基于粒子滤波的非线性目标跟踪算法研究

针对非线性非高斯的目标跟踪,传统的卡尔曼滤波和扩展卡尔曼滤波等算法将会出现滤波精度下降甚至发散的现象,提出了采用粒子滤波算法来解决非线性滤波问题;粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势,但是存在运算量大和实时性差的问题,因此提出了基于EKF的扩展粒子滤波;仿真结果表明：在强非线性非高斯环境下,PF算法的跟踪性能优于EKF算法,基于EKF的扩展粒子滤波能够取得较好的跟踪精度,并且能够有效的减少粒子滤波的运算量。     

基于粒子滤波的组合定位系统目标跟踪算法

因GPS技术在楼群密集的城市不能单独完成定位,文中采用GPS/DTMB组合导航新方案,又针对传统二维机动模型的不足,研究三维下的平面变速转弯模型,并作为运动目标的机动模型,同时仿真对比分析不同粒子数目下的粒子滤波算法(PF)跟踪效果,结果表明,200个粒子的误差均值为4.590 6 m,400个粒子误差均值为2.377 6 m,滤波后的轨迹与真实轨迹基本重合,定位跟踪效果好,且粒子数目越多,误差均值、标准差、方差越小,即定位跟踪精度越高。证明了GPS/DTMB组合导航新方案的可行性。     

基于改进粒子滤波的静电目标跟踪算法

针对静电探测的数学模型结构复杂、强非线性以及实验测量数据存在极大不确定性的特点和传统粒子滤波(PF)算法存在的缺陷,提出了一种改进的粒子滤波(UPF)算法。该算法以无迹卡尔曼滤波(UKF)算法生成替代分布并从中采样,理论分析与仿真结果均表明,UPF算法能够提高静电探测系统目标跟踪的稳定性和精确性,解决了传统PF算法中以转换先验密度函数作为替代分布所引发的各种问题,具有较高的实用价值和广泛的应用前景。     

粒子滤波算法在视频目标跟踪中的改进与运用

为实现粒子滤波算法在视频目标跟踪领域的应用,减小算法的运算量,提高算法的适应性和鲁棒性,文中提出利用构造等价有效粒子数的概念,采用选择重采样的方式减少重采样的执行步骤,减少运算量。同时为减小算法对亮度的敏感性,提出利用HSV色彩基准代替RGB色彩基准作为目标特征,对目标进行识别。最后对改进算法进行了试验,结果表明文中所提的方法能减少算法的计算量,有效的改进算法在视频目标跟踪中的稳定性。     

基于重采样粒子滤波的目标跟踪算法研究

基于传统粒子滤波的机动目标跟踪方法针对非线性、非高斯系统有较好的估计性能,但是存在粒子退化现象。利用残差重采样算法,可以有效克服粒子滤波的退化问题。本文针对残差重采样算法作进一步研究,提出了一种改进的残差重采样粒子滤波算法。该方法在残差重采样基础上进行改进,可以避免残差重采样中关于残留粒子的重采样问题,在保证精度的前提下提高运行效率,减少运算复杂程度。仿真实验结果表明该算法与残差重采样粒子滤波相比提高了目标跟踪的实时性,并且随着粒子数的增加,这种优势表现得更加明显。     

闪烁噪声环境下目标跟踪的UPF算法研究

介绍了一种改进的粒子滤波（PF）算法——无味粒子滤波算法（UPF）。该算法结合UKF（unscented Kalman filter）和PF算法,利用UKF对非线性系统的处理能力,用UKF得到粒子滤波的重要性采样密度函数,从而克服了PF没有考虑最新量测信息和UKF只能应用于噪声为高斯分布的不足。在给出的闪烁噪声统计模型基础上．将UPF、PF算法在雷达目标跟踪中进行了比较,仿真结果表明该方法可以取得比标准的粒子滤波更快的滤波收敛性和更高的滤波精度。     

基于冗余字典的多特征压缩感知目标跟踪算法

针对多特征压缩感知算法中,要求信号稀疏表示的基是一个正交矩阵的问题,提出了提取红外与可见光的多特征目标构造冗余字典子空间下的稀疏表示,分析了压缩感知算法中感知矩阵的选择和稀疏信号的重构。根据对信号稀疏表示的重构,提出粒子滤波框架下基于冗余字典的多特征压缩感知跟踪方法,能够自动检测复杂场景中出现的动态目标。实验结果表明,与其他经典算法相比,该算法在光照变化、相似外形的干扰目标遮挡等复杂场景中具有更好的鲁棒性及实时性。     

闪烁噪声下目标跟踪的改进粒子滤波算法

针对目标跟踪系统具有强非线性非高斯的特点,提出了一种强跟踪粒子滤波(STUPF)算法.该算法将无迹卡尔曼滤波器(UKF)与强跟踪滤波器(STF)相结合作为粒子滤波提议分布,具有在线调节滤波增益阵,提高滤波器跟踪突变状态的能力.在给出闪烁噪声统计模型的基础上,将STUPF应用在几种典型目标运动模型跟踪系统中,并同UKF和...     

闪烁噪声下的机动目标跟踪算法研究

标准的粒子滤波能够较好的解决闪烁噪声下机动目标跟踪问题,但在采样过程中有时会出现严重的退化现象。针对这种现象,文中提出了一种改进的粒子滤波算法,在采样过程中退化检测,若粒子退化严重,则重新采样,直到退化在允许范围之内。仿真结果表明,在高斯环境下,标准的粒子滤波和改进的粒子滤波性能相近,都优于不敏卡尔曼滤波,但在闪烁噪声环境下,其性能明显高于不敏卡尔曼滤波和标准的粒子滤波,但耗费时间长。     

一种基于粒子滤波的改进红外目标跟踪算法

针对传统红外目标粒子滤波跟踪中仅利用目标灰度信息可能导致目标分辨能力不高的问题,构建了基于位置和灰度的联合时空灰度模型,提出了一种基于联合时空直方图的粒子滤波目标跟踪算法,实验表明:在复杂背景下,该算法能够实现对红外目标稳健的跟踪。     

基于互信息测度红外目标图像相关匹配跟踪算法

在红外地面目标跟踪过程中,目标在图像系统中呈现多样化,任何一种单一的跟踪方式都无法满足系统的要求。对此本文采用一种多模跟踪方式,针对具体的目标,采用不同模式的跟踪方法。对于小目标,采用互信息测度的相关跟踪方式;对于大目标,采用形心跟踪方式。通过自适应波门来决定跟踪模式,实验证明该算法具有稳定而且精确的跟踪性能,算法执行时间短,完全可以满足实时性要求。     

多特征提取的红外和可见光目标跟踪方法

针对复杂背景下采用单一图像特征跟踪稳定性差的问题,提出了一种基于多个特征提取的红外和可见光图像目标跟踪方法.该方法提取红外图像的灰度特征和可见光图像的颜色、纹理特征,给出了采用核函数量化的直方图描述的多特征目标模型,结合均值漂移跟踪框架,给出了一种根据相似性度量进行自适应融合定位目标的方法,并给出了一种选择性的目标模板...     

红外目标图像的复合特征跟踪算法

红外目标图像跟踪系统中应用单一特征跟踪算法,易造成跟踪点漂移和目标丢失。提出目标图像的复合特征跟踪算法,综合利用目标图像的灰度特征和点特征,联合灰度特征的易用性和点特征的空间不变性,分别克服单一特征易受光照、噪声干扰,以及实时性较差等方面的不足。提出了复合特征联合匹配的算法流程和权值分配策略,通过仿真试验对比三种方法的目标跟踪性能,证明了该算法的有效性。     

基于图像处理技术的目标预测跟踪与实现

文中改进了一个基于在实时监控系统的应用背景下运动目标检测跟踪算法,该算法对目标运动区间进行预测将其缩小到小块区域,从而缩短目标检测的时间,达到了降低程序的计算复杂度目的并通过实验验证了该算法的准确性和实用性。     

一种加速的PCA-L1 增量子空间学习跟踪方法

为解决PCA-L1增量子空间学习跟踪方法运算量大、实时性不强的不足,分析了PCA-L1的目标跟踪算法的运算瓶颈,应用、改进了边界误差重采样(bounded particle resampling,BPR)算法,引进了加速近似梯度法(accelerated proximal gradient,APG),并测试、比较了该方法与其他经典方法的跟踪效果及运算速度.实验结果表明:该方法加速效果明显,能提高跟踪的实时性,有较强的工程应用价值.     

基于SUSAN算子和改进的SNAKE模型的目标追踪算法

为了准确的追踪运动目标,文中提出了基于SUSAN角点检测和改进的SNAKE模型相结合的目标追踪算法.首先,通过帧间差分法检测是否有目标运动;其次,在目标运动范围内用SUSAN算子检测目标的角点;最后以这些角点为基准点进行目标轮廓的初始化,进而用改进的SNAKE模型进行目标的准确拟和.由于帧间的时间间隔较短、目标运动的距离较小,所以在上一帧检测到的角点周围检测当前帧目标的角点,这样不仅加快了检测的速度,并且增加了追踪的准确性.通过试验验证了本算法的有效性.     

基于无迹卡尔曼滤波的单站混合定位跟踪算法

针对移动台的单站跟踪问题,以"到达时间和与到达时间差(TSOA/TDOA)"新型混合定位技术作为基础,提出一种基于"到达时间和与到达时间差"混合被动单站定位模型的无迹卡尔曼滤波跟踪算法。该算法以观测到的有噪信息为基础,引入"到达时间和与到达时间差"观测模式,使用受随机加速影响的匀速运动状态作为跟踪算法的状态模型,将无迹卡尔曼滤波(UKF)算法应用在移动台的定位跟踪上,实现了对移动台的位移和速度的同步跟踪。仿真结果表明:无迹卡尔曼滤波算法应用移动台跟踪系统是有效的;与扩展卡尔曼滤波相比,其跟踪算法的滤波精度、稳定性更优。     

前视红外目标的鲁棒分层跟踪算法

针对前视红外序列图像中目标与背景对比度低、灰度级动态范围小以及目标边缘模糊的特点,提出了一种基于均值漂移和特征匹配的红外目标鲁棒分层跟踪算法。首先利用均值漂移算法来快速搜索局部最优候选目标。然后,通过特征匹配对跟踪误差进行有效修正。采用Harris算子对模板目标与候选目标进行特征点提取,利用改进的Hausdorff测度对特征点进行有效的匹配度量,最终实现红外目标的精确定位。实验结果表明该算法简单有效,能准确跟踪前视红外目标。