基于线性拟合的多运动目标跟踪算法

提出了一种基于线性拟合的多运动目标跟踪算法.该算法首先利用新的DG_CENTRIST特征和颜色特征,进行似然计算;然后计算跟踪目标与当前帧目标的重合度,利用重合度进行目标度量和遮挡判断,当存在遮挡时,通过线性拟合来预测相互遮挡时目标的轨迹,对跟踪结果进行校正,实现多目标的正确跟踪.该算法具有很好的鲁棒性和稳定性,实验结果表明该方法能有效提高多目标跟踪的准确性.     

基于AM5708的智能多目标跟踪监控系统设计

监控系统的视频序列往往受到环境噪声、运动目标繁多和目标遮挡的影响,针对传统视频监控无法对人员实施有效检测、跟踪和计数的问题,设计一种基于ARM的智能多目标跟踪监控系统.从整体性角度阐述系统硬件设计方案和软件环境搭建.在算法实现方面,基于改进的自适应高斯混合模型和卡尔曼滤波实现了目标检测和跟踪,引入匈牙利算法进行数据关联来解决多目标跟踪的任务指派问题,同时利用检测目标和预测目标之间的欧式距离以及卡尔曼滤波解决了遮挡问题.实验结果表明,系统在场地和摄像头视角有限的情况下可以有效跟踪到6个运动目标,其平均处理能力保持在18帧/s.     

基于运动模型和数据关联的多目标跟踪

在多目标跟踪的拥挤场景中,目标之间的相互遮挡以及目标外观变化,给多目标跟踪中的目标位置预测和数据关联带来了很大的挑战.利用卡尔曼滤波算法建模目标运动模型对目标轨迹进行预测,能够有效缓解目标外观变化的影响.数据关联是多目标跟踪中的重要组成部分,为此,设计了一种相关性网络来处理多目标跟踪中的数据关联.实验结果证明：利用运动模型在跟踪速度上可以实现实时的跟踪效果,设计的相关性网络有效提升了跟踪器的跟踪精度.     

一种运动目标自适应检测与跟踪算法

提出一种运动目标自适应检测、跟踪算法。该算法利用自适应运动的检测算法，实现目标运动判断，减少了系统程序的计算量。根据图像处理提取的目标特征，采用卡尔曼滤波器，跟踪预测目标的搜索区域，从而建立每个目标的“目标链”，快速实现多目标的数据关联。实验证明，该算法保证了多目标跟踪的准确性、稳定性和连续性。     

检测区域自适应调整的TLD多目标跟踪算法

传统的TLD目标跟踪算法由于检测区域过大导致检测时间过长,并对相似目标跟踪效果不理想且只能对单个目标快速跟踪.针对这些问题,利用双Kalman滤波加速预测的DKF检测区域优化算法构造了一种检测区域可自适应调整的多目标跟踪算法——TLD-DOMO算法.TLD-DOMO算法的多目标检测器可对各目标的潜在运动范围进行预测,使其检测区域的大小及位置自适应地调整至最佳状态,以此提升对多目标跟踪的精度及效率.此外,该方法可有效地降低多目标间的相互干扰,支持对多相似目标的同时跟踪.实验结果表明:TLD-DOMO算法在对各测试视频的多目标跟踪中,跟踪速度均有提升,加速比为1.55~2.94倍;在多相似目标跟踪中,对各目标的检测与识别效果优于原TLD算法.     

雷达多目标交叉轨迹跟踪算法

针对雷达跟踪系统中的多目标运动情况,以及目标轨迹交叉重叠导致的目标丢失或跟踪错误等问题,将多目标联合状态下的加权重采样思想引入到标准粒子滤波算法中.对基本粒子滤波算法进行优化,使用离散随机变量模拟目标后验概率,存在多个目标时引入联合状态概念,用关联函数把多个目标的状态变量和观测变量表示出来,把联合状态下的采样数据加入跟踪粒子的权值更新过程,使得粒子能够根据目标间的状态变化准确预测各个目标的后验分布,从而更新目标运动估计值,避免下一时刻粒子采样分布错误.联合加权重采样优化后的粒子能够准确跟踪目标运动,粒子预测和更新也不受目标交叉运动影响,克服跟踪不稳定或跟踪误差较大的问题.仿真结果表明,改进的粒子滤波算法能够达到正确跟踪多个目标的效果,并且目标轨迹交叉时仍然能够保持较高的跟踪精确度.     

基于预测分离的无线传感器网络多目标跟踪算法探讨

针对无线传感器网络目标跟踪中的限制因素,提出了一种基于预测分离的无线传感器网络多目标跟踪算法。该算法利用混叠信号分离的原理对多目标混叠信号进行分离,得出每个目标所产生的单一信号,计算每个目标的状态;根据目标前一时刻的状态,用直线预测的方法预测目标下一时刻的状态,最后通过仿真验证算法。     

基于尺度自适应和跟踪框自转的视频目标跟踪

在高空运动变焦摄像机视频监控目标的自动识别跟踪中,跟踪目标背景、跟踪目标尺寸和跟踪目标相对背景运动的方位角都在实时变化,为解决常规Mean Shift目标跟踪算法在面临上述快速变化时容易出现的目标跟踪丢失问题,在Mean Shift目标跟踪算法的基础上,考虑跟踪目标的变尺度、长宽比和方位角等因素,提出了改进的基于尺度自适应和自转跟踪框策略的视频目标跟踪算法,实际场景下的实验结果表明:该算法具有较好的准确性和实时性,满足视频目标实时跟踪的应用需求。     

一种轻量级分布式Cell多目标跟踪算法

为了研发更有效的基于无线传感器网络(WSN)的多目标跟踪系统,在虚拟网格分层模型(VGA)和负载平衡树(LBA)的基础上,提出一种轻量级分布式Cell跟踪算法:每个目标拥有自己的跟踪Cell,当目标逃离当前Cell时,按目标航迹选出下一任Cell.多个Cell能分布式地对多目标进行同时跟踪,分为不交叉目标、跟踪Cell部分重叠目标和跟踪Cell完全重叠目标来进行讨论.实验模拟了多个目标的运动,结果表明该跟踪算法能及时有效地进行多目标跟踪.     

基于孪生网络的目标跟踪研究综述

近年来,基于孪生网络的目标跟踪算法由于在跟踪精度和跟踪效率之间能够实现良好的平衡而备受关注。通过对基于孪生网络的目标跟踪算法的文献进行归纳,对现有孪生网络目标跟踪算法进行了全面总结,对孪生网络的2个分支结构进行了讨论。首先,介绍了基于孪生网络目标跟踪的基本架构,重点分析了孪生网络中主干网络的优化,以及主干网络的目标特征提取问题。其次,对目标跟踪过程中的分类和回归2个任务展开讨论,将其分为有锚框和无锚框2大类来进行分析研究,通过实验对比,分析了算法的优缺点及其目标跟踪性能。最后,提出未来的研究重点:1)探索背景信息训练,实现场景中背景信息传播,充分利用背景信息实现目标定位。2)目标跟踪过程中,目标特征信息的更加丰富化和目标跟踪框的自适应变化。3)从帧与帧之间全局信息传播,到目标局部信息传播的研究,为准确定位跟踪目标提供支撑。     

一种基于过滤器的无线传感器网络复杂查询优化算法

无线传感器网络节点无法获得持久的能量供应,因此高效地利用有限的能量,尽可能多地延长节点工作时间,是无线传感器网络中的重要研究点.介绍了一种基于过滤器的无线传感器网络复杂查询优化算法FbUA.其基本思想是为每一个无线传感器网络节点设置一个过滤器.过滤器本质上是一个由样本值确定的取值区间.当节点采集到新数据时,根据本地的过滤规则决定是否向上提交.这样可以屏蔽某些无用通信,节省节点能量,延长其工作时间.FbUA可以完成Top-k,k-NN等复杂查询.模拟实验结果表明,在多数情况下,FbUA可以节约通信量50%~70%.     

多目标量化变分滤波贝叶斯WSN跟踪定位算法

为进一步提高无线传感器网络节点跟踪定位精度降低能耗,提出一种多目标拥挤度差分优化的贝叶斯量化变分滤波预估WSN跟踪定位算法. 首先,针对定位问题,采用贝叶斯量化变分滤波方法对目标下一位置区域进行预测,利用量化变分滤波方式选取合适的定位参与节点,并设计了量化变分滤波的多目标参数优化模型. 其次,针对传统多目标优化算法寻优精度不高的问题,设计了基于种群个体拥挤度状况的多目标差分进化算法,对量化变分滤波算法参数进行优化,实现了滤波参数的多目标优化. 最后,通过实验仿真表明,该算法能够有效实现目标节点的跟踪定位,并可节省能量消耗.     

Multi-objective optimization sensor node scheduling for target tracking in wireless sensor network

Target tracking in wireless sensor network usually schedules a subset of sensor nodes to constitute a tasking cluster to collaboratively track a target.For the goals of saving energy consumption,prolonging network lifetime and improving tracking accuracy,sensor node scheduling for target tracking is indeed a multi-objective optimization problem.In this paper,a multi-objective optimization sensor node scheduling algorithm is proposed.It employs the unscented Kalman filtering algorithm for target state estimation and establishes tracking accuracy index,predicts the energy consumption of candidate sensor nodes,analyzes the relationship between network lifetime and remaining energy balance so as to construct energy efficiency index.Simulation results show that,compared with the existing sensor node scheduling,our proposed algorithm can achieve superior tracking accuracy and energy efficiency.     

一种新的无线传感器网络非均匀分簇算法

为避免无线传感器网络的能量空洞问题, 延长无线传感器网络寿命, 提出一种新的基于双簇头的无线传感器网络非均匀分簇算法. 该算法综合考虑节点剩余能量和节点到基站的距离选举分簇簇头, 将无线传感器网络分为不同规模的簇; 为了减小规模较大簇的簇头节点收集与传输数据的负担, 在数据传输阶段构造基于改进最小二 叉树的数据传输路径. 实验结果表明, 该算法能够有效减小节点能量消耗, 可有效延长无线传感器网络的使用寿命.     

基于Kinect的目标跟踪与避障

利用Kinect实现室内移动机器人的目标跟踪与避障功能,其中Kinect提供的光学图像用于实现机器人视觉目标跟踪。利用Kinect的人脸识别功能,避免当环境中出现多目标时,机器人对运动目标的识别出现混乱;同时增加了增量子空间对视频信息进行及时更新,避免机器人因目标移动较快而跟丢目标;利用T-S模糊神经网络法实现避障功能,相比传统算法有效改善了其收敛性。在移动机器人CRX10上实验证实了该系统能够较好地完成目标跟踪的同时具有躲避障碍物的功能。     

平衡WSN目标失跟率的自适应采样频率方法

针对WSN固定采样频率下机动性目标失跟率较高的问题,分析了机动性目标失跟的机理,建立了表征失跟率、采样频率、目标速率关系的数学模型,提出了平衡目标失跟率的自适应采样频率方法,并对速度大小、方向变化的机动性目标跟踪问题进行仿真实验。结果表明,自适应采样频率方法（采样间隔距离参量 取不同值时）相比固定采样频率方法的失跟率平均可降低3.3%-6%;当 等于50米时,失跟率平均降低6%,网络能耗降低13.1%。     

采用邻居节点的改进ZigBee路由选择算法

在无线传感网络中,路由选择是高效使用网络、延长全网络寿命的关键之一.为了提高网络效率和节省网络整体能耗,提出了一种路由选择优化算法,该算法利用没连接到的邻居节点进行数据路由选择,以减少从源节点到目的节点的跳数,进而达到提高网络效率和节省能耗的目的.通过仿真实验对比分析了改进前后的实际效果,实验结果表明改进后的路由选择优化算法减少了ZigBee节点间路由的跳数和延迟,提高了路由效率,节省网络整体能耗.     

平面视觉跟踪系统的研究

介绍了一套自主研制的平面视觉跟踪系统的原理和实现．设计了基于目标速度反馈的PID控制算法,将系统的控制空间由非线性空间转换到线性空间来实现,解决了普通图象直接反馈控制方法由于非线性原因而产生控制效果差的现象．并通过静态目标锁定实验和动态目标跟踪对比实验,检验了该视觉跟踪系统和速度反馈PID控制算法的性能．实验中系统静态目标锁定过程时间约为0．48s,动态跟踪响应时间约为0．5s．     

基于压缩感知理论的无线传感器网络数据融合算法

针对传感器节点部署稠密, 节点覆盖重叠区域较大, 导致采集数据冗余度大的问题, 利用节点收集数据的时间和空间相关性, 提出一种基于压缩感知理论的无线传感器网络(WSN)数据融合算法, 并通过仿真实验分析了其性能. 实验结果表明, 该算法不仅可以减少簇首的数据传输量, 减少了节点的平均能量消耗, 延长网络的生存时间, 而且性能明显优于对比算法.     

基于异步MAC协议的WSN节点通信能耗模型的研究及应用

为进一步减小采用B-MAC协议无线传感器节点的能量消耗,对无线通信模块接收、发送、监听、休眠的电流消耗和时间特性进行了实验测试. 并根据异步MAC协议的特点,将网络负载参数进一步细分,引入节点发送间隔、接收间隔、每次发送字节数、每次接收字节数这4个参量,同时考虑节点接收信号时所处状态的概率建立通信能耗模型,并给出能耗模型的最优解析解,使得能耗参数在不同网络负载和收发间隔下达到最优. 实验结果表明,采用能量最优参数的B-MAC协议比普通B-MAC协议的能量消耗更少,明显减少了WSN节点在通信过程中能量的消耗,延长了节点的工作寿命.