改进的EKF算法在目标跟踪中的运用

过程噪声和测量噪声影响Kalman滤波的性能,通常很难得到它们准确的值。提出观测噪声和过程噪声实时估计的自适应算法。该算法可以用在非线性和机动目标跟踪问题中,不必预先知道准确的噪声方差。重新估测观测噪声方差矩阵,可以较好地消除由观测噪声带来的误差;建立一个简单的线性Kalman滤波器对过程噪声进行实时估计,这对于机动目标来说是必要的,因为原有的过程噪声将受到加速度影响,不能包含全部的信息。实验表明,该算法保证EKF稳定性,提高了跟踪性能。模拟实验300次后,X,Y方向位置均方误差分别为7.8099,9.6838。     

一种新的自适应非线性卡尔曼滤波算法

为避免由于系统噪声统计特性不准确所导致的滤波性能下降问题,改进了一种基于新息的系统噪声方差调整方法,并将其与扩展卡尔曼滤波、Unscented 卡尔曼滤波和差分滤波相结合,形成自适应非线性卡尔曼滤波.将此方法应用到非线性测量光电跟踪系统中,并与采用基本非线性卡尔曼滤波进行性能对比.仿真实验结果证明该方法可以实时调整系统噪声方差,有效地避免由于系统噪声统计特性不准确所带来的滤波性能下降的问题,而且其性能明显优于基本非线性卡尔曼滤波.     

多传感器模糊融合跟踪算法

针对集中式融合结构跟踪系统,利用随机逼近算法分析了权值的最优分配原则,提出了一种基于模糊推理的多传感器融合跟踪算法。该算法采用协方差匹配技术,依据滤波新息,动态调整测量噪声方差,使融合系统的均方误差始终最小。同时利用双滤波器结构,根据系统方差,实现滤波器间的动态切换,提出了基于模糊推理的并行双Unscented卡尔曼滤波自适应跟踪算法,增强当前统计模型对弱机动目标的适应能力。针对机动和非机动飞行航路进行了算法仿真,结果表明,在时变测量噪声条件下,采用模糊融合跟踪算法前后的速度均方根误差分别为45.7m/s和36.2m/s, 18.7m/s和9.6m/s,提高了多传感器系统的稳健性和跟踪精度。     

噪声方差自适应修正的混合系统故障诊断方法

针对混合系统故障诊断问题,提出了一种模型噪声方差自适应修正的多模态故障诊断方法。首先,在粒子滤波的框架内将混合系统故障诊断建模为最优状态估计与跟踪问题,利用实时观察信息和各个模态先验的转移概率,估计最优的故障模态,并针对估计结果进行单独的建模分析;接着,根据平滑估计值和当前观测信息之间的相关性,建立噪声方差在线自适应检测机制,对模态噪声方差进行自适应更新,有效克服了模型噪声统计特性时变对滤波精度的影响,提升了算法的鲁棒性。最后,针对多种模态估计跟踪进行了充分的仿真分析,验证了本文方法的有效性和鲁棒性。     

仅有角度观测信息情况下目标机动自适应跟踪算法研究

针对光电目标跟踪问题中纯角度跟踪的特点,提出了纯角度目标的机动自适应跟踪算法.该算法采用机动目标“当前”统计模型描述目标的运动特性,根据强跟踪滤波器的思想通过实时检测滤波器的残差信息确定目标的机动变化情况,进而调整“当前”统计模型中表征目标机动特性的参数(机动频率和随机加速度分布的极值),使得运动模型更加符合目标的机动...     

一种纯方位跟踪中的自适应滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波算法易发散的不足，提出了一种自适应的改进算法。该算法利用极大后验噪声估计器Sage-Husa对虚拟观测噪声进行实时在线估计，动态补偿线性化带来的误差。算法的对比仿真分析结果表明，AEKF较之EKF滤波效果有所改善，增强了稳定性，提高了精度，为ST纯方位被动目标跟踪的实现提供一种新的方法。     

基于当前统计模型的一种双自适应模糊滤波算法

在当前统计模型的基础上,提出一种双自适应模糊滤波算法.该算法利用模糊推理机制及结合升半正态形模糊分布函数,对最大加速度和过程噪声协方差矩阵进行双自适应调整.针对阶跃机动,引入强跟滤波器达到增强跟踪机动目标的能力.仿真结果表明,该算法提高了机动模型与目标实际机动模型的匹配程度以及对强机动目标跟踪的精度,改善了滤波器的跟踪性能,克服了对弱机动目标跟踪性能的不足.     

复杂背景、强噪声环境中的点源目标检测及跟踪方法

介绍了一种在复杂背景、强嗓声环境中检测并跟踪多个点源目标的方法。目标在图象中的位置是未知的；其轨迹是连续的并可以是任意的；图象序列中含复杂的变化背景，并伴有强的随机白噪声；目标为压几个象元的点目标，本文提出的是一种回形窗扫描、相关处理及相关跟踪相结合的算法，能有效地从复杂背景、强噪声环境中检测与跟踪多个点源目标。这种算法能对图象进行分割、并行处理，适合于实时的目标探测及跟踪。     

光电跟踪系统非线性新息自适应卡尔曼滤波算法

为解决非线性部分状态卡尔曼滤波算法中由于线性化误差所导致的滤波精度下降问题,提出采用UT变换方法计算系统状态误差方差,及基于新息自适应调整系统噪声方差,进而构成一种新的非线性自适应部分状态卡尔曼滤波算法,并总结出详细算法结构.同时,将此方法应用到非线性测量光电跟踪系统中,并与U卡尔曼滤波和非线性部分状态卡尔曼滤波进行性...     

一种新的基于区域的高速公路多车辆跟踪方案

提出一种新的基于区域的高速公路多车辆跟踪方案,包括背景建模、目标识别、目标跟踪等过程。针对高速公路监控图像质量差和干扰信号强的特点,在常规的颜色混合高斯背景模型的基础上,提出一种新的基于扰动区域的高斯背景模型来消除强噪声和背景小幅度运动的影响,并在时间序列上通过Kalman滤波迭代加权算法实现背景模型的自适应性更新。该背景模型明显提高了背景分割的准确性和自适应性。提出了一种改进的非递归区域生长算法用以有效地实现多目标的识别,算法复杂度仅为O(n)。采用目标特征匹配和区域运动预测规则对多车辆进行实时跟踪和识别。实现了一个高速公路实时监控原型系统,运行结果表明,该跟踪方法不仅能准确跟踪和识别多目标,而且对道路环境和车辆运动方向具有很好的适应性和鲁棒性。     

基于自适应特征融合的多尺度相关滤波跟踪

为了减小目标跟踪中目标变形、光照影响、运动模糊以及目标旋转对跟踪效果的影响,在相关滤波KCF基础上,提出了一种基于自适应特征融合的多尺度相关滤波跟踪算法。首先,提取VGG19网络中conv2-2、conv3-4、conv5-4层的特征以及CN特征,并在conv2-2层加入CN特征;然后,将这3个特征分别代替HOG特征进行滤波学习,得到3幅响应图;进而对3幅响应图进行加权融合预测目标位置。最后,在尺度方面引入多尺度相关滤波器进行尺度的确定。该算法比KCF跟踪算法精确度和成功率分别提高了13.6%和11.8%。与现有的其他优异跟踪算法相比,该算法在应对运动模糊、背景杂乱、目标变形、平面旋转方面更具有较好的跟踪效果。     

基于帧间差分和运动估计的Camshift目标跟踪算法

针对Camshift算法无法适应目标的高速运动、复杂背景和遮挡的局限性,本文提出结合帧间差分法和运动估计对Camshift算法进行改进.首先在颜色概率分布图计算中通过帧间差分法加入目标运动信息,实现自动初始化跟踪并排除与目标相似背景颜色的干扰.之后在搜索窗传递过程中预测目标的位置,根据跟踪状态对搜索窗进行调整,以实现对高速运动目标的跟踪.实验表明新算法在目标高速运动、遮挡、和同色干扰情况下,仍能进行有效跟踪.     

一种基于卡尔曼预测的动态目标跟踪算法研究

针对视频序列中目标的跟踪,均值漂移算法和卡尔曼滤波器相结合的目标跟踪算法已经被提出,而在移动机器人上实现对机动目标的实时跟随时,机器人自身的运动引起目标在像平面的偏移不能被忽略,在详述了两者的关系的基础上,建立起以机器人一个周期内的运动作为输入量的状态方程,以卡尔曼滤波器的估计值作为均值漂移算法的启动点,均值漂移算法的最终收敛点作为每帧的跟踪结果,并以此收敛点替代滤波器的估计值,两种算法交替使用,互为补充.实验表明所提算法可以实现在室外环境下对动态目标的实时跟踪.     

基于自适应因子化 H∞滤波的单站无源跟踪

针对单站无源跟踪系统非线性较强、传统跟踪滤波方法收敛速度慢且容易发散的问题,提出了一种基于自适应因子化 H∞滤波的单站无源跟踪算法.该算法利用 sigma 点转换和鲁棒 H∞滤波能够减小观测方程的线性化误差和降低观测误差不确定性的特点,通过新息控制减小野值对滤波的干扰,利用比例因子和渐消因子自适应调整采样点到中心点的距离和状态预报误差的协方差,从而克服基于 UT 变换的 H∞滤波采样时的非局部效应问题,增强了单站无源跟踪系统对噪声的鲁棒性.仿真实验结果表明,本文方法通过对 UT 变换进行简化,在自适应因子化的同时,算法的计算量与基于 UT 变换的 H∞滤波基本持平,且跟踪精度优于基于 UT 变换的 H∞滤波算法.该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法.     

一种新的空时域滤波小目标检测方法

为了提高红外图像序列中弱小目标的信噪比和检测概率,同时考虑检测算法实时性,提出了一种新的基于空时域滤波的小目标检测方法.首先,以第一帧图像为参考帧,对各帧图像进行运动补偿;然后,对运动补偿后的各帧图像在空域进行方差加权信息熵滤波,对空域滤波后图像采取双向隔帧差分的时域滤波;最后通过检测差分图像中的"凸包",抑制背景和噪声,检测小目标.文中给出了实验结果与分析,并与其他方法作了比较.实验结果表明,上述方法能大幅度的提高目标的信噪比,检测小目标,且实时性好.     

基于混合相关滤波信息融合再检测的目标跟踪算法

为了减小在目标跟踪过程中目标形变和复杂背景变化对跟踪效果的影响,提出一种基于混合相关滤波信息融合再检测的目标跟踪算法。首先,利用相关滤波算法提取到目标的方向梯度直方图HoG特征,利用颜色模板得到目标的颜色特征,计算两个模板的采样得分;其次,再将两者的特征信息用线性组合的形式进行特征信息融合确定目标位置,跟踪过程中,根据设定的阈值条件选择两个模板采样较大的得分再检测目标的位置;最后,输出所有帧目标位置的结果。与其他的算法进行比较,该算法在应对目标形变和背景杂波方面有较好的跟踪效果。     

结合水平集和粒子滤波的人脸轮廓跟踪

针对视频序列中的人脸轮廓跟踪问题,提出了一种将改进水平集方法引入到粒子滤波框架中的轮廓跟踪算法.此算法使用零水平集函数对人脸轮廓进行表示,通过水平集函数的演化对人脸轮廓进行逼近.为了解决人脸遮挡问题,将形状先验加入到演化过程中来约束曲线的演化.算法在粒子滤波的框架下可以同时跟踪人脸区域的仿射运动和人脸轮廓的形变.实验结果表明,所提出的'方法可以对人脸轮廓进行精确的跟踪,并对外界的光照变化,背景干扰,人脸部分遮挡有较强的鲁棒性.     

基于小波分析的惯性传感器信号Kalman滤波

针对光电跟踪系统惯性传感器信号特点,本文提出通过小波分析的方式确定相关Kalman滤波的模型及参数.该方法利用小波分析的优良特性,采用先将信号进行去噪处理,然后对去噪后的信号进行AR建模.根据小波去噪后的信号比较接近真实信号,将得到的观测噪声方差乘以一个小于1的系数后作为系统的过程噪声方差,从而确定模型的噪声参数.仿真实验结果表明,该方法不仅对惯性传感器的静态数据有很好的效果,而且对其动态观测数据也有良好的效果.同时,该方法不仅对光电跟踪系统有效,而且还具有一定的通用性.