基于A*算法优化的无人水面艇路径规划

为了解决A*算法在无人水面艇路径规划中无约束条件导致的安全问题,提出一种对A*算法的搜索优化和平滑优化方法。首先,对电子海图数据中的海洋环境信息进行提取,采用栅格法建立路径搜索空间的海洋环境模型,并使用坐标对栅格统一编号;其次,引入安全距离约束对A*算法进行搜索优化;最后,通过引入转向角约束,消除冗余节点达到平滑优化的效果。实验结果表明,通过对A*算法的优化处理,提高了无人水面艇路径规划的安全性,满足无人水面艇在复杂环境中全局路径规划的需求。     

基于集中式MIMO雷达的多目标跟踪功率分配优化算法

针对集中式MIMO雷达对多个运动目标进行跟踪的问题,提出一种基于后验克拉美罗下界的功率分配方法。首先给出了多个运动目标定位误差的后验克拉美罗下界,并将其作为代价函数进行优化,从而将雷达功率分配转化为求解凸优化问题;然后,运用SDP算法对该凸优化问题进行处理,将其转化为SDP问题并求解,从而实现对雷达功率的优化分配;最后,通过仿真验证了算法的有效性。结果表明,与功率平均分配和一种基于最大信噪比的贪婪算法相比,该功率优化分配方法能明显提高目标跟踪精度。     

基于运动模型的多目标跟踪算法

本文介绍多目标跟踪的原理,并引出了在目标跟踪中的跟踪算法的基础目标运动的模型。并根据实际需要,设计了一种根据目标运动模型的多目标跟踪算法。     

基于Mask R-CNN的多目标跟踪算法

针对目前多目标跟踪算法在面对目标频繁遮挡时跟踪效果较差的问题, 提出采用Mask R-CNN作为检测器, 根据检测结果利用Kalman滤波器预测下帧图像中跟踪目标的位置, 用改进匈牙利算法进行数据关联, 并利用轨迹修正方案应对轨迹中断问题. 将该算法在MOT16数据集的各测试集上进行实验, 实验结果表明, 该算法目标跟踪准确率为55.1%, 且针对目标被遮挡问题效果较好.     

基于特征点轨迹的多目标跟踪算法

在连续的视频流中,多目标跟踪的任务就是在每一帧中确定目标物体的位置,但是跟踪算法会受到很多外界因素干扰,其中遮挡对跟踪效果的干扰最为严重,为此提出基于特征点轨迹的跟踪算法,用于解决多目标相互遮挡时的跟踪难题.首先跟踪时引入延迟,在处理当前帧时提前获取未来的N帧图像;再提取图像上的特征点并串联成轨迹,根据轨迹来估计目标在N帧之后的位置.根据目标的位置分析目标的运动,从而定位当前帧目标的位置.实验数据表明,这种方法能够有效处理目标遮挡,并且该算法的复杂度比很多传统算法都低,能够在低端处理器上实时运行,满足实际需求.     

基于马尔科夫决策过程的多目标跟踪算法

目前,多目标跟踪算法仍面临诸多挑战,例如遮挡、快速运动等所造成的影响难以完全规避.为了解决上述问题,提出一种基于马尔科夫决策过程的多目标跟踪算法.该算法将每个目标建模成一个马尔科夫决策过程,通过最大化奖励函数来驱动状态间的转移,并将强化学习训练用于数据关联相似度函数,有效地解决了目标遮挡问题.同时,为了解决物体快速运动...     

行人多目标跟踪算法

针对多目标跟踪中因目标遮挡而导致跟踪过程中身份交换频繁的问题,提出一种行人多目标跟踪算法.该算法首先使用YOLOv4作为检测器,检测出目标并确定检测框坐标,利用扩展Kalman滤波器对轨迹进行预测;然后用匈牙利算法作为数据关联模块,采用级联匹配方法将扩展Kalman滤波预测的检测框与目标检测的检测框进行匹配,并将发生遮...     

基于区域卷积神经网络的多目标跟踪算法

深度学习在目标识别、场景分割及图像内容理解上取得了不错的研究成果,但在目标跟踪的应用还较少。提出区域选择算法,先产生原始候选区域,再计算其中邻近区域对的颜色、纹理相似性,对原始候选区域进行过滤,在此基础上,将最终的候选区域作为基于区域的卷积神经网络的输入,通过深度学习的方法提取目标区域的特征,并将提取的特征通过线性支持向量机进行相似度判断,最终计算出跟踪目标的位置信息,同时,利用采样算法进行跟踪目标正负样本的采样,更新卷积神经网络和支持向量机。实验结果表明,基于区域的卷积神经网络算法在目标跟踪的准确率及算法的鲁棒性两方面均有不错的表现。     

基于能量最小化的多目标跟踪算法研究

多目标跟踪是计算机视觉领域中研究难度较大的一个重要课题,现有的多目标算法只关注生成所有目标的区分性运动和外观模型,如果目标的场景拥挤、掩蔽频繁、外观相似,则很难找到合适的描述符来将这些目标区分开。鉴于此,基于一种在线学习条件随机场模型对跟踪问题进行表述,并将其转化为能量最小化问题。其中,能量函数既包括一组基于运动和外观模型,并可对所有目标进行区分的一元函数;又包括一组可以将对应的踪迹碎片对区分开来的二元函数。最后,提出一种近似算法,可用于高效确定能量成本低、质量高的跟踪问题的解。基于3种公共数据集对算法进行评估。仿真实验结果表明,算法相对其他几种最新算法,具有很大的性能提升;无论在区分外观相似且空间距离较近的目标方面,还是在处理摄像机运动方面,算法的性能均很优异。     

基于多层定位的多目标跟踪算法

在遮挡频繁发生的环境中,多目标跟踪是一个难题.为解决此难题,提出了一种基于多层定位的多目标跟踪算法.该算法利用码本模型检测前景.首先计算垂直方向上的灭点,进而获得基于多层的单应性矩阵,完成多目标在多层上的定位.然后利用图割算法进行跟踪.该算法不需要相机的完全标定,提高了计算效率.实验结果表明,本算法实时性好,对多目标之间的遮挡具有很强的鲁棒性.     

基于CNN-GRU度量网络的多目标跟踪算法

针对复杂场景下多目标跟踪算法存在目标标识切换率高、目标轨迹误报率高的问题,提出了一种基于行人重识别网络和CNN-GRU(Convolutional Neural Networks-Gated Recurrent Unit)度量网络的多目标跟踪算法.通过构建一个CNN和双GRU网络结合的深度度量模型,同时预测跟踪目标轨迹...     

雷达多目标跟踪算法

文章简述了雷达多目标跟踪系统中状态估计和航迹数据关联两大问题的研究现状并对主流算法进行分析对比。状态估计问题主要分析了线性滤波及非线性滤波的主流算法。数据关联问题主要分贝叶斯类和最大似然概率类进了行讨论分析。     

基于稀疏A*算法的三维航迹并行规划算法

提出三维稀疏A*算法的规划时间组成,并分析该算法的时间复杂度和并行性,随后给出并行任务划分的不同策略．判断OPEN表中是否存在与新节点相同节点的准则修改为：只比较OPEN表中代价比新节点代价小的节点,新准则可以有效地减少对共享式OPEN,CLOSED表的瓶颈效应．提出的三维航迹并行规划算法在并行机群环境中实现,实验结果表明时间效果改善明显．     

基于A*算法的舰船最佳航线选择

提出利用A^＊启发式搜索算法选择舰船最佳航线,对算法中利用的估价函数作了定量的描述。通过实例与传统的图搜索算法选择最佳航线进行比较,A^＊算法不仅减少了搜索的结点数目,而且搜索效率较Dijkstra算法可以提高30%～40％。     

基于A*算法的启发式算法求解多序列比对问题

通过分析动态规划算法及A^*算法的特点，针对多序列比对问题提出一种基于A^*算法的启发式算法。该算法采用了多个优化搜索机制。通过对此算法的理论分析，证明了它能够在有效地减小搜索的空间、节约搜索的时间的同时，保证得到比较好的比对结果。此算法不仅能够在多序列比对问题中得到应用，还能够用于其他有向无环图的最短路径问题的求解。     

基于模糊自组织神经网络的多目标跟踪算法

分析了多目标跟踪问题的数据关联算法复杂性,研究了基于模糊C均值聚类算法的模糊自组织神经网络的特性及其在多目标跟踪中的应用,提出了将FKCN算法、自组织神经网络与数据关联、滤波相结合的跟踪算法．仿真结果表明本算法能在多目标环境下取得较好的跟踪效果．     

基于路侧摄像头的多目标跟踪算法优化设计

针对当前多目标追踪算法应对路侧交通场景的缺陷,提出一种基于路侧摄像头的多目标追踪算法。选择one-shot追踪算法路线,基于FairMOT设计神经网络,使单个网络同时生成目标检测结果与外观特征结果,增强实时性效果;采用新的数据关联方式,减少遮挡对追踪器的影响;引入新的运动相似度度量方式——缓冲交并比,弥补线性运动预测模型产生的误差;提出基于速度判别的丢失轨迹移除算法和基于历史位置匹配算法,实现长时间遮挡轨迹的身份恢复。在UA-DETRAC公开多目标追踪数据集上进行实验,验证该算法有效性。为证明该算法在真实路侧环境的适用性,在国家智能网联汽车（上海）试点示范区开放道路采集真实路侧场景数据。最后,将该算法和SORT、DeepSORT、ByteTrack、FairMOT算法在真实路侧场景数据上进行对比实验。实验结果表明,本算法在identification F-Score、ID switch、fragmentation、mostly tracked、mostly lost、multiple object tracking accuracy等评估指标上优于其他算法。     

基于ORB特征点匹配的多目标跟踪算法

视频中的多目标跟踪是计算机视觉领域的一个重要问题.针对多目标跟踪过程中由于目标缩放、旋转、扭曲以及遮挡等问题的存在导致目标易丢失的问题,提出了一种基于ORB特征点的多目标跟踪算法.首先利用"运动边缘生长"算法得到目标块,再利用目标块的ORB特征与特征模板的匹配来实现目标的关联.通过匹配过程,目标模板能够得到实时更新,即去除由噪声带来的过时的特征信息并添加进新的特征信息,保证特征模板的实时有效性,进而提高跟踪过程中匹配的可靠性.实验结果表明,本算法能够实时有效地处理目标由于形变以及局部遮挡而导致跟踪性能下降甚至跟踪目标丢失的问题,具有较好的鲁棒性.