基于自适应最优聚类的目标匹配跟踪算法

提出了一种基于新的自适应最优聚类的模板匹配跟踪方法。利用模式分类准则计算最优聚类数, 然后根据最优聚类数采用k-均值方法进行多次聚类。根据聚类结果计算熵矢量和距离矢量, 组合得到特征矢量, 利用特征矢量进行匹配跟踪。匹配采用简单的相似性准则, 实时模板更新算法为多模更新。测试结果表明, 该算法针对不同的目标能自适应地选择聚类参数, 在目标发生几何变化时, 能实现精确稳定的跟踪。     

任意指定地面复杂场景图像目标的去均值相关跟踪算法

本文通过对相关系数作为相似性度量准则的匹配跟踪算法的改进,提出了去均值相关跟踪算法,采用网格搜索法进行粗匹配,以邻域法进行精匹配,减少了算法的计算量,满足机载成像光电吊舱系统目标跟踪的实时性要求。提出了自适应模板更新方法和修正的自适应模板更新方法,并对这两种方法进行仿真比较,实验表明,修正的自适应模板更新方法具有更高的跟踪精度和更好的跟踪稳定性。     

一种基于卡尔曼滤波器的模板更新方法

在运动目标跟踪过程中,基于相似性度量的模板匹配法是常用的一种相关跟踪算法.但是,单纯利用模板与图像的匹配准则难以应对跟踪过程中常见的目标姿态变化问题,很难获得比较好的跟踪效果.针对上述问题,利用卡尔曼滤波器对模板像素进行逐像素更新,每个像素依据自身的性质进行修正的幅度都不一样,从而得到自适应和最优的模板图像,最终达到在序列图像中准确匹配的目标.实验证明,该方法在产定程度上解决了跟踪过程中目标的形态变化问题.     

基于纹理特征的火箭目标跟踪方法

为解决姿态剧烈变化的火箭目标跟踪问题,提出了一种新的基于纹理特征的跟踪方法。相对于传统的模板匹配方法,这种方法能对助推器和子级分离的捆绑式运载火箭进行跟踪。在对火箭目标特性进行分析的基础上,采用局部二值化模式(LBP)纹理特征结合Hu不变矩特征描述进行跟踪。跟踪过程中特征匹配采用简单的相似性度量准则,实时模板更新算法为加权更新。测试结果表明,这种方法对发生位移、旋转和尺度变化的火箭目标同样具有比较好的跟踪效果。     

采用高维数据聚类的目标跟踪

根据刚体各部位具有变换一致性这一特性,提出一种采用高维数据聚类的目标跟踪方法。从数学理论方面证明提出的度量方法可以应用于目标跟踪, 称其为高维数据聚类跟踪器(HDDC tracker)。该算法框架如下,首先, 采用Harris检测器对模板与跟踪区域进行特征提取;然后利用这些特征的空间信息对所提取的特征进行编组;接着计算模板特征组与跟踪区域特征组间的仿射变换阵;最后,采用高维数据聚类对这些仿射变换阵进行度量, 将那些相似仿射阵对应的跟踪区域作为跟踪目标。实验表明: HDDC tracker能够有效地跟踪具有仿射形变的目标,并且性能优于先进跟踪算法。     

一种基于多特征自适应融合的运动目标跟踪算法

针对复杂背景下的运动目标跟踪问题,提出了一种基于多特征自适应融合的运动目标跟踪算法。通过构建目标与背景的图像特征分布方差的比值函数来衡量目标与背景间的区分度,采用各特征的区分度对特征集进行线性加权自适应表示运动目标并集成在基于核的跟踪方法中。为了克服模板更新过程中的漂移,通过计算前后相邻两帧间目标模型的相似度函数,对跟踪模板进行自适应更新。基于生物视觉认知理论,目标的颜色、边缘特征以及纹理特征被用来实现基于多特征自适应融合的运动目标跟踪算法。仿真实验表明:采用本文算法能有效地对复杂背景下的运动目标进行跟踪。     

检测图像角点自适应确定跟踪模板的方法

基于区域的跟踪方法,其跟踪模板的大小和位置对跟踪结果的影响十分显著,本文通过分析模板视觉显著性特征,提出采用AGAST快速角点检测方法,计算角点间相对距离,分析角点位置分布来自适应确定模板大小和位置,从而提高相关匹配跟踪算法的适应能力。仿真试验结果表明,该方法确定的模板能较好的包含目标显著性视觉特征,并且具有计算速度快,稳健性高,能有效提高采用区域模板匹配方法的跟踪性能。     

基于SWAD算法的空间面目标高精度跟踪技术研究

针对空间面目标的高精度跟踪问题,提出一种面目标高精度跟踪方法,该方法利用SWAD模板匹配算法和亚像素拟合算法提取目标精确的位置信息,并在跟踪过程中对模板进行实时更新。对传统的无限冲击响应滤波模板更新方法进行了改进,提出一种变系数模板更新方法,该方法计算量小,不需要经过复杂的置信度判断,模板更新系数由当前模板图像和当前最佳匹配区域图像的灰度值决定;利用不同亮度的目标,以及对目标图像进行尺度变换模拟姿态变化的目标,比较了该模板更新算法和传统算法的匹配误差,结果表明:该算法能够更好地适应目标姿态的变化;最后通过平行光管和靶标板模拟远场非合作目标,搭建了室内演示试验,证明了利用模板匹配进行高精度目标跟踪的可行性。     

基于多模板匹配的双模型自适应相关滤波跟踪算法

为有效提升目标跟踪的精确度和实时性,设计了基于多模板匹配的双模型自适应相关滤波跟踪算法。对多模板匹配模型与核相关滤波跟踪模型参数进行初始化处理：多模板匹配模型选取得分函数作为模板与候选样本间匹配准则,通过候选样本得分获取最佳目标,更新多模板后,通过形变多样相似性实现多模板匹配;核相关滤波跟踪模型利用所采集目标样本数据建立循环矩阵,通过训练核化岭回归分类器获取核相关滤波器,并获取响应置信图,再利用响应置信图获取下一帧图像目标位置。通过自适应融合策略获取两个模型所估计目标位置,再采用金字塔尺度估计策略估计目标尺度变化,通过不断更新各模型参数实现目标精准跟踪。实验结果表明,在目标受遮挡或旋转、光照变化等复杂环境下,该算法的中心跟踪误差均低于15 dpi,平均跟踪精确度均高于98%,且目标定位时间低于100 ms,说明该算法在跟踪精确度和实时性上具有明显的应用优势。     

新的基于Kalman滤波的跟踪方法

模板更新策略是匹配跟踪算法成败的关键,为了提高基于模板匹配跟踪算法的性能,在分析多种模板更新算法的基础上,给出使用Kalman滤波器更新模板的方法。该方法不再将模板图像视为一个整体,而是使用Kalman滤波器对模板图像逐像素点进行更新,以得到自适应和最佳的目标模板图像,使匹配跟踪算法的性能得到很大提高,特别对于目标被遮挡、目标姿态变化以及环境照度变化有很强的适应性。对匹配算法的改进和遮挡的处理使该算法的性能得到进一步提高。实验结果表明该方法行之有效。     

一种高效的分布式多传感器多目标跟踪算法

现有的多传感器多目标跟踪算法大都基于马尔科夫-贝叶斯模型,需要诸如目标运动、杂波、传感器检测概率等先验信息,但是在恶劣的环境中,这些先验信息不准确并导致目标跟踪精度下降。为了解决该情况下的多目标跟踪问题,我们提出了一个高效的分布式多目标跟踪算法,该算法通过泛洪(Flooding)共识算法在分布式网络的传感器之间迭代的传输、共享各自的量测集信息,并通过改进的密度峰值聚类(Improved Density Peaks Clustering, IDPC)算法对量测集聚类,聚类得到的簇的个数即目标的个数,簇的中心即目标的位置。我们将IDPC算法与前沿的分布式概率密度假设(probability density hypothesis, PHD)滤波器在三个场景中进行对比,实验结果证明了IDPC算法的有效性和可靠性。      

基于形态匹配聚类的近邻扩展目标跟踪算法

针对传统扩展目标跟踪（Extended Target Tracking, ETT）算法在处理近邻目标时面临的计算效率低下和跟踪不准确的问题,提出了一种形态匹配聚类量测集划分与高斯逆威沙特概率假设密度（Gaussian Inverse Wishart Probability Hypothesis Density, GIW-PHD）滤波器相结合的跟踪处理方法。该方法首先由GIW-PHD滤波器得到预测的目标状态,其次使用DBSCAN(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)算法完成量测集的初步划分,在此基础上利用较高权重的预测分量实现对多个近邻目标混合量测簇的判断,进而使用椭圆形状约束（Elliptic Shape Constraint, ESC）的FCM(Fuzzy C-Means, FCM)算法（ESC-FCM）对混合簇进行二次划分得到更精确的划分结果,最后将划分结果合并后送入GIW-PHD滤波器完成目标状态的更新。仿真结果表明,本文所提量测集划分方法能够充分利用GIW-PHD滤波器预测步获取...     

基于多级分层模板的实时跟踪算法设计与实现

针对相关匹配中单一模板和简单分层模板跟踪效果不理想的问题,提出了一种新的多级分层模板匹配算法。为了减少整个算法中耗时最大的绝对差值和(SAD)计算时间,在DSP平台下对其进行优化和提速以满足跟踪系统实时性要求。最后,在Blackfin561系列DSP平台上实现了该算法,并对该算法的跟踪性能进行了测试,结果表明,该算法能够进行运动目标的实时跟踪,并在目标尺寸缩放、环境亮度发生改变时仍能保持准确跟踪,具有可靠性高和稳定性强的特点。     

航拍图像序列的地面运动目标跟踪

建立了一套针对航拍图像的运动目标跟踪系统。根据航拍图像序列存在背景运动的特点,运用了一种基于稀疏采样的局部补偿误差函数泰勒展开法, 求得背景模型参数,补偿背景运动; 根据背景运动矢量和目标运动矢量不同的特点, 采用了运动矢量聚类的算法, 对多个潜在目标准确定位,并建立跟踪器找出真实目标进行跟踪。针对图像匹配可能产生的误差, 提出对匹配结果进行聚类, 以提高求得的背景模型参数的精确性, 又针对差分图像中运动目标信息的不完整的特点, 根据目标残缺信息先取得目标完整边缘信息, 再进行目标定位, 提高了定位的精度, 并给出了部分实验结果。结 果表明, 该算法对噪声和光照具有很强的抑制性, 能快速有效地对运动目标进行跟踪。     

复杂图象序列的自适应目标提取和跟踪方法

本文根据视知觉原理研究了提取和跟踪复杂图象中运动目标的计算模型和算法，分析和检验了改变模型有关参数对图象分割门限的影响。与某些常规算法不同的是，新方法综合考虑了目标一背景条件、视觉非线性、帧间相关性和差异性，目标提取作为一个完整瓣两步过程包括三个准则和一个快速寻优算法，目标跟踪使用二值模板匹配，给出了在可见光图象序列上的实验结果。