基于联合概率数据关联和粒子滤波的多目标跟踪算法

数据关联一直是多目标跟踪中的核心问题,是实现多目标有效跟踪的关键。介绍了多目标跟踪的基本原理以及联合概率数据关联的基本原理,并且将粒子滤波引入到联合概率数据关联模型中,提出了联合概率数据关联-粒子滤波算法来实现多目标跟踪。仿真结果表明,此算法可以很好的实现固定数目多目标跟踪。     

红外搜索跟踪系统的数据关联算法研究

针对红外搜索跟踪系统(IRST)在单站情况下,对目标进行纯方位跟踪时存在的问题,提出一种数据关联算法.首先根据红外探测器的量测信息特点,从不同角度构造多组证据;然后采用证据组合规则对这些信息进行综合;最后通过极大化基本可信度赋值函数(BPAF)得到关联结果.这种基于D-S证据理论的数据关联算法,由于合理利用多源量测信息,有效地克服了传统方法处理数据不确定性时存在的问题.蒙特卡罗仿真结果表明,该算法具有较好的关联效果.     

一种基于改进蚁群算法的多目标跟踪数据关联方法

针对目标跟踪数据关联问题给出一种基于改进蚁群算法的数据关联方法。首先,根据多目标数据关联问题的特点,将该问题转化为组合优化问题;其次,将精英策略和排序策略引入传统蚁群算法,得到改进的蚁群算法,利用蚁群算法解决组合优化问题的优势,将改进的蚁群算法应用于多目标跟踪数据关联中,建立数据关联模型并给出基于改进蚁群算法的数据关联方法;最后,通过仿真实验验证了所获的基于改进蚁群算法的多目标数据关联方法的有效性和优势。     

雷达多目标跟踪的关联粒子滤波研究

在整个导弹防御系统中,多目标跟踪是很重要的一项技术,要求系统快速机动地跟踪导弹目标,但系统存在非线性问题,使用传统方法使跟踪偏差大。为解决上述问题,提出在非高斯条件下,把高斯-厄米特粒子滤波算法和联合概率数据关联方法相结合,对多目标跟踪的数据进行关联处理并进行状态估计。利用高斯-厄米特滤波计算的均值、协方差产生密度函数,并生成具有后验特征的粒子。用联合概率数据关联方法进行杂波剔除和数据关联,并对综合的关联粒子滤波算法进行仿真。仿真结果表明,改进方法可以有效解决多目标的准确跟踪问题。     

空基红外小目标检测与跟踪系统

近些年,红外成像技术快速发展,红外图像具有背景复杂、信杂比低、目标尺寸小等特点,为多运动目标的实时检测跟踪带来了挑战。该空基红外小目标检测与跟踪系统的构建包含三个部分：数据集制作、小目标检测和多目标跟踪。首先使用条件对抗生成网络和图像融合算法生成的仿真数据与真实数据相结合,搭建了红外小目标数据集;其次,小目标检测方面,采用了基于YOLOv3-tiny检测器进行红外小目标检测;多目标跟踪方面,采用了基于卡尔曼滤波算法和匈牙利算法的多目标跟踪方法;最终,在满足实时性的要求下,系统取得了较好的效果。     

舰载红外警戒系统的单站多目标数据关联与滤波算法

针对舰载红外警戒系统和所观测目标的特点,本文提出一种单站被动式跟踪系统的关联滤波算法.首先选取极坐标系建模使系统方程得到简化,然后基于启发式规则进行航迹起始,并给出纯角度域下的联合概率数据关联算法(JPDA),接着分析变量在角度域的变化规律,结合实际对算法进行修正从而完成交互多模型(IMM)的跟踪滤波.不同的仿真场景被给出用于验证该算法的性能,蒙特卡罗仿真结果表明该算法的有效性.     

多回波环境中多机动目标跟踪的新算法*

目标的状态估计与数据关联是机动多目标跟踪中的关键问题.针对杂波环境中多机动目标的跟踪问题,本文首先引入一种自适应滤波算法,并与快速概率数据关联算法结合,提出一种适于实际应用的密集回波环境下机动多目标跟踪的新算法-快速自适应概率数据关联(FAPDA)算法,利用近似概率数据关联(PDA)算法的计算量达到优于联合概率数据关联(JPDA)算法的跟踪效果,并能快速检测到机动.通过与JPDA算法的仿真结果进行对比,表明了该算法的有效性和快速性.     

基于聚类融合的多目标跟踪算法

多目标跟踪是多传感器数据融合中的一个重要问题。基于模式识别理论 ,提出了一种通过对传感器测量数据集类 ,以区分源于不同目标的测量数据集合。对各个类对应的目标状态估计进行融合 ,从而实现了对多目标的实时跟踪。这种算法聚数据关联、数据融合和目标跟踪于一体 ,大大降低了多目标跟踪问题的复杂性和计算量。实际数据实验充分表明了本算法的有效性。     

在线多目标视频跟踪算法综述

视频多目标跟踪是计算机视觉领域重要的研究课题之一,不论是在军用还是民用都有广泛应用。目前对单目标的跟踪算法研究已经相当成熟,但对于多目标跟踪的研究还处于发展阶段。重点研究了多目标跟踪过程中的四个重要阶段：特征提取、检测器、数据关联、跟踪器。特征提取阶段详细介绍了目前主流的特征提取方法以及各个方法之间的优缺点;检测器阶段首先详细介绍了目标外观模型在具体应用场景中的跟踪效果,接着对基于检测跟踪的多目标跟踪算法和基于深度学习的多跟踪算法进行了分析;跟踪器阶段分别介绍了目标运动模型的建立和利用不同跟踪器混合的多目标跟踪算法;数据关联阶段分别介绍了基于能量最小化的多目标跟踪以及常用的数据关联算法。接着,介绍了目前主流的数据集以及评测方法;最后对多目标跟踪未来的发展进行了思考和展望。     

基于贝叶斯推理的目标跟踪

该文描述了基于贝叶斯推理的目标跟踪算法，可应用于非线性、非高斯系统中。介绍了贝叶斯跟踪基本概念。讨论了单目标跟踪算法及在不考虑数据关联、考虑数据关联两种情况下的多目标跟踪算法。给出了每种跟踪算法应满足的假设条件及其递归方程。最后，简要介绍了在工程中应用的具体算法。     

Integrated probabilistic data association

This paper presents an integrated probabilistic data association algorithm which provides recursive formulas for both data association and track quality (probability of track existence), allowing track initiation and track termination to be fully integrated into the association and smoothing algorithm. Integrated probabilistic data association is of similar computational complexity to probabilistic data association and as demonstrated by simulation, achieves comparable performance to the more computationally expensive interactive multiple model probabilistic data association algorithm which also integrates initiation and tracking     

Factor graph aided multiple hypothesis tracking

Since closely moving targets exist extensively in the ground moving target tracking, the uncertainty of data association greatly increases making the measurement-to-track association more difficult. Especially, traditional multiple hypothesis tracking （MHT） has high false tracking rate and track swap. This paper first investigates the measurement based factor graph in data association, and gives the corresponding message passing algorithm. Then, a factor graph aided multiple hypothesis tracking （FGA-MHT） method is proposed, which introduces factor graph based m-best hypothesis producing technique and exploits factor graph based probability refinement algorithm to reduce the uncertainty of measurement-to-track association. Experiment results demonstrate that FGA-MHT reduces times of track swap and increases the correct data association rate in closely moving target tracking.     

Detection and tracking of single-pixel targets based on trajectory continuity

A target detection and tracking algorithm has been developed to identify single-pixel targets with unknown motion from a time sequence of highly noisy images. The algorithm is based on a target trajectory continuity theory, utilizing temporal continuity and smoothness of target trajectories in both intensity and spatial coordinates in an image plane to detect and simultaneously track multiple targets. With a unique application of the trajectory continuity theory, the algorithm presents an effective engineering solution to the small target track initiation problem in under-speficied environments where an optimum solution is not possible, and at the same time unties the constraint of straight line trajectory that most optimum algorithms require for similar tasks. The algorithm design utilizes a parallel-distributed computing architecture, which aims for real-time target detection and tracking applications.     

Multiple 3D object position estimation and tracking using double filtering on multi-core processor

We present a new algorithm to tracking multiple 3D objects that has robustness, real-time processing ability and fast object registration. Usually, many augmented reality applications want to track 3D object using natural features in real-time, more accuracy and want to register target object immediately in few seconds. Prevalent object tracking algorithm uses FERN for feature extraction that takes long time to register and learning target object for high quality performance. Our method provides not only high accuracy but also fast target object registering time about 0.3 ms in same environment and real-time processing. These features are presented by using SURF, ROI, double robust filtering and optimized multi-core parallelization. Using our methods, tracking multiple 3D objects with fast and high accuracy is available.     

面向量测的◢m-最优N◣扫描多假设跟踪方法

为解决联合概率数据互联只能跟踪已知数目目标和互联模糊,以及传统多假设跟踪算法生成假设数目随时间积累呈指数增长问题。提出一种面向量测m-最优假设N扫描MHT方法。首先,在每一假设下生成m-最优假设,在每帧产生既定数目最优及次优假设;然后,通过N宽度滑窗产生最优可行假设,完成数据互联,并分别使用两点差分线性法和全局最小二乘估计完成单个新目标和多个新目标航迹起始。仿真结果表明,该方法与MHT-DAM算法相比较,获得了跟踪性能和运算时间上的平衡。     

波门设计对多频连续波雷达航迹起始的影响

针对多频连续波雷达航迹起始问题,提出一种引入径向速度量测的航迹起始新方法.首先从理论上分析航迹起始波门的设计方法;然后详细阐述了引入径向速度量测后的航迹起始算法;最后通过Monte Carlo仿真验证了该算法的有效性,并结合多频连续波体制雷达的测距特点,分固定测距误差与变测距误差两种情况比较了不同波门设计对多频连续波雷达航迹起始效果的影响.     

采用序贯滤波的红外/ 雷达机动目标跟踪

当机动目标状态是非平稳和非线性时,红外传感器和雷达的目标状态方程和量测方程都是非线性和非高斯的,为了解决经典跟踪算法的残差较大或发散的问题,提出一种新的融合跟踪算法:在对红外传感器和雷达的量测数据进行时间对准和同步融合后,将融合后的量测数据送入重抽样粒子滤波器进行处理以预测和跟踪机动目标.最后给出了一个仿真跟踪实例,并与同类多雷达跟踪的效果进行了比较,说明了异类融合跟踪优于同类多雷达融合跟踪.     

一种鲁棒的时空上下文快速跟踪算法

为解决时空上下文快速跟踪算法在目标处于复杂背景及被遮挡情况下容易产生漂移的问题,提出了一种鲁棒的时空上下文快速跟踪算法,通过引入Kalman滤波器,对当前帧中的目标在下一帧中的位置进行估计和预测,并将其作为下一帧时空上下文快速跟踪算法的迭代起点。对不同视频序列的跟踪结果表明,与时空上下文快速跟踪算法和多示例学习跟踪算法相比,提出的算法在目标被遮挡及复杂背景情况下能够更准确地跟踪到目标,并且满足实时性要求。     

Distributed interacted multisensor joint probabilistic data association algorithm based on D-S theory

With the development of science and technique, the surveillance systems used in the battlefield have been developed into multisensor systems. Therefore, the multisenor multitarget tracking algorithms, such as centralized multisensor joint probabilistic da…