一种基于改进卡尔曼滤波的camshift目标跟踪算法

针对目标跟踪中的突变问题,本文提出一种基于改进卡尔曼预测的camshift(continuously adaptivemean shift)跟踪算法.本算法首先使用一种新的目标颜色模型,对传统目标模型进行改进,提高了目标跟踪的准确性和稳定性;同时为了更有效的预测目标位置,对卡尔曼滤波的一步预测值进行改进,并将修改后的卡尔曼预测算法融入camshift算法中,跟踪中增加采样率.实验表明,与传统camshift算法相比,该算法能够处理目标运动中发生突变的情况,实现对运动目标高精度的跟踪.     

多个运动目标回声图像的自动检测与跟踪

以图像处理技术理论为前提,提出了一种基于特征代价函数的运动目标自动检测跟踪算法.通过隔帧对称差分法检测运动目标,应用卡尔曼滤波对运动目标进行预测,并计算可能目标的形心、速度、大小、周长、长宽比等特征参数,依据这些特征参数构造了一个用于目标跟踪的代价函数,成功地实现了对水下多个运动目标的自动检测与跟踪.     

一种动态模板匹配的卡尔曼滤波跟踪方法

在视频跟踪系统中,运动目标检测是实现跟踪的前提和难点.为了能够有效地检测出目标,提出了一种基于动态模板匹配和卡尔曼滤波的目标跟踪算法.首先将前两帧图像差分检测运动目标区域,提取特征点;然后利用卡尔曼滤波在搜索区域中找到与目标模型最匹配的候选目标位置并与当前帧目标模板进行匹配;最后将特征点流失率作为限定阈值,采用模板更新策略动态更新模板.跟踪实验表明,该算法具有很好的匹配精度与实时性,对目标姿态变化、大小变化、遮挡问题等有很好的鲁棒性.     

基于UKF的简化交互多模型视频图像机动目标跟踪算法

在视频图像运动目标的状态估计与跟踪问题中,常用的扩展卡尔曼(EKF)算法简单、计算量小,但仅适用于弱非线性和弱高斯环境下.本文提出一种基于无迹卡尔曼滤波(UKF)与简化交互多模型(IMM算法相结合的视频图像运动目标跟踪算法,有效地克服了EKF算法在强非线性状态下或对小运动目标跟踪时精度低,容易发散的问题.仿真结果表明,该算法估计和跟踪非线性目标的性能明显优于基于EKF算法,其跟踪精度可达到三阶(泰勒级数展开)精度.     

方位角准确预测法在光电跟踪中的应用研究

本文通过基于卡尔曼滤波和一步预测理论建立适当的数学模型,提出了一种应用于舰载光电跟踪设备的拟线性目标方位预测算法,并对不同的运动目标的进行了仿真计算。结果表明该方法有较高的精度,能预测出光电跟踪设备在丢失目标情况下的目标航迹,可满足其在炮振丢失目标情况下的预测要求。     

基于卡尔曼滤波器的运动目标跟踪的实现

联系智能视频监控系统的现状,对运动目标跟踪技术的发展,提出了基于卡尔曼滤波的目标跟踪算法进行了详细论述,并进行实验验证。实验结果表明,系统能同时跟踪多个运动目标,系统实时性也能满足,基本解决了运动遮挡问题。     

复杂背景及遮挡条件下的运动目标跟踪

CamShift算法应用于复杂背景及遮挡条件下视频跟踪时,极易出现跟踪失效和目标丢失。本文提出基于颜色、纹理及目标运动信息的综合特征用于改进CamShift算法,结合Kalman滤波器对目标运动状态进行预测提高了复杂背景下运动目标的跟踪稳定性和跟踪精度。在目标发生遮挡时,通过目标遮挡前的先验信息进行最小二乘拟合及目标运动轨迹外推,预测目标运动位置信息,有利于遮挡结束时对运动目标的重新捕获。多组实验结果及性能分析表明,该算法在复杂背景及目标被短时遮挡情况下,可以实现目标的持续、稳定跟踪,并具有较好的实时性。     

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。     

预测滤波技术在光电经纬仪中的应用仿真

针对光电经纬仪的电视跟踪系统脱靶量动态滞后问题,引入了预测滤波技术,分析指出经纬仪跟踪的目标在摄像机靶面上的成像点运动为机动,且认为机动加速度服从修正瑞利分布,采用基于机动目标“当前”统计模型的自适应卡尔曼滤波算法进行误差动态补偿,仿真结果表明,该算法较传统方法不但补偿精度高且极大抑制了随机误差。     

水下机动目标跟踪技术研究

水下目标跟踪是海洋国土监视、反潜战等环境下的关键技术。以往的跟踪滤波算法主要基于卡尔曼滤波、扩展卡尔曼滤波等算法,这些方法实现比较复杂,滤波精度不高。最近出现了不敏卡尔曼滤波、粒子滤波、转换瑞利滤波、双多基地跟踪算法等,需要研究这些算法在水下目标跟踪中的性能。总结对比了国内外学者在此领域的研究成果,得出了这些滤波算法在水下目标跟踪中的优缺点。重点论述了纯角度跟踪和非线性滤波算法的发展、在水下目标跟踪中的应用以及多基地声纳跟踪水下目标技术的发展,回顾了机动目标跟踪和多目标数据互联算法。研究表明,非卡尔曼滤波算法能够更高精度地跟踪水下目标,双多基地声纳是今后发展的重点。为今后的研究提供参考。     

快速运动目标的Mean shift跟踪算法

针对Mean shift本身的理论缺陷,提出Mean shift和卡尔曼滤波器相结合的快速目标跟踪算法。利用卡尔曼滤波器来获得每帧Mean shift算法的起始位置,然后再利用Mean shift算法得到跟踪位置。在目标出现大比例阻挡情况时,利用卡尔曼残差的计算来关闭和打开卡尔曼滤波器,此时,目标位置的线性预测替代了卡尔曼的作用。试验证明,本算法可以实现对快速运动目标的跟踪,对阻挡也有很好的鲁棒性。     

基于最大后验概率密度的粒子过滤器跟踪算法

Kalman滤波的弱点是它无法解决非线性、非高斯问题的跟踪。为此提出了一种新型的跟踪算法,粒子过滤器算法。该算法采用加权的粒子集模型表示状态的分布,迭代跟踪状态的变化。其优点是它可以适应复杂环境的重叠和遮挡情况,且能同时跟踪多目标。采用最大后验概率模型确保了状态判断和估计的准确性。对重采样的分析减少了算法对噪声的敏感。并把样本安排在目标可能出现的区域。在眼睛跟踪系统上实现了该算法。仿真结果表明MAP模型在精度上与传统的方法比较提高7%。眼睛跟踪的结果证实了仿真的结果。     

双子阵被动跟踪系统

文章介绍一种用于水下机动目标测量的双子阵被动跟踪系统,介绍了双子阵定位原理和系统构成,提出了广义相关时延估计方法、时延值滤波方法和卡尔曼弹道滤波器,该系统能方便地进行水面或水下机动目标的跟踪测量。     

基于假设理论的序列图像中多目标检测和跟踪(英文)

本文提出一种基于目标检测的多维假设多目标检测和跟踪方法,此算法对于序列图像的照明变化和遮蔽现象具有很高的鲁棒性.首先,对序列图像进行背景抑制、时域滤波和杂波剔除的预处理,得到单帧的初始目标检测结果.对于初始检测中存在的漏检和误检现象,采用基于假设理论的跟踪概率模型优化初始检测轨迹;将目标的跟踪信息反馈于目标检测模块,形成一闭环自适应跟踪系统,达到多目标的最优检测和跟踪.实验结果表明了所提出的方法在多目标检测和跟踪中的可行性和有效性.     

一种基于矩特征和特征光流的运动目标跟踪方法

提出了一种基于矩特征和特征光流的运动目标跟踪方法.首先进行角点特征提取,按照提出的基于矩特征的局部范围内匹配角点的策略,完成了序列图像的角点匹配;然后,按照本文提出的光流聚类准则完成了两个图像目标的聚类.仿真实验表明,本文算法在减少计算量的同时可提高跟踪精度,且可克服目标做小角度旋转时的失跟问题.     

光电跟踪的非线性卡尔曼滤波算法

为得到最小方差意义下的光电跟踪目标的最优状态估计,提出将部分状态卡尔曼滤波和非线性系统的一阶线性化思想相结合,构成一种适用于非线性光电跟踪目标的卡尔曼滤波算法,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,并与扩展卡尔曼滤波和U卡尔曼滤波进行性能对比.仿真实验结果证明,将部分状态卡尔曼滤波和非线性系统的一阶线性化思想相结合是有效可行的,而且其性能明显优于扩展卡尔曼滤波和U卡尔曼滤波.     

扩展容积卡尔曼滤波定位技术研究

为提高被动定位技术的精度与环境适应性,本文提出运用一种新的非线性滤波方法—扩展容积卡尔曼滤波算法进行多角度传感器目标定位;它首先利用EMD(经验模态分解)算法对目标的量测噪声协方差矩阵进行估计;然后,将过程噪声协方差和量测噪声协方差融入循环过程;同时,为保持算法的稳定性和正定性,利用求平方根的形式对算法改进。通过对扩展容积卡尔曼滤波与UKF(不敏卡尔曼滤波)算法跟踪目标的结果进行比较,在运算复杂度与UKF相当的前提下,扩展容积卡尔曼滤波算法不仅可以对未知量测噪声情况下的目标进行跟踪,而且显著提高了被动定位的精度。     

基于统计学习的运动目标轨迹跟踪

为了更准确地跟踪被动辐射源的运动轨迹,提出了一种将到达时差(TDOA)最大似然定位方法与基于统计学习的算法相结合的轨迹跟踪算法.该算法利用TDOA最大似然网格搜索法对目标进行多次单独定位,获得目标初始轨迹,然后应用统计学习算法对轨道进行学习和拟合,输出运动轨迹.仿真表明,同卡尔曼滤波器相比,该方法提供了更高的跟踪精度,当拟合点数达到300个点时,最终的跟踪精度同单次定位精度相比可提高一个数量级.     

基于局部特征组合的目标跟踪算法

为了克服目前大多数观测模型在小样本空间中鲁棒性不高的弱点,文中在粒子滤波框架下提出基于局部特征组合的粒子滤波视频跟踪算法。局部特征能更有效描述目标模板细节信息,可降低特征匹配中目标形变、光照变化和部分遮挡的影响。该方法借鉴混合高斯模型思想,采用多模式描述有效局部观测信息,这种融合策略更加准确可靠,能够较好地通过最新观测减轻了粒子退化现象,从而提高目标跟踪效率。小样本空间一定程度上降低了粒子数量和计算代价。实验结果表明该算法相比单一特征或一般多特征融合跟踪算法具有优越性,并能实现复杂场景下的目标跟踪。     

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。