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。     

基于双视线特征感知编组的多目标跟踪方法

为实现精准的图像多目标捕获与跟踪,提出基于双视线特征感知编组的多目标跟踪方法.利用自由形状线特征涵盖的丰富信息,使用双视线特征感知编组方法将线特征匹配结果当作计算条件,推算已匹配的每对线特征左右视差均值,将方位相近、左右视差均值接近的线特征视作一组,明确各组线特征作用窗口,代人时差收敛均值,实现多目标特征匹配;代入联合概率数据关联算法,构建改进粒子滤波模型,让粒子权值呈现出测量值与目标轨迹的关联概率,确保各目标跟踪轨迹持续性,并完善轨迹初始点与终点,增强跟踪时效性.仿真结果表明,所提方法能很好地处理车辆交叉引发的错误匹配问题,在交叉或遮挡等复杂情况下,依旧可以快速准确地同时对多个目标车辆进行跟踪.     

基于CKF的特征辅助数据关联多目标跟踪

针对密集杂波环境下的多目标近距跟踪问题,提出了一种基于容积卡尔曼滤波(CKF)和特征辅助数据关联的多目标跟踪算法(FADA-CKF).通过特征信息来对传统量测进行扩维,利用扩维后的量测对关联概率进行修正,将特征信息辅助技术融入到联合概率数据关联中,再利用容积卡尔曼滤波(CKF)处理非线性观测量,对目标状态进行估计.将FADA-CKF算法用于近距多目标跟踪场景中,仿真结果表明,改进算法在跟踪精度和误跟率方面要优于传统的JPDA跟踪算法.     

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。     

神经网络在多机动目标跟踪中的应用

为解决多目标跟踪中数据关联与状态估计的问题引入神经网络方法.针对联合概率数据关联(JPDA)存在的计算组合爆炸问题,利用Hopfield网络解决TSP问题的思路找到神经网络联合概率数据关联(NJPDA)方法,并对其进行一定的改进解决其参数确定问题.基于以上关联方法得到的关联概率,利用简化的信息融合自适应滤波算法,实现对目标轨迹的状态滤波与预测.以上综合方法充分利用了神经网络的优点,保证了多目标的跟踪精度及实时性.     

基于概率图模型的视频多目标跟踪

针对常见的颗粒滤波器处理视频多目标跟踪的局限性,将概率图模型引入视频多目标跟踪的分析,研究目标被遮挡跟踪中的目标不确定性。在数据关联方法的基础上,采用多目标建模和分析颗粒过滤器框架的目标关系的概率图模型,即联合数据关联算法,对闭塞视频中不确定的多目标的变化进行处理,增强数据边缘,提取目标特征。     

无人车驾驶场景下的多目标车辆与行人跟踪算法

考虑到现有的基于检测的多目标跟踪算法多会出现因目标漏检或数据关联算法冗余而造成的目标ID频繁切换、跟踪轨迹断开等问题,提出了无人车驾驶场景下的多目标车辆与行人跟踪算法.首先,选取CenterNet网络作为目标检测器,并用嵌入了1×1卷积和SE-Net的Res2Net来替代网络原有的残差单元,以提升网络对空间信息和通道信息的提取能力,提高目标检测器性能.接着,用孪生网络来提取目标所在区域的特征,进行关联概率度量,再用匈牙利算法对相邻帧目标进行关联.最后,用区域推荐网络设计的辅助跟踪器对漏检或消失又出现的目标进行持续跟踪,并将可靠的跟踪结果合并到轨迹中.实验结果表明,与已有的方法对比,所提方法在KITTI跟踪基准数据集上对于车辆与行人的跟踪具有竞争力.     

融合SPA遮挡分割的多目标跟踪方法

复杂环境下的多目标视频跟踪是计算机视觉领域的一个难点,有效处理目标间遮挡是解决多目标跟踪问题的关键。将运动分割方法引入目标跟踪领域,提出一种融合骨架点指派(SPA)遮挡分割的多目标跟踪方法。由底层光流信息得到骨架点,并估计骨架点遮挡状态;综合使用目标外观、运动、颜色信息等高级语义信息,将骨架点指派给各个目标;最后以骨架点为核,对运动前景密集分类,得到准确的目标前景像素;在粒子滤波器跟踪框架下,使用概率外观模型进行多目标跟踪。在PETS2009数据集上的实验结果表明,文中方法能够改进现有多目标跟踪方法对目标间交互适应性较差的缺点,更好地处理动态遮挡问题。     

智能车中基于单目视觉的前车检测和跟踪

提出了一个改进的单目视觉方法,用于智能车在结构化公路环境下准确检测和跟踪前方车辆。该方法先利用图像灰度梯度检测前车,剔除可能的虚检测,建立新目标的二维模型;然后用卡尔曼滤波方法预测下一帧的目标位置,在预测位置附近用边缘投影方法定位目标;设计了一种新的四因素似然度函数,验证跟踪结果与检测结果的匹配度,当跟踪失败时,重新检测前车。利用长图像序列PETS2001进行实验,结果表明该方法可以有效的检测和跟踪本车车道前方视野中的车辆障碍物,为智能车的防撞预警和控制系统提供可靠信息。     

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.     

基于道路环境上下文的行人跟踪方法

针对目前城市交通中人车混行场景中行人跟踪效果不佳的问题,提出了一种基于道路环境上下文的行人跟踪方法。首先通过对道路环境上下文进行分析,建立道路模型;其次在道路模型的约束下建立行人与环境的交互运动模型;最后利用该模型进行行人的跟踪。在真实场景中的实验表明使用了道路上下文信息的跟踪方法与连续离散连续能量最小化的多行人跟踪方法相比,多目标跟踪准确度从47.6%提升至63.2%,多目标跟踪精度从68.8%提升至74.3%。数值结果表明道路上下文信息对于提高人车混行场景中行人跟踪效果的有效性。     

基于运动模型的道路识别与跟踪算法的研究

自主驾驶与辅助导航是目前国际上研究的热问题,通过对室外行驶车辆上的ＣＣＤ摄像机所采集的长序列立体图象的处理与分析,研究公路汽车自动视觉导航中的道路识别与跟踪问题。     

一种基于灰度直方图的交通检测系统

在中国由于行人和机动车混行的情况非常普遍,因此行人的检测和机动车一样也是交通检测的重要方面。然而国内外在行人与机动车混合交通流检测方面的研究却不多见。文章提出并阐述了一套基于视频的综合交通检测系统。该系统通过视频技术实时检测获得路段或路口上机动车、行人的综合交通数据。系统运用了实用性很强自适应背景差减法进行前景图像分割,并提出了基于灰度直方图的目标跟踪方法,在一定程度上解决了在人车混行中比较严重的遮挡问题。实验结果表明,系统在前景图像提取以及目标跟踪分类等环节都取得了令人满意的成果。     

Tracking Pedestrians Under Occlusion in Parking Space

Many traffic accidents occur in parking lots. One of the serious safety risks is vehicle-pedestrian conflict. Moreover, with the increasing development of automatic driving and parking technology, parking safety has received significant attention from vehicle safety analysts. However, pedestrian protection in parking lots still faces many challenges. For example, the physical structure of a parking lot may be complex, and dead corners would occur when the vehicle density is high. These lead to pedestrians’ sudden appearance in the vehicle’s path from an unexpected position, resulting in collision accidents in the parking lot. We advocate that besides vehicular sensing data, high-precision digital map of the parking lot, pedestrians’ smart device’s sensing data, and attribute information of pedestrians can be used to detect the position of pedestrians in the parking lot. However, this subject has not been studied and explored in existing studies. To fill this void, this paper proposes a pedestrian tracking framework integrating multiple information sources to provide pedestrian position and status information for vehicles and protect pedestrians in parking spaces. We also evaluate the proposed method through real-world experiments. The experimental results show that the proposed framework has its advantage in pedestrian attribute information extraction and positioning accuracy. It can also be used for pedestrian tracking in parking spaces.     

Real-time vehicle tracking mechanism with license plate recognition from road images

Abstract Information about vehicles on the road is very important for the maintenance of traffic control in current complex traffic condition. Images of vehicles are captured by vehicle-directed cameras. This paper proposes a new vehicle tracking mechanism using license plate recognition technology, which is essential to having information about vehicles on the roads. The proposed method is a real-time processing system using multistep image processing, as well as recognition and tracking processes from 2D and 3D images. The experimental results of real environmental images in recognition and tracking using the proposed method are shown.     

混合动力电动汽车的跟车控制与能量管理

混合动力电动汽车(Hybrid electric vehicles,HEVs)的能量管理问题至关重要,而混合动力电动汽车的跟车控制不仅涉及跟车效果与安全性,也影响着能量的高效利用.将HEVs的跟车控制与能量管理相结合,提出一种基于安全距离的HEVs车辆跟踪与能量管理控制方法.首先,考虑坡度、载荷变动建立了HEVs车辆跟...     

基于稀疏帧检测的交通目标跟踪

为了获取高速公路交通视频中目标车辆的行驶轨迹,提出一种基于视频的多目标车辆跟踪及实时轨迹分布算法,为交通管理系统和交通决策提供目标车辆交通信息.首先,使用YOLOv4算法检测目标车辆位置及置信度.其次,在不同场景条件下,使用提出的基于稀疏帧检测的跟踪方法,结合KCF跟踪算法,将车辆数据进行关联获取完整轨迹.最后,用车辆分布图和交通场景俯视图显示轨迹,便于交通管理与分析.实验结果表明,提出的跟踪方法在车辆跟踪中有较高的跟踪正确率,同时基于稀疏帧检测的跟踪方法处理速度也较快,实时轨迹分布正确反映了真实场景的车道信息以及目标车辆运动信息.     

基于视频跟踪和FSA的车辆行为模式分析

提出一种基于视频跟踪和有限状态自动机的运动车辆行为表达与分析方法。采用减背景法得到前景运动车辆,基于快速归一化互相关理论,通过预测实现车辆跟踪,得到准确的车辆运动轨迹。利用有限状态自动机,将车辆的行为表达为连续的微观行为状态,从而在运动跟踪的基础上,结合时域与空域信息分析车辆行为模式。对交叉路口的运动车辆进行跟踪实验,结果表明,该方法能够准确得到车辆的状态信息。     

交通路口视频奇异运动事件检测

提出了一种基于运动特征的交通路口视频奇异事件的检测的方法。该方法针对具体应用背景,不需要进行单个目标的跟踪和检测,而是直接运动运动特征进行检测。方法首先提取运动像素,并通过运动像素集合和运动矢量的大小判断运动目标种类（车辆或行人）。然后,在此基础上进一步分析目标的运动轨迹,将新出现的和已经有运动轨迹明显不一致的运动,和明显不符合交通规则的运动（如车辆的逆行）判定为异常运动。该方法在一定样本基础上进行了实验,实验结果表明,该方法可以较好地检测交通路口的奇异性运动事件。     

An Evolutionary-Based Stereo Matching Method with a Multilevel Searching Strategy

Stereo matching is one of the fundamental problems in computer vision. It consists in identifying features in two or more stereo images that are generated by the same physical feature in the three-dimensional space. This paper presents an evolutionary approach with a multilevel searching strategy for matching edges extracted from two stereo images. The matching problem is turned into an optimization task, which is performed by means of a genetic algorithm with a new encoding scheme. For an effective exploitation of the genetic stereo matching algorithm for real-time obstacle detection, a multilevel searching strategy is proposed to match the edges at different levels by considering their gradient magnitudes. Experimental results and comparative analysis are presented to demonstrate the effectiveness of the proposed method for real-time obstacle detection in front of a moving vehicle using linear stereo vision.