改进的粒子滤波目标跟踪算法

针对环境迁移、目标被遮挡或姿态变化较大时传统粒子滤波算法的鲁棒性不强的问题,提出一种改进的粒子滤波目标跟踪算法。建立目标模型时,将目标的HSV颜色特征和Uniform LBP纹理特征进行加权融合;粒子重采样过程中,采用加权随机采样方法,将粒子权值作为重采样的影响因子而非决定因子,以提升粒子多样性,降低粒子衰退对目标跟踪的影响;目标被干扰时,采用卡尔曼滤波对目标位置进行偏移校正,以获取目标正确位置;最后采用模板更新策略对目标模板进行实时更新。实验结果表明：相较于传统粒子滤波算法和CMT算法,本文算法对复杂环境中目标被遮挡和姿态变化的情况下都具有较好的鲁棒性。     

Kalman滤波融合优化Mean Shift的目标跟踪算法

目标跟踪中,目标的背景变化、形状改变、遮挡,往往会导致跟踪失败,而跟踪的实时性和准确性是必须考虑的问题。本文首先对Mean Shift算法进行了介绍,接着对Mean Shift算法进行了优化:修正Mean Shift算法迭代权值,修正后主要信息贡献更加突出,次要信息受到抑制,避免了开方的繁琐运算,降低了运算量。提出了目标模板更新算法,解决了背景变化和目标形状改变时跟踪失败的问题。然后在水平位置和竖直位置建立Kalman滤波器,同时将优化Mean Shift算法与Kalman滤波融合,解决了目标完全遮挡后无法继续跟踪的问题。仿真实验表明,本文提出的目标跟踪算法在目标遮挡,目标形状改变,目标跟踪失败的情况下具有更高的跟踪精度,更高的实时性和鲁棒性。     

EKF和PF算法及其在目标跟踪中的应用

基于贝叶斯滤波的目标跟踪原理,介绍了扩展卡尔曼滤波(Extended Kalman Filter,EKF)和粒子滤波(ParticleFilter,PF)的基本思想和算法实现步骤。在非线性环境下对比分析了EKF算法和PF算法的估计精度,并给出两种方法的适用条件。EKF算法采用Taylor展开的线性变换来近似非线性模型,而PF算法采用一些带有权值的随机样本来表示所需要的后验概率密度。仿真结果表明,在强非线性非高斯环境下,PF算法的跟踪性能远优于EKF算法,当系统非线性强度不大时,EKF算法和PF算法的估计精度相差不大,但PF算法计算复杂,跟踪时间长,实时性差。     

基于粒子滤波的目标跟踪算法浅析

所做的工作是利用粒子滤波理论解决目标跟踪所面临的技术问题。首先介绍粒子滤波中的两种重要算法:贝叶斯理论和蒙特卡罗方法,接着在此基础上详细阐述基于粒子滤波的目标跟踪算法。     

基于改进粒子滤波算法的水下目标跟踪

针对常规粒子滤波算法粒子数目保持不变的问题,提出了一种可以自适应调整粒子数目的改进算法。该算法将KL距离(Kullback-Leibler Divergence,KLD)引入粒子滤波重采样过程,保证在一定的滤波精度下,可以有效地调整滤波过程中使用的粒子数目,从而实现了滤波过程中粒子数目的自适应。将该算法应用于纯方位水下目标跟踪,仿真结果表明,该方法有效地改善了滤波效果,计算量低,适合于实际应用。     

Kalman滤波融合优化Mean Shift的目标跟踪

目标跟踪中,目标跟踪的实时性和精度是首先要考虑的问题,同时背景变化、形状改变、目标遮挡,往往会导致跟踪失败。针对此问题,首先优化了Mean Shift算法迭代权值,优化后主要灰度贡献更加突出,次要灰度受到抑制,提高了跟踪的精度、避免了开方的繁琐运算。然后提出目标模板更新算法,解决了背景剧烈变化和目标形状改变时跟踪失败的问题。最后将优化Mean Shift算法与Kalman滤波融合,通过残差判定目标运动状态。仿真实验和分析表明,Kalman滤波融合优化Mean shift算法在目标遮挡,目标形状改变,背景变化时具有更高的跟踪精度和实时性。     

一种单站纯方位目标跟踪中的线性近似化滤波算法

针对EKF算法中存在初始化困难的缺陷，利用近似线性化的方法，构建基于修正极坐标系下的近似线性最小二乘滤波算法ALF；以ALF作为EKF滤波器的初始化算法，实现联合ALF和EKF的两阶段滤波算法，并将它应用在水下单站纯方位目标跟踪中。仿真结果表明，由ALF和EKF组成的两阶段滤波算法具有很好的稳定性，算法精度较高，是一种有效的算法，对潜艇实施隐蔽探测与跟踪具有重要意义．     

基于小波滤波的空中运动目标测量

本文研究了在空中运动目标跟踪中,基于小波变换的滤波方法.并运用仿真分析方法,比较了Kalman滤波与小波滤波的滤波效果,对仿真结果进行了讨论.     

非线性滤波CRLB推导及在目标跟踪中的应用

针对可叠加零均值高斯白噪声的非线性滤波,利用无迹变换,推导出理论上的误差性能下界Cramét-Rao Low Bound(CRLB).在利用光电信号对目标进行纯方位角跟踪中,提出一种次优的非线性滤波算法--距离参数化无迹卡尔曼滤波(RPUKF).仿真中将其和距离参数化扩展卡尔曼滤波(RPEKF)的性能曲线以及理论性能下界做了比较.结果表明,两种次优算法的曲线逐渐逼近理论下界,且PRUKF性能更优.     

一类基于信息融合的粒子滤波跟踪算法

本文提出了一种基于图像多特征信息融合的粒子滤波跟踪算法.该算法利用颜色柱状图描述运动目标颜色分布信息,帧间差的梯度图像描述目标运动信息,并在柱状图框架下给出了运动目标颜色和运动似然模型,保证了颜色和运动似然模型在尺度上的统一.由于图像多特征提供了运动目标多方面的测量信息,从而提高了算法的可靠性.试验表明该算法在使用相同粒子数目的情况下较采用单一颜色特征的粒子滤波跟踪算法效果好.     

转换观测卡尔曼滤波算法中转换统计量的一种改进计算方法

为了改进转换观测卡尔曼滤波算法的性能,提出了一种计算转换观测误差统计量(均值和协方差)的改进方法.有两组信息可用于计算这些统计量,即观测值和滤波器的一步预测值.首先,推导了滤波器球坐标状态一步预测误差的均值和协方差.然后,利用滤波器球坐标状态一步预测值更精确地计算了转换观测误差的统计量.最后,将改进的转换观测误差统计量...     

一种基于卡尔曼预测的动态目标跟踪算法研究

针对视频序列中目标的跟踪,均值漂移算法和卡尔曼滤波器相结合的目标跟踪算法已经被提出,而在移动机器人上实现对机动目标的实时跟随时,机器人自身的运动引起目标在像平面的偏移不能被忽略,在详述了两者的关系的基础上,建立起以机器人一个周期内的运动作为输入量的状态方程,以卡尔曼滤波器的估计值作为均值漂移算法的启动点,均值漂移算法的最终收敛点作为每帧的跟踪结果,并以此收敛点替代滤波器的估计值,两种算法交替使用,互为补充.实验表明所提算法可以实现在室外环境下对动态目标的实时跟踪.     

光电跟踪的非线性卡尔曼滤波算法

为得到最小方差意义下的光电跟踪目标的最优状态估计,提出将部分状态卡尔曼滤波和非线性系统的一阶线性化思想相结合,构成一种适用于非线性光电跟踪目标的卡尔曼滤波算法,并总结出详细算法结构.同时将此方法应用到非线性测量光电跟踪系统中,并与扩展卡尔曼滤波和U卡尔曼滤波进行性能对比.仿真实验结果证明,将部分状态卡尔曼滤波和非线性系统的一阶线性化思想相结合是有效可行的,而且其性能明显优于扩展卡尔曼滤波和U卡尔曼滤波.     

多坐标系下目标跟踪的联合滤波

针对雷达目标观测和处理在不同的坐标系下完成，本文提出了联合滤波算法来跟踪机动目标。该算法以卡尔曼滤波器为基础，直角坐标系下和极坐标系下的算法相联合，不仅克服了两种坐标系下滤波算法的不足，而且对机动目标有很好的跟踪效果。仿真实验结果表明了该算法的有效性。     

基于卡尔曼滤波的多运动目标跟踪算法研究

针对多运动目标跟踪的实时性和鲁棒性问题,本文提出了一种基于卡尔曼滤波的多运动目标跟踪算法,该算法运用卡尔曼滤波预测目标的位置,并以目标的中心点坐标、面积和长宽比特征、一维HSV颜色直方图作为目标的特征对当前帧检测到的目标模板和预测区域内的目标进行匹配。实验证明,该算法可实时、稳定地跟踪复杂场景内的多运动目标,并能够解决目标遮挡问题。     

光电跟踪系统非线性新息自适应卡尔曼滤波算法

为解决非线性部分状态卡尔曼滤波算法中由于线性化误差所导致的滤波精度下降问题,提出采用UT变换方法计算系统状态误差方差,及基于新息自适应调整系统噪声方差,进而构成一种新的非线性自适应部分状态卡尔曼滤波算法,并总结出详细算法结构.同时,将此方法应用到非线性测量光电跟踪系统中,并与U卡尔曼滤波和非线性部分状态卡尔曼滤波进行性...     

过程噪声方差实时补偿的非定轨目标跟踪

针对非定轨目标跟踪问题中过程噪声统计特性未知的特点,提出了一种实用的对过程噪声方差进行实时补偿的目标跟踪算法。该算法根据强跟踪滤波器的思想,通过实时检测新息序列来修正卡尔曼滤波算法中的状态预测误差协方差矩阵,进而对未知的过程噪声方差矩阵进行实时地补偿。由于存在新息检测机制,该算法能够有效地规避表征建模不确定性的过程噪声统计特性未知的问题,对于建模不确定性具有一定的适应能力。通过对一旋转靶标跟踪问题的仿真试验,证明了该方法的有效性。     

基于轴角编码器二阶跟踪微分的角加速度测量

角加速度是描述旋转机构工作状态的一项重要参数。常用压力或压电传感器测量角加速度的方法存在易受待测设备自身振动干扰的问题。本文基于高精度绝对式光电轴角编码器,提出采用二阶跟踪微分处理的方法,以准确测量发射车起竖臂工作过程中的角加速度。     

基于模糊逻辑的两步卡尔曼滤波器设计

在对惯性运动跟踪系统的建模分析中,常采用基于计算机的集中式卡尔曼滤波算法进行数据处理。由于该方法存在算法复杂,处理数据速度慢等问题,难以在嵌入式系统中实现高速运动跟踪,提出一种基于模糊逻辑的自适应两步卡尔曼滤波算法。该方法根据人体不同的运动状态调整卡尔曼滤波器,实验结果证明所提的方法能够更好地估计各个传感器的测量精度,减少了运算量,并在一定程度上提高了滤波器的容错性能。