基于观测距离的EKF和UKF目标跟踪方法对比

分析了EKF和UKF的基本原理,并对基于观测距离的EKF和UKF的目标跟踪方法进行了对比.利用Matlab软件对2种方法进行仿真,结果表明UKF对真实轨迹的拟合效果优于EKF,且UKF的误差变化小,收敛性比EKF好.     

一种间断观测下的无人机地面目标跟踪方法

提出了一种基于贝叶斯滤波器和适航地图的跟踪算法(BF-Hmap),解决间断观测下的无人机地面目标跟踪问题.采用基于中心线和梯度图的快速道路提取算法生成目标适航地图,该图描述了地面目标与当前地形相关的运动能力.采用贝叶斯滤波器分两步在线更新目标状态的后验概率分布,即在预测阶段考虑适航地图对目标运动的约束,以及在估计阶段充分利用目标的所有观测信息.仿真结果表明,在间断观测下该算法对地面机动目标有着良好的跟踪效果.     

跟踪地面目标的小型无人机飞行控制仿真研究

对无人机跟踪地面目标时的飞行控制问题进行了研究.首先对某小型无人机跟踪地面目标时的运动状态进行了建模分析,利用自动控制理论知识设计了相应的控制律,然后采用六自由度非线性运动模型进行了控制律的仿真验证,并且分析了风的扰动对跟踪精度的影响.仿真结果表明,设计的控制律能够控制无人机对地面目标进行可靠跟踪,且对侧风扰动具有较好的抑制能力.     

无人机跟踪地面非合作目标的分段引导与控制方法

针对固定翼无人机跟踪地面非合作目标问题,设计了一种产生期望航向角的分段引导律和无人机转向控制律.建立了问题的求解模型,分析了无人机跟踪地面非合作目标的两种情形:避免暴露和最小化暴露时间.证明了设计的引导律和控制律可以在安全状态下控制无人机避免暴露,在暴露状态下控制无人机最小化暴露时间.理论分析和仿真实验结果表明,设计的引导律和控制律能够控制无人机有效的跟踪地面非合作目标.     

跟踪运动目标背景下无人机航路的规划

现代战场中,无人机携带光电设备对运动目标进行跟踪是无人机的重要应用之一。以无人机独立执行跟踪运动目标为背景,在对其所用光电跟踪设备(CCD摄相机)进行分析的基础上,根据跟踪航路的要求,规划出了光栅式跟踪运动目标方案。对所规划方案的技术指标进行了研究,并总结出了光栅式跟踪方案的特点。最后,通过仿真对这此方案进行了验证。仿真结果表明方案可行,这对无人机执行跟踪运动目标的任务在理论上提供了一种可行方案。     

一种非合作双基地雷达目标跟踪方法

针对非合作双基地雷达系统的特点,提出了一种能快速找到航迹的目标跟踪处理方法。该方法首先用基于速度的方法起始可能航迹,然后利用跟踪波门技术对后续的测量点集进行相关性检测,接着进入Kalman方法预后续点迹位置的阶段,然后用最近邻域(NN)法搜索出属于该可能航迹的所有点迹,最后进行航迹的确认并开始搜索新的目标航迹。以实测数据为例进行实验,验证了该方法对非合作雷达系统目标跟踪的有效性。     

基于视觉显著性的无人机目标跟踪（英文）

近年来,小型无人机在无卫星导航条件下的使用需求日益强烈.针对多目标识别问题,提出一种基于小型多旋翼无人机平台的多运动目标识别定位技术,首先采用一种先快速定位感兴趣区域基于视觉注意机制,再用机器学习算法分析感兴趣区域获取目标的方法.实现了对图像中的指定目标进行追踪,同时还实现对目标的定位,其定位误差小于15 cm.该方法有效降低了光照变化、运动模糊、颜色类似物干扰及复杂背景等因素的影响.以地面机器人作为追踪目标进行算法测试验证,在目标消失时间较短的情况下,能够达到较好的追踪效果.     

基于Lyapunov导航向量场的无人机协同跟踪地面目标

针对多架无人机协同跟踪一个地面移动目标进行研究.通过基于Lyapunov导航向量场的航向控制使各架无人机收敛到位于目标上空的极限环,绕目标展开跟踪.进一步通过相位控制,使各架无人机均匀分布在极限环上,对目标进行协同跟踪.以3架无人机协同跟踪沿S型公路匀速前行的地面目标进行仿真.结果表明该方法能使无人机成功地完成协同跟踪任务.     

基于多方法集成的目标跟踪算法

在线运动目标跟踪是目前模式识别领域的一个难点问题,目标物体角度、姿态、远近距离变化以及遮挡等给鲁棒在线跟踪算法提出了苛刻的要求,单一算法很难有效处理所有问题.多方法集成是实现鲁棒在线跟踪的一种有效手段,为此提出了一个集成on-line boosting、基于归一化互相关的模板匹配法和粒子群优化算法的自适应目标跟踪算法框架.其中,on-line boosting是基本的跟踪算法;基于归一化互相关的模板匹配法有效避免了on-line boosting过多的错误更新;而基于粒子群优化算法的跟踪策略提高了系统对快速运动、外观变化的适应能力,同时也为模板的更新提供了保障,三种算法形成了有效互补,在稳定性和可塑性之间达到了一种平衡.在不同视频测试序列上的实验结果表明,该算法有效地缓解了自适应性和漂移之间的矛盾,能够实时地完成复杂的跟踪任务.     

基于改进的随机森林TLD目标跟踪方法

针对TLD算法中采用的随机森林分类器的决策树阈值固定,不能根据目标特征随时调整,影响分类精度和时间开销的问题,引入极端随机森林的思想,提出了基于改进的随机森林TLD目标跟踪方法。该方法用Gini系数度量样本集合的混乱程度,通过比较Gini系数是否超过了给定阈值,判断叶节点何时转变成决策节点进行分裂;再结合TLD算法中的P-N学习框架和在线模型训练更新样本;最终基于改进的TLD算法完成目标跟踪。将本文方法应用于多个视频集进行目标跟踪实验,验证了算法的有效性和稳定性。     

基于UKF的机动目标跟踪处理方法

提出了基于UKF的机动目标跟踪处理方法,能有效抑制动力学模型非线性和观测模型非线性带来的模型误差。和传统EKF滤波方法相比,该方法不仅避免了截断误差造成的滤波发散,而且避免了求解雅克比矩阵,简化计算流程,可以模块化处理,非常适合工程实现。仿真实验表明,当目标呈现明显非线性特征并且大机动运动时,该方法可以有效确定目标轨迹,实现高精度目标跟踪。     

双光斑交叉目标跟踪方法研究

为了解决交叉目标跟踪中相关系数矩阵的多峰性引起的目标模糊对应问题，提高状态估计的精度，提出了一种通过估计双光斑交叉目标形状参数来辨识目标，进而完成目标状态估计的方法－ＯＤＡＭＣＦ算法。实验表明，对于像喷气式发动机或导弹尾焰产生的红外高斯图像，形状参数估计的结果是精确的，能较有效地解决目标的模糊对应问题，提高了目标状态估计的精度。     

目标跟踪方法的研究进展

目标跟踪逐渐成为人们研究的热点,并广泛地应用到军事、民用领域中。本文对目标跟踪原理进行了概述,讨论了几种经典的目标跟踪算法,对当前目标跟踪领域中用到的新的方法进行了介绍,最后总结了未来目标跟踪的发展方向。     

基于仿射变换与模板更新策略的目标跟踪方法

提出了一种自适应跟踪算法,其主要思想是用六个仿射变换参数来表征图像中目标区域的运动,由当前位置图像与模板图像的差分图像可以求取这些参数,并进一步用这些参数来预测目标的运动和跟踪目标。在实际跟踪过程中,又采取一种有效的相似性度量方法,用它来决定是否修改模板,以及如何修改。     

基于全景视觉的目标跟踪方法研究

文章充分利用全景视觉具有360°视域的特点,将其引入视频监控领域,提出了一种基于全景视觉的目标跟踪方法。该方法基于多摄像机跟踪的思想,通过分析全景视觉的构造,将其分解为基于静态相关联多相机的跟踪。通过划分视场分界线,确定摄像机间的重叠区域,并对摄像机间相互关联关系进行描述和判断。当目标进入重叠区域时,通过同一目标在相邻视域中的关联实现目标交接,以达到在整个全景视觉中实现目标连续跟踪的目的。以全景视频中的行人跟踪为例,对文中所提的跟踪方法进行验证。实验结果表明,该方法可以有效解决多相机间的目标交接问题,实现全景视觉下目标的连续跟踪。     

基于Mean-Shift的运动目标跟踪

Mean-Shift跟踪算法由于计算复杂度低、跟踪效果好、实时性强等优点被越来越多地应用到视觉跟踪领域.对Mean-Shift算法的跟踪原理进行详细分析,给出基于该算法的运动目标跟踪过程及实现方法.最后,对复杂背景下人物序列图像进行跟踪实验,实验结果表明,该方法具有很好的跟踪性能,对于短暂小幅遮挡具有很好的鲁棒性.     

基于神经网络和Mean-shift的目标跟踪方法

提出了一种RBF神经网络和Mean-shift相结合的跟踪算法．此算法采用Bhattacharyya系数度量环境干扰程度,使用不同的比率因子将RBF神经网络对目标位置预测结果与Mean—shift算法跟踪结果加权,得到最终目标位置．实验结果表明,该方法在复杂环境下能对运动目标进行更加准确的跟踪．     

基于目标跟踪的信息反馈融合方法研究

针对目标跟踪问题环境的复杂性,信息的多样性,传统的信息融合方法有很多弊端,本文将反馈融合思想引入到传统的信息融合框架,提出了基于目标跟踪的信息反馈融合系统,利用信息反馈融合方法为指导,针对不同目标跟踪场景中传统跟踪技术的技术瓶颈,提出相应的改进方法。经过多次仿真验证,基于目标跟踪的信息反馈融合系统进一步提高了历史融合信息的整体利用率,并且可以得到精度更高、鲁棒性更好的融合估计效果。     

基于输入估计的机动目标跟踪方法

机动目标跟踪方法有变维滤波、输入估计和交互式多模等方法。由于输入估计法采用常速模型作为状态方程对目标进行滤波跟踪,避免了模型集设计而成为研究的热点,但传统输入估计方法跟踪机动目标时存在机动检测时延较长和估计精度不高的缺点。针对这些问题,对输入估计算法进行了改进。采用变检测窗长度提高机动检测的响应速度,通过对检测窗内信息序列的修正显著提高了估计精度。仿真结果表明所提出的算法比原有算法的跟踪性能有显著提高,且对加速度随时间变化的机动也有一定的跟踪性能。