一个基于知识的目标跟踪信息处理系统

提出了一个基于知识的目标跟踪信息处理系统，系统采用结构化的黑板模型，领域知识不仅用来指导高级的目标识别与跟踪，也用来指导低级的图像分割，研究了一种不确定性知识的表示方法和推理模型，知识用产生式规则和过程表示，实验表明，所提出的方法是切实可行的，基于知识的目标跟踪系统在目标识别、跟踪精度、抗干扰能力和自适应能力等方面比传统方法优越。     

基于模型动态切换的运动目标实时跟踪

针对视频监控系统中运动目标的跟踪问题,提出了一种基于模型动态切换的实时跟踪方法.在运动目标分割之后,跟踪系统有效判定运动目标的遮挡状态,对未遮挡的运动对象采用基于区域的跟踪模型,对于相互重叠的运动对象采用基于SIFT特征的窄基线图像匹配模型.基于区域的跟踪模型采用简单的目标区域特征以及运动预测属性,实现快速地跟踪.基于SIFT特征的图像匹配模型利用被跟踪目标在相邻图像帧之间很小的尺度和外形变化以及基于目标区域位置预测出的有限运动范围,实现快速的窄基线小范围SIFT特征匹配和跟踪.实验结果表明,该方法具有较强的鲁棒性,能有效实现复杂遮挡场景下的多目标实时跟踪.     

移动目标跟踪:一个基于多背景模型的技术

本文中,我们首先比较了视频序列中移动目标跟踪的各种背景压缩技术和基于平均滤子的改进方法。然后,提出了移动目标跟踪的多背景模型。实验证明,我们的方法可以得到更好的效果。     

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。     

基于当前统计模型的机动目标被动跟踪

介绍了极坐标系下的被动跟踪算法及存在的问题，并分析了其原因，为解决机动目标的被动跟踪问题，选取当前统计模型对加速度进行建模，并建立双机目标测量模型，推导了被动式机动目标自适应跟踪算法。Monte-Carlo仿真表明，新算法能够跟踪任意机动的飞行目标。     

捷联导引头中基于知识的目标分割方法研究

为了保证处理效率,需要通过图像分割出可疑目标来减少干扰、减少运算,提出了一种基于知识的目标分割方法.将图像区域作为研究对象,结合目标先验知识通过区域划分、特征提取及判定来选取合适的目标分割阈值.实验结果表明:该方法能够克服全局场景的影响,有效地将可疑目标分割出来,提高了系统的实时性,为目标的识别提供依据,同时降低了后面目标识别跟踪的难度.     

基于非负稀疏协作模型的目标跟踪算法

目标跟踪是计算机视觉研究领域中一个最基本的问题.为解决在复杂场景下目标跟踪效果不佳的问题,作者搭建了一个基于非负稀疏的协作模型,该模型将非负稀疏表示的产生式模型与全局模板判别式模型相结合,并提出了基于非负稀疏协作模型的目标跟踪算法.首先对每一帧图像使用粒子滤波得到若干个候选框,然后再利用非负稀疏协作模型对每一个候选跟踪框进行评分,根据得分最高判为是跟踪目标的候选框.在多个视频序列上的实验结果表明,所提出的方法可以有效地提高目标跟踪的性能.     

基于虚拟现实的复杂场景非显著目标跟踪方法研究

为避免复杂场景中的干扰因素影响非显著目标跟踪准确度,提出基于虚拟现实的复杂场景非显著目标跟踪方法。通过中值滤波设置图像窗口大小,统计相邻像素点最大中值,定义复杂场景特征区间。基于虚拟现实技术转换跟踪平面三维信息,利用正交原理计算空间位置,对应区间目标坐标。设定模糊逻辑集合,采用最大隶属度量方法构建隶属度函数,在复杂场景内跟踪非显著目标,完成非显著目标跟踪。设定多组目标跟踪场景,分别在影响因素较少、光感条件变化强烈、快速运动过程中和遮挡干扰背景五组条件下,测试非显著目标跟踪效果。实验结果表明,所提方法在上述设定中均可以完成准确跟踪,定位得到目标物。     

基于遗传算法的粒子滤波器在目标跟踪中的应用

粒子滤波器是解决非高斯运动跟踪的一种非常有效的方法，粒子滤波器存在的一个最大的问题是粒子的退化现象，本文中我们提出了一种基于遗传算法的改良粒子滤波器设计方案，以进化设计解决了退化问题，并结合理论与实践证明了其解决粒子退化现象上的优势。     

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.     

机动目标的模糊多模型跟踪算法

设计了一种基于模糊逻辑推理的机动目标多模型跟踪新算法（FMMTA）,把量测新息对其协方差的逆的加权二次函数作为模糊推理系统的输入,并通过模糊逻辑推理得到模型集中各模型的匹配度,代替了交互式多模型（IMM）算法中的模式概率计算,降低了计算的复杂度。该算法将测量空间的不确定性映射到模糊空间,从而解决了从测量空间的不确定性到模式空间不确定性的模糊推理问题,并将模糊推理与多模型卡尔曼滤波结合,进行并行处理,有利于机动目标的实时跟踪。Monte Carlo仿真结果表明,在模糊规则设计恰当的情况下,FMMTA算法相对于IMM算法在降低机动目标位置和速度的跟踪误差方面更有效。     

一种新的双基阵纯方位机动目标跟踪算法

针对方位测量方程的非线性问题,提出了一种基于改进的自构建神经模糊网络（SONFIN）的双基阵纯方位机动目标跟踪算法。该算法首先利用目标方位角信息,对其进行目标特征提取,然后利用小波基函数所具有的时频局部分析能力,提出了用小波基函数来代替高斯基函数这一策略。仿真结果表明,神经模糊网络可实现双基阵纯方位机动目标的实时跟踪,并且改进后的网络跟踪性能要优于高斯基网络。     

一种移动机器人跟踪机动目标的方法

针对机器人跟踪机动目标,提出了一种完整探测、估计的方法.利用单目视觉定位被跟踪目标的方位,再融合激光数据来获取目标的空间位置.基于"当前"统计模型,将获取到空间位置作为观测信息,采用自适应卡尔曼滤波算法,对机动目标进行跟踪,并准确预测其位置、速度及加速度信息.为验证本方案,使用一个Pioneer 3-AT作为主动机器人,及一个AmigoBot机器人作为被跟踪目标进行实验.结果显示,提议的方案可行,其精度满足实际应用的要求.     

跟踪门对多目标跟踪系统性能的影响

讨论了密集目标环境下跟踪门门限对多目标跟踪系统性能的影响。在略去杂波的情况下,以方差压缩比作为跟踪系统性能的衡量指标,对跟踪门性能进行了理论分析。给出了矩形跟踪门配合K alm an滤波算法和PDA关联算法的仿真数据。提出了一种跟踪门门限的选取方法,将离线仿真得到的门限直接应用于跟踪系统,门限计算复杂减小,适用于对速度要求较高的跟踪系统。     

A Target Tracking System for Applications in Hydraulic Engineering

A new type of digital video monitoring system (DVMS) named user defined target tracking system (UDTTS), was developed based on the digital image processing (DIP) technology and the practice demands of construction site management in hydraulic engineering. The position, speed, and track of moving targets such as humans and vehicles, which could be calculated by their locations at anytime in images basically, were required for management. The proposed algorithm, dependent on the context-sensitive moving information of image sequences which was much more than one or two images provided, compared the blobs’ properties in current frame to the trajectories of targets in the previous frames and then corresponded them. The processing frame rate is about 10fps with the image 240-by-120 pixels. Experimental results show that position, direction, and speed measurements have an accuracy level compatible with the manual work. The user-define process makes the UDTTS available to the public whenever appropriate.     

一种精确跟踪目标的非线性滤波算法

论文分析了当目标距离或雷达极角量测误差超过一定限度时,扩展卡尔曼滤波器跟踪精度迅速下降和原因,并在精确计算线性化误差及实际量测误差的基础上提出一种补偿线性化误差的跟踪滤波算法（PTLKF）。计算机仿真结果表明,论文提出的算法有效地减小了线性化误差的影响,滤波器跟踪精度得到较大提高。     

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别目标，进而完成目标状态估计的方法─ＯＤＡＭＣＦ（ＯｐｔｉｍａｌＤａｔａＡｓｓｏｃｉａｔｉｏｎＭｅｒｇｅｄ－ｍｅａｓｕｒｅｒｎｅｎｔＣｏｕｐｌｅｄＦｉｌｔｅｒ）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；     

用于机动目标跟踪的多模型概率假设密度滤波器

针对概率假设密度(PHD)滤波器在多目标跟踪问题中无法解决目标发生较大机动时的目标丢失问题,提出了一种多模型概率假设密度(MM-PHD)滤波器.这种MM-PHD滤波器在粒子PHD滤波器的基础上,使用多模型方法对滤波器中每个描述目标状态的粒子的状态进行更新,再将更新后的粒子代入传统的PHD滤波器中用于估计目标的PHD的分布.该滤波器结合PHD滤波器和多模型方法的特点,可用于目标数未知的多机动目标跟踪,且对目标的数量和状态的估计更加准确.多机动目标跟踪的仿真实验表明,与已有方法相比,该滤波器对目标数的估计与真实情况基本一致,描述多目标状态估计误差的Wasserstein距离值降低了50%以上.     

智能小车目标识别跟踪系统的实现

对目标识别与跟踪技术进行了分析,在此基础上结合智能小车目标跟踪系统的开发,详细讨论了特定目标跟踪系统的具体实现方法、数字图像处理在目标识别中的应用以及小车智能控制的软、硬件设计.该系统通过配置在智能小车上的摄像头,采用数字图像处理技术对特定目标进行识别,在目标运动过程中,通过单片机接收计算机发出的命令控制智能小车跟踪目标,在没有人为干预的情况下,能够自主运行,稳定地跟踪目标.该设计为生长机器智能系统提供了一个研究平台.     

IMM算法在车辆机动目标跟踪中的应用

针对高速公路车辆的机动目标跟踪问题,采用交互多模型算法(IMM)中的2个模型分别表示车辆的匀速运动状态和匀加速运动状态,并结合目标运动模型对目标当前加速度和其方差进行蒙特卡洛仿真.仿真结果表明该算法不仅可以在匀速运动时将关键测量噪声减低,而且在机动模型中保证状态估计量比未滤波的雷达测量值精确,同时可以对运动模型进行准确的识别,从而改善路面机动目标的跟踪性能,提高车辆的安全性和可靠性.因此,交互多模型算法可以满足高速车辆机动目标跟踪的要求.