰富的辐射、空间和光谱信息,能够有效提升目标跟踪的准确率。提出了将注意力机制(attention mechanism)和加性角度间隔损失(additive angular margin loss, AAML)相结合的方法来进行针对高光谱图像的目标跟踪。通过融合多域神经网络对不同波段组合进行特征提取,同时设计了融合的注意力机制模型,使得来自不同波段组合之间的相似特征进行整合和强化,在目标背景颜色相近的情况下,网络会更多地注意目标物体,使得跟踪结果更为准确。在此基础上为了使目标和背景的区分更具有判别性,网络使用加性角度间隔损失作为损失函数,在训练过程中可以有效减小同类样本的类内距离,增大正负类样本的类间距离,从而提高网络的准确性和稳定性。实验结果表明,本文方法可使两种跟踪精度评价指标精确率和成功率分别提升1.3%和0.3%,相较于其他方法更具优势。     

Aerial Video Trackers Review

Target tracking technology that is based on aerial videos is widely used in many fields; however, this technology has challenges, such as image jitter, target blur, high data dimensionality, and large changes in the target scale. In this paper, the research status of aerial video tracking and the characteristics, background complexity and tracking diversity of aerial video targets are summarized. Based on the findings, the key technologies that are related to tracking are elaborated according to the target type, number of targets and applicable scene system. The tracking algorithms are classified according to the type of target, and the target tracking algorithms that are based on deep learning are classified according to the network structure. Commonly used aerial photography datasets are described, and the accuracies of commonly used target tracking methods are evaluated in an aerial photography dataset, namely, UAV123, and a long-video dataset, namely, UAV20L. Potential problems are discussed, and possible future research directions and corresponding development trends in this field are analyzed and summarized.     

An enhanced RSS-distance-angle weighted geometric filter for device-free localization

Device-free localization and tracking as an emerging technology has attracted substantial research attention in wireless sensor networks. However, there is much room for improvement in localization and tracking accuracy. In this paper, by using received signal strength (RSS) measurements we propose an enhanced geometric filter which consists of a series of weights corresponding to RSS, distance, and angle, respectively. Specifically, RSS-based weights are dependent on the change in RSS of communication links to remove improbable target locations. To ensure robust tracking performance, distance-based weights are assigned to probable target locations. Angle-based weights are used to ensure the correct direction of motion. Experimental results demonstrate that the proposed geometric filter could improve the accuracy of positioning by up to 50.8% for non-straight path and 48.3% for straight path over some state-of-the-art methods.     

激光动态光束定向系统的跟踪识别过程仿真

 根据目标和背景亮度计算公式和3维图形开发包,建立了仿真3维场景。基于仿真场景,对激光动态光束定向系统的跟踪识别过程进行了仿真研究。分析了跟踪、瞄准过程中各种误差的涵义,研究了视场大小、目标成像姿态对跟踪过程的影响,通过头部跟踪顶点滑动误差的理论值与仿真实验值的比较校验了仿真场景的建立与图像处理方法的正确性。研究了头部边缘跟踪算法,仿真结果基本满足了激光动态光束定向系统对跟踪精度的较高要求。     

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...     

相位一致性图像及其在目标跟踪中的应用(英文)

针对传统实时相关跟踪方法对照度变化敏感的问题,提出了一种基于相位一致性图像的相关跟踪方法.利用相位一致性函数值在[0,1]区间内且无量纲、对图像的亮度和对比度具有不变性等特点,首先对原始图像进行相位一致性检测,得到相位一致性图像,再利用MAD(Minimum Absolute Difference)等相关跟踪算法在相位一致性图像中对目标进行跟踪运算.对可见光和红外图像的实验表明,在图像的亮度和对比度发生剧烈变化的情况下,算法仍能保持对目标的稳定跟踪.该方法可用于解决传统实时相关跟踪方法普遍存在的因照度变化导致跟踪点漂移甚至跟踪失败的问题.     

数字图像注入式红外目标捕获跟踪训练仿真

介绍一种利用数字图像注入构建目标环境来完成目标捕获跟踪仿真训练任务的新方法,该方法通过模拟目标的理论航迹,实时接收并解算编码器输出值,同时与目标的运动方程做综合处理,计算出目标的位置信息,最后在背景中合成目标后按照红外图像的格式将数字图像注入到数字图像处理系统中。该方法可以在不开启红外相机的情况下,方便地完成手动及自动跟踪的训练任务,节约了训练成本,并已成功运用到某光电跟瞄设备的仿真训练系统中。