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。     

基于粒子滤波和稀疏表示的视频目标跟踪

文中将视频目标跟踪看成在粒子滤波框架下的稀疏表示问题,提出了具鲁棒性的视觉跟踪方法。在跟踪过程中,将目标的先验知识和目标状态及其观测结果联系起来构造贝叶斯概率模型,根据基本粒子滤波算法对目标位置进行估计。候选目标通过目标模板和琐碎模板稀疏表示,用l1范数稀疏正则化算法求解稀疏问题,选取具有最小残差的候选目标为跟踪结果。通过动态更新模板和非负性约束两种策略,使算法在目标遮挡、噪声、形变等各种干扰因素下,均达到了很好的跟踪性能。     

一种基于主动轮廓模型的自适应模板更新算法

在目标相关跟踪过程中,由于目标的姿态、大小发生变化,所以合理地更新模板极为重要.而已有的模板更新方法都不能适应目标的姿态和大小变化.提出了一种模板更新的新方法,该方法以颜色直方图的Bhattacharyya系数为基础,来进行模板更新时机的判断.并利用主动轮廓模型算法得到目标的边缘,自适应调整模板的大小和内容,从而实现对目标在发生姿态和大小等变化下的可靠跟踪.     

利用结构模板对运动目标进行跟踪

该文提出了一种运动目标的两步跟踪算法。该算法首先利用形态学方法得到目标的结构模板,再利用结构模板完成对目标的跟踪。结构模板由目标图像中能够反映目标基本结构信息的稳定的边缘和交叉点构成。跟踪过程分为两步:第一步先把结构模板调整到要跟踪的目标附近;第二步作精细调整使结构模板发生形变,收敛到目标图像中的交叉点和边缘处。由于在跟踪过程中考虑了目标的整体结构信息,利用这种方法可以大大提高跟踪的稳定性。     

基于kalman预测和自适应模板的目标相关跟踪研究

文中提出了一种基于kalman预测和自适应模板的目标相关跟踪算法。通过kalman预测下一帧图像中目标的状态,缩小整个图像上目标检测的搜索范围,满足目标跟踪的实时性。采取自适应模板更新策略．根据目标的变化情况自动调节参考模板,提高目标跟踪的稳定性。仿真实验结果表明,算法能够随着目标的形状、大小、位置的变化快速调整参考模板,进行稳定和实时的跟踪,当目标被物体遮挡时仍能有效地跟踪目标。     

基于粒子滤波的运动物体检测跟踪

提出了一种状态空间模型粒子滤波算法,并应用于运动目标的跟踪。该方法基于贝叶斯估计,利用粒子集来表示概率,通过递推的贝叶斯滤波来近似逼近最优化结果,在预设搜索区域用粒子群找到和目标模板最相似的中心位置,并以该位置作为观测值,进行跟踪。仿真实验结果和两种实际条件下效果比较表明该算法在跟踪低常速运动中精准性高,是一种有效的目标跟踪方法。     

多特征融合的优化粒子滤波红外目标跟踪

针对粒子滤波重采样中粒子贫化问题,采用了权值选择的优化方法,对每个粒子的权值进行排序,选取其中权值较大的粒子参与跟踪估计,使权值较小的粒子有机会参与下一状态的估计,保证参与状态估计的大部分粒子具有多样性,有效克服粒子贫化现象。为了进一步提高跟踪性能,根据红外目标成像特点,融合目标梯度特征和灰度特征建立观测模型,并根据置信度实时调整每个特征对跟踪结果的影响,且自适应更新模板。经仿真验证,红外目标在复杂背景或遇到遮挡情况下,该算法能够精确鲁棒地跟踪目标。     

自调整分层卡尔曼粒子滤波的快速目标跟踪

分层卡尔曼粒子滤波成功应用于目标跟踪,但其只对目标位置进行了优化,忽略了其他仿射参数,导致跟踪中的粒子数目仍然很大。为了实现复杂环境下的快速目标跟踪,提出一种带有自调整策略的分层卡尔曼粒子滤波方法。该方法将目标划分为线性和非线性状态空间,并通过少量粒子的迭代过程在非线性状态空间逐步搜索最优状态。其详细过程如下:首先,利用卡尔曼滤波预测目标位置,结合目标运动信息计算潜在目标区域;然后在该区域内生成一组随机粒子,通过在线姿态估计对粒子状态进行调整,并将观测结果与目标模板进行比较,修正粒子摄动的方向以逼近目标。把该方法应用于大机动目标的视频序列中,并与现有的跟踪方法进行了对比。结果表明,所提方法能够以少量粒子实现准确、稳定的目标跟踪,大大降低了跟踪算法的运算量,提高了跟踪效果。     

网络信息支持下目标“虚拟跟踪”方法研究

针对隐身战斗机作战的电磁隐蔽性需求,提出网络信息支持下的目标"虚拟跟踪"方法。基于虚拟量测转换建立"虚拟跟踪"的状态模型,针对网络信息精度和战斗机状态估计误差,基于量测无偏转换原理对状态模型进行修正。为提高对机动目标"虚拟跟踪"的状态估计精度,设计基于"当前"统计模型的交互式多模型无迹卡尔曼滤波算法进行滤波处理。针对机动目标跟踪下不同误差影响对比进行的仿真表明,"虚拟跟踪"方法能快速获得稳定的目标状态估计,通过提高信息更新频率和战斗机的姿态估计精度,能获得较高精度水平的目标信息。     

网络信息支持下目标“虚拟跟踪”方法研究

针对隐身战斗机作战的电磁隐蔽性需求,提出网络信息支持下的目标“虚拟跟踪”方法.基于虚拟量测转换建立“虚拟跟踪”的状态模型,针对网络信息精度和战斗机状态估计误差,基于量测无偏转换原理对状态模型进行修正.为提高对机动目标“虚拟跟踪”的状态估计精度,设计基于“当前”统计模型的交互式多模型无迹卡尔曼滤波算法进行滤波处理.针对机动目标跟踪下不同误差影响对比进行的仿真表明,“虚拟跟踪”方法能快速获得稳定的目标状态估计,通过提高信息更新频率和战斗机的姿态估计精度,能获得较高精度水平的目标信息.     

基于线性最小二乘估计与中心距离加权的相关跟踪算法研究

相关跟踪算法以其理论简单、直观、对图像质量要求不高等特点,一直是人们在跟踪算法方面的研究重点.针对相关跟踪抗遮挡能力差、容易受目标姿态变化和相似目标干扰的问题,使用了线性最小二乘估计对目标运动进行预测,同时采用高斯+1型函数和椭球面函数作为中心距离加权系数来改善跟踪模板使得模板更加突出中心位置信息.改进后的相关跟踪算法...     

复杂背景下抗遮挡的运动目标跟踪算法

通过对各种跟踪算法的研究,提出了一种适应性较好的目标运动预测与多模板匹配相结合的相关跟踪算法,并给出了模板匹配相关算法中的判断准则、模板更新准则和目标被遮挡判断。实验证明,该方法能够在复杂背景条件下运动目标发生遮挡时进行稳定跟踪。     

自适应模板匹配在自主空中加油跟踪中的应用

自主空中加油技术越来越重要,在软管加油的对接阶段,运用模板匹配跟踪技术对目标进行跟踪。本文利用直方图均衡化、形态学算法和边缘轮廓提取得到初始模板;然后利用归一化相关匹配法对模板进行匹配,同时利用归一化相关值作为参考,判断是否对模板进行更新,从而得到自适应模板;为了缩小匹配时的搜索范围,加入了轨迹跟踪的算法,大大节省了运算时间。通过仿真实验显示,该算法切实可行。     

基于主分量寻踪的鲁棒视觉跟踪

传统子空间跟踪易受到模型漂移的影响而导致跟踪失败.针对此问题,本文提出一种基于主分量寻踪的鲁棒视觉跟踪方法.该方法以多个模板张成的子空间作为目标表观模型,利用主分量寻踪求解候选目标的误差分量,在粒子滤波框架下利用候选目标的误差分量估计最优状态参数.为了适应目标表观变化并克服模型漂移,本文提出一种模板更新方法.当跟踪结果与目标模板相似时,该方法利用跟踪结果更新目标模板,否则利用跟踪结果的低秩分量更新目标模板.在多个具有挑战性的图像序列上的实验结果表明:与现有跟踪方法相比,文中的跟踪方法具有较优的跟踪性能.     

基于梯度方向直方图的融合图像跟踪算法研究

为了提高跟踪精度,本文提出了一种基于梯度方向直方图的融合图像跟踪算法。首先采用帧差法并结合形态学处理获得运动目标大致区域,在此基础上计算目标区域的有向梯度方向直方图(Histgrams of oritented gradients,HOG),利用HOG特征描述目标轮廓和形状的优点生成完整的目标描述,通过在粒子滤波框架下对多个假设状态进行匹配估计,获得目标的最优位置,最后对模板进行更新。实验结果表明,该方法能够获得清晰准确的跟踪结果,能够较好地避免跟踪中的漂移问题,且跟踪精度高。     

基于SUSAN方法的相干激光雷达距离像跟踪算法

在相干激光成像雷达跟踪系统中,跟踪算法是决定激光雷达跟踪性能的关键.针对激光成像雷达所成距离像的特点,以及以前算法中必须预先给定模板这一缺陷,采用了一种加权的SUSAN方法找出图像中目标的特征点,确定目标中心,在实时图像中提取模板,通过两级相关运算,进行目标跟踪,给出了相关跟踪的帧内置信度和帧间置信度信号,完成模板的智能更新.在不同的信噪比下进行序列图像跟踪实验,实验结果表明,在所研究的仿真目标中应用此相关跟踪方法,能够较准确的提取模板,跟踪精度较好.     

前视红外系统中复杂背景下典型地物目标跟踪

前视红外系统主要处理复杂地物背景下的典型地面目标, 如桥梁、机场跑道、大型建筑物等。跟踪地面背景较复杂的目标常用的是目标模板匹配的方法。而模板匹配相关跟踪的关键是对实时模板的更新及替换策略。针对前视目标跟踪问题, 采用模板相关匹配的方法搜索目标; 采用Kalman滤波的方法更新实时模板中的每个像素, 以达到更新实时模板的目的, 采用Kalman 滤波的方法校正跟踪结果坐标位置数据。为了减小运算量同时又不影响跟踪精度, 采取了隔若干帧更新一次模板及跟踪位置数据的策略。仿真实验证明, 跟踪效果较好。     

基于奇异值分解的图像目标跟踪算法

传统相关跟踪方法是利用模板图像与目标图像对应像素的灰度差异信息进行跟踪,它对旋转变化敏感,且存在跟踪累积误差,容易导致模板漂移而丢失目标。文中提出基于奇异值分解的跟踪算法,算法首先建立模板图像训练集合,利用奇异值分解方法,张成模板图像特征空间,然后求出模板图像在特征空间里的投影值,代替传统算法中灰度对两幅待匹配图像进行的全局搜索定位。在进行投影值间的相似性度量时,欧氏距离同等对待所有的特征向量不移合理,文中采用了一种鲁棒估计方法,可以对不同距离的值做不同处理。匹配跟踪实验效果良好。     

前视红外系统中复杂背景下典型地物目标跟踪

前视红外系统主要处理复杂地物背景下的典型地面目标，如桥梁、机场跑道、大型建筑物等。跟踪地面背景较复杂的目标常用的是目标模板匹配的方法。而模板匹配相关跟踪的关键是对实时模板的更新及替换策略。针对前视目标跟踪问题，采用模板相关匹配的方法搜索目标；采用Kalman滤波的方法更新实时模板中的每个像素．以迭到更新实时模板的目的．采用Kalman滤波的方法校正跟踪结果坐标位置数据。为了减小运算量同时又不影响跟踪精度．采取了隔若干帧更新一次模板及跟踪位置数据的策略。仿真实验证明，跟踪效果较好。     

基于光流方程和目标匹配的视频图像目标跟踪方法

提出一种利用图像差分、局部光流法和目标匹配,实现视频对象目标提取和跟踪的方法.首先,对预处理后的图像进行差分;在差分的基础上,运用局部光流场对目标进行运动估计;对估计结果依据相似度进行聚类分析,消除小的非目标区域;当目标未发生剧烈变化时,更新目标模板,否则,利用已有目标模板进行匹配跟踪.实验结果验证了该算法的有效性,并实现了目标变形和部分遮挡时的稳定跟踪.