基于核相关滤波器的颜色自适应目标跟踪算法

针对Staple算法中梯度直方图（HOG）特征和颜色直方图特征的融合无法自适应达到最优化的问题,本文提出了一种颜色自适应的核相关滤波目标跟踪改进算法,即Stronger-Staple算法（简称STR-Staple）。首先,本文用目标似然函数分别求出目标和背景所占比例的颜色直方图,并用巴氏系数实时测量目标与背景的颜色直方图的相似度,实现每一帧图像的跟踪监测;其次,提出一种自适应的融合系数,将相似度与融合系数相关联,对每一帧的特征匹配相应的权重,实现算法的最优融合。最后,本文算法在OTB-13和OTB-15两个数据集上与当前比较流行的5种跟踪算法进行比较。实验结果表明,该算法在光照变化、尺度变化、遮挡、变形、背景杂波等情况下均有较高的鲁棒性,且其跟踪精度、成功率在OTB-13数据集中分别为0.889、0.880。在OTB-15数据集中分别为0.741、0.644。均优于其它几种算法。      

一种基于自适应滤波的雷达目标跟踪算法

针对在复杂环境下基于卡尔曼滤波的雷达目标跟踪中存在的鲁棒性和自适应性较差的问题,研究了一种新的雷达目标自适应鲁棒跟踪算法;通过引入自适应渐消因子,对估计误差协方差和滤波增益矩阵进行在线自适应调整,从而使得滤波算法具备良好的鲁棒性和自适应性,提高雷达目标跟踪的精度。最后,通过仿真对所研究的方法进行了验证。     

背景抑制直方图模型的连续自适应均值漂移跟踪算法

针对传统连续自适应均值漂移(CAMshift)跟踪算法在建立目标颜色模型阶段容易包含大量背景颜色信息从而使跟踪效果变差的问题,该文提出一种改进算法。利用混合高斯模型背景法(GMM)将原始图像分割成前景和背景的叠加,在原始图像和背景图像上运动物体所在区域分别建立色调分量直方图,利用背景图像的色调分量直方图计算原始图像中对应色调分量的权值,抑制原始图像中与背景颜色相同的色调,扩大前景与背景颜色的差异性。该方法通过对原始颜色模型中属于背景的色调进行抑制,扩大了目标颜色模型的显著性,提高了跟踪的准确性和稳定性,目标定位的最大中心误差小于20%,能够准确跟踪不发生丢失。     

基于自适应卡尔曼滤波的机动目标跟踪算法

针对一般卡尔曼滤波融合跟踪方法无法实现对机动目标的有效跟踪问题,提出一种自适应卡尔曼滤波融合方法,设计一种能够提供目标开始机动瞬时估计的目标机动探测器,反复对目标的加速机动进行估计,当确定目标开始机动时,卡尔曼滤波模型将自适应地调整为目标机动状态模型。最后,通过仿真实验对比分析,证明文中所提方法优于一般卡尔曼滤波融合方法。     

基于相控阵雷达的自适应采样目标跟踪算法

研究了一个基于相控阵雷达的自适应采样的目标跟踪算法，该算法基于IMM。该算法有两个目的：估计、预测目标的运动状态；估计运动中过程噪声的大小，并利用过程噪声的大小来决定更新时间间隔以适应目标运动状态的变化。文中对自适应更新采样的算法和传统的固定周期采样的IMM算法进行了比较。仿真结果表明：在保证同样的跟踪质量情况下，自适应更新采样算法能减少采样次数。     

基于光流场估计的自适应Mean-Shift目标跟踪算法

针对Mean-Shift算法在目标跟踪中出现由于目标运动速度过快或尺度明显变化以及目标遮挡时导致跟踪失败的问题,结合光流场估计,提出了一种自适应Mean-Shift跟踪算法。本文方法在基于传统均值漂移矢量法的同时,引入光流法,在目标上找寻特征点,通过特征点前后变化的信息,修正跟踪窗口中心位置和大小,再根据Bhattacharyya系数二分法分别自适应得到更为精确的窗口长宽;而针对目标被静止物体遮挡,通过色差分析观测目标被遮挡区域,利用Bhatta-charyya系数重新捕捉目标。实验结果表明,本文方法在对目标移动方向较明显或由透视变化而导致的尺度变化具有较其他算法更优异的表现。将本文方法应用到铁轨跟踪实际中,测试结果表明,结合本文方法可显著提高轨道跟踪的可靠性。     

基于动态模板匹配的自适应尺度目标跟踪算法

为保证大型光学模块装校装置在装校过程的稳定性和准确性,需要对导向模块进行监测跟踪。针对传统模板匹配跟踪算法在工业应用中存在无法应对目标尺度变化、缺少有效的模板更新策略等问题,提出一种基于动态模板匹配的自适应尺度目标跟踪算法。首先对第一帧图像检测运动目标区域,提取目标模板中心点,生成模板图像金字塔;在之后的每一帧中,先计算各尺度下模板图像和目标图像的相似性,取相似度最大的尺度因子作为尺度变化量,借助动态模板更新策略更新模板;最后融合卡尔曼滤波算法,预测出候选目标范围。在OTB数据集上进行实验,结果表明,所提算法在满足实时性要求的同时,相较于传统算法,重合率提高约21个百分点。     

基于自适应无迹粒子滤波的目标跟踪算法

为解决复杂场景中目标跟踪问题,提出了一种噪声未知情况下的自适应无迹粒子滤波(A-UPF)算法。算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹Kalman粒子滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明,本文方法对于复杂条件下的目标跟踪问题具有较高的精度和较强的鲁棒性。     

自适应转弯模型的机动目标跟踪算法

给出了一种利用白适应转弯速率模型的IMM跟踪算法，可以用于机动目标的跟踪中。每一步通过交互输出的速度和加速度的估计值来计算转弯速率，它的大小等于加速度和速度的比值。本文中对提出的白适应算法和其他两种IMM算法进行了比较。     

基于时间窗的自适应核密度估计运动检测方法

在对非参数核密度估计算法改进的基础上,针对远程视频监控中存在前景检测不够精确、实时性低等问题,提出了用于自适应背景更新的基于像素时间信息窗的核密度估计(TIW-KDE)算法,该算法充分利用时间轴上的前景帧的信息,自适应地将背景划分为动态背景区域和非动态背景区域,对动态背景区域用改进的非参数核密度估计算法进行更新,对非动态背景区域采用渐进式算法更新,有效解决了非参数核密度估计算法在背景更新时引起的背景污染和计算量大问题。实验结果表明,该算法在提高前景检测精确性的前提下,在处理实时性方面得到很大提高。     

基于DSP+FPGA平台的复杂背景目标检测与跟踪

研究了图像匹配算法原理,并分析了不同匹配算法类型。根据灰度特征编码的原理,给出了编码流程以及匹配算法FPGA实现,在试验中进行了FPGA编码并实现了改进的中值滤波算法和灰度特征编码匹配算法。在各种背景环境条件下,利用该算法对可见光视频图像和红外图像的匹配效果进行了试验,实验证明,该匹配跟踪算法容易进行硬件实现,能够达到提高系统实时性的要求。     

基于相关滤波和关键点的目标跟踪算法

跟踪过程中的复杂因素,如繁杂背景、遮挡、光照变化、形变等导致了很多相关滤波跟踪算法在跟踪时不能获得很好的精度.针对传统相关滤波的不足,提出了一种有效的跟踪框架,通过联合多角度判别相关滤波与关键点达到目标位置估计的目的,再利用多尺度相关滤波估算目标的尺度.实验结果表明,提出的跟踪算法能够很好地对目标进行跟踪.相比其他的跟踪算法,新算法在精度上有很大的提高.     

基于Hausdorff距离的多分辨率目标跟踪方法

针对目前运动目标跟踪算法的计算结果和效率不能令人满意的现状,提出利用改进的Hausdorff距离进行模板匹配,它具有计算量小,适应性强的特点.为了能较快的跟踪目标,采用多分辨率分析的方法处理序列图像.实验结果表明,本文的算法能显著提高运动目标跟踪的准确程度和效率.     

基于自适应反步跟踪的反馈调整稳定性控制算法

当飞机在大回环飞行中,由于受到空气动力学的扰动较大,需要进行飞行姿态稳定性控制,传统方法采用分段线性化控制方法,在大扰动条件下,飞行过程中各段的控制误差不断方法,导致飞行稳定性不好。提出一种基于自适应反步跟踪的飞行器反馈调整稳定性控制算法。构建大回环飞行中的飞行稳定性控制的参量模型系统,考虑外界干扰的情况下,进行飞行器反馈调整稳定性控制目标函数构建,采用自适应反步跟踪方法拟合控制过程的状态误差响应,实现控制器优化设计。仿真结果表明,采用该算法进行飞行器的稳定性控制,系统误差受到外界扰动的影响较小,控制器的自适应收敛性较高,展示了较好的应用性能。     

基于有限差分扩展卡尔曼粒子滤波的多特征自适应融合的目标跟踪算法研究

针对复杂环境下目标跟踪问题,提出了一种基于 有限差分扩展卡尔曼粒子滤波的多 特征自适应融合跟踪算法。采用有限差分扩展卡尔曼滤波器对采样粒子集合进行滤波更新, 通过融入最新观测信息的方法消弱权值退化现象;在新算法的框架内,利用目标静态和动态 互补特征作为观测量,实现不同环境下目标的多特征自适应融合跟踪。实验结果表明,本文 方法具有较好的跟踪精度和抗噪声干扰能力。     

基于Contourlet直方图的目标跟踪算法

提出一种基于Contourlet直方图的目标跟踪算法。对图像先进行Contourlet变换,并利用变换后的Contourlet系数建立Contourlet直方图,将其作为meanshift算法的迭代参数来实现目标跟踪。实验结果表明,本算法具有较好的鲁棒性,能够在遮挡、小目标等情况下实现快速准确的跟踪。     

基于多特征自适应融合的均值迁移目标跟踪算法

针对复杂环境下,均值迁移算法只使用 颜色特征跟踪目标鲁棒性差的问题,提出一种多特征自适应融合的MS目标跟踪算法。算法在 跟踪场景的动态变化过程中,通过选择对目标和背景区分能 力强的特征描述目标,建立多特征 融合目标模型,并设置特征重要性权值。给出了多特征融合目标定位公式。通过 动态评估不同特征在不同跟踪场 景中的可靠性,对特征权值进行动态更新以及多特征自适应融合。依据不同特征的权值给出 一种选择性模板更新机制,以减 轻目标模型的漂移。实验结果表明,提出的算法在复杂场景下,具有更高的鲁棒性和跟踪效 率。