Sensor planning method for visual tracking in 3D camera networks

Most sensors or cameras discussed in the sensor network community are usually 3D homogeneous, even though their2 D coverage areas in the ground plane are heterogeneous. Meanwhile, observed objects of camera networks are usually simplified as 2D points in previous literature. However in actual application scenes, not only cameras are always heterogeneous with different height and action radiuses, but also the observed objects are with 3D features（i.e., height）. This paper presents a sensor planning formulation addressing the efficiency enhancement of visual tracking in 3D heterogeneous camera networks that track and detect people traversing a region. The problem of sensor planning consists of three issues：（i） how to model the 3D heterogeneous cameras;（ii） how to rank the visibility, which ensures that the object of interest is visible in a camera＇s field of view;（iii） how to reconfigure the 3D viewing orientations of the cameras. This paper studies the geometric properties of 3D heterogeneous camera networks and addresses an evaluation formulation to rank the visibility of observed objects. Then a sensor planning method is proposed to improve the efficiency of visual tracking. Finally, the numerical results show that the proposed method can improve the tracking performance of the system compared to the conventional strategies.     

密集杂波环境下多目标跟踪算法

基于快速数据关联FAFDA(fastalgorithmfordataassociation)滤波算法,根据Houles和Shalom将概率数据关联PDA(ProbabilisticDataAssociation)算法推广到解决两个传感器单目标的跟踪问题的思路,构造了一种两个同类传感器的序列观测数据的融合来跟踪多个机动目标的数据关联方法MSFAFDA(multiplesensorfastalgorithmfordataassoci ation)。本方法主要使用的是点 航迹联合和序列估计法,蒙特卡洛仿真结果表明方法对多机动目标的跟踪具有比FAFDA更好的跟踪性能。     

基于相关滤波的视觉目标跟踪算法新进展

相关滤波跟踪算法凭借其优良的综合性能,已成为视觉目标跟踪领域中理论研究和实践应用的热点.尽管目前已有大量研究,但仍缺乏从跟踪框架层面对现有相关滤波跟踪算法的系统分析.因此,文中从视频目标跟踪算法基本框架出发,深入剖析了相关滤波跟踪算法的特性以及各工作阶段存在的基本问题.以此为依据,归纳总结了近十年来其主要技术新进展及相...     

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

针对交互多模型(interacting multiple model, IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型（variable structure multiple model, VSMM）的高斯混合基数概率假设密度（Gaussian mixture cardinalized probability hypothesis density, GMCPHD）滤波算法。该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性。此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布。最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用。     

多智能体系统的有限时间跟踪控制

基于领导-跟随者模型研究了多智能体系统的有限时间跟踪控制问题。针对领导者状态是时变的情况,提出了一类非线性有限时间跟踪控制算法,在固定网络拓扑结构下,利用Lyapunov有限时间稳定性理论和矩阵理论分析,得到了该算法使得系统中跟随者状态在有限时间内与领导者状态达到一致的充分条件;在切换网络拓扑结构下,提出了一类有限时间跟踪控制算法,在领导者的状态是时不变的情况下,给出了该算法使得系统实现有限时间跟踪控制的充分条件。仿真实例验证了所提出两类算法的有效性。     

未知转换概率矩阵下的机动目标跟踪算法

机动目标跟踪过程中的转换概率矩阵往往是未知的,系统状态也将呈现非线性、非高斯、不完全观测的特点。传统的方法如交互多模型、广义伪贝叶斯算法等解决该类型问题的效果并不理想。将准贝叶斯法则和辅助粒子滤波算法相结合,提出了一种新的未知转换概率矩阵条件下的机动目标跟踪算法(QB-APF)。仿真结果表明,该算法与其他方法相比具有更高的滤波精度和较好的数值稳定性。     

基于IMM的UK-GMPHDF算法在多机动目标跟踪中的应用

为解决非线性系统滤波的非线性和多机动目标跟踪问题,提出了一种基于交互多模型(IMM)的无迹卡尔曼实现的高斯混合概率假设密度滤波(UK-GMPHDF)算法.该算法结合了IMM算法对不同目标机动模型的自适应能力和UK-GMPHD滤波精度高、计算量小的优点.此外,滤波器利用UK-GMPHD滤波,不仅避免了难以解决的数据关联问题,而且可以联合估计目标数和目标状态.在非线性系统和杂波环境下,通过对多机动目标跟踪的应用仿真,将该算法和基于单模型的UK-GMPHDF算法进行了比较,仿真结果表明了基于IMM的UK-GMPHDF算法具有较好的跟踪性能,大大提高了多机动目标跟踪精度,减少了跟踪的多目标误差.     

单站纯方位目标多模型卡尔曼滤波跟踪算法的研究

EKF滤波算法是进行目标被动定位与跟踪的重要方法之一，为了克服EKF初始化困难和减小线性化误差，对传感器的最大探测距离与最小距离所构成的距离区间实施分区划分，划分成若干个目标可能存在的小区段。钟对每一个小区段，使用扩展卡尔曼滤波，完成滤波协方羔的旋转变换，实现单站纯方位目标状态的估计和跟踪。经过大量仿真计算表明，该算法对滤波初值的设置有较大的选择范围，具有很好的稳定性，精度较高，实施水下目标被动跟踪具有重要意义。     

基于新最速下降法的目标跟踪算法

雷达目标跟踪滤波算法是雷达信号处理的重要组成部分, 在空防预警、战场监视、导弹制导等领域起着重要的作用。本文提出了基于一种新最速下降法的目标跟踪算法。首先建立一种基于改进多项式拟合模型的运动描述模型, 接着用一种新最速下降法来求解运动模型的最优参数, 通过实时的最优运动模型对运动目标航迹进行预测跟踪, 并采用正则化思想去除噪声影响。将本文算法与目前常用的交互多模型跟踪滤波算法进行对比, 仿真结果表明在目标机动和非机动的情况下, 本文算法的精度更高、计算量更小、实时性更好。     

基于量测转换序贯滤波的GMPHD机动目标跟踪

针对多普勒雷达杂波环境下的多机动目标跟踪, 提出了一种基于去相关无偏量测转换序贯滤波的多模型高斯概率假设密度算法。针对量测的非线性, 将位置量测进行无偏量测转换, 将多普勒量测进行去偏量测转换, 并通过序贯滤波方式提高跟踪精度。针对多目标的机动性, 在高斯混合概率假设密度(Gaussian mixture probability hypothesis density, GMPHD)中引入多模型思想对模型相关的高斯分量进行预测、更新处理。仿真结果显示, 所提算法可以在杂波环境中实现有效的机动多目标跟踪, 与无迹卡尔曼多模型GMPHD相比不仅跟踪精度提升了38.15%, 而且大大改善了算法效率; 与无迹卡尔曼最适高斯近似GMPHD相比, 在效率上有小幅度的增加, 且跟踪精度提升了36.47%。     

基于图Laplacian的多机编队目标跟踪方法

针对多无人机目标跟踪问题中存在的相位协同时间长和跟踪目标速度受限问题,基于图Laplacian方法提出一种分布式多机编队目标跟踪算法.首先,将无人机编队队形控制问题转换为基于旋转、缩放和平移的运动参数组设计问题,并通过设计编队控制律,实现动态编队队形的精准生成与变换.其次,将此编队队形控制方法应用到目标跟踪问题上,通过...     

基于多模型结构的非线性鲁棒自适应跟踪控制

针对复杂的非线性系统,提出一种基于多模型结构的鲁棒自适应控制方法,使得系统可以在不同的运行环境下跟踪给定的信号.由多个线性模型和一个模糊模型及其相应的控制器构成基本的多模型控制系统,再引入动态结构自适应神经网络以保证系统的稳定性及抑制由频繁切换引起的噪声.最后,对某小型飞机进行全包络飞行跟踪控制的仿真,验证所提控制方法是有效的.     

Novel sensor selection strategy for LPI based on an improved IMMPF tracking method

Sensor platforms with active sensing equipment such as radar may betray their existence, by emitting energy that will be intercepted by enemy surveillance sensors. The radar with less emission has more excellent performance of the low probability of intercept（LPI）. In order to reduce the emission times of the radar, a novel sensor selection strategy based on an improved interacting multiple model particle filter（IMMPF） tracking method is presented. Firstly the IMMPF tracking method is improved by increasing the weight of the particle which is close to the system state and updating the model probability of every particle. Then a sensor selection approach for LPI takes use of both the target＇s maneuverability and the state＇s uncertainty to decide the radar＇s radiation time. The radar will work only when the target＇s maneuverability and the state＇s uncertainty exceed the control capability of the passive sensors. Tracking accuracy and LPI performance are demonstrated in the Monte Carlo simulations.     

Bearings-only fusion tracking for maneuvering target with wavelettransform in three dimensional space

1.INTRODUCTION Passivesensordoesnotgenerateelectromagneticwaveand thereforecannotbefoundbyopponent.Thischaracter madeitplayinganimportantroleintargettrackingappli cationwhereradarhastraditionallybeenused.However,forpassivesensor,thedistancebetween sensorandtargetisusuallynotavailable.Tosolvethis problem,twowaysareusuallyadopted:passivesensor withintermittent workingactivesensortracking[1],two ormoreplatformsbearings onlytracking[2,3].Inthis work,bearings onlytrackingwithtwoplatformsisstud…     

一类模糊时滞系统自适应跟踪控制与仿真

基于T-S模糊模型和变结构控制策略,研究了一类带有参数不确定项的模糊时滞系统自适应输出跟踪问题。首先利用变结构控制理论选择滑动模,根据李雅普诺夫方法,提出了一种自适应变结构控制策略。利用自适应策略的目的在于克服扰动的未知上界,使设计的控制器满足可达条件。该方法确保系统的运动轨迹在有限的时间内到达滑模面并一直保持在滑模面上。其次根据ISS理论和LMI方法研究了系统状态全局有界的充分条件。最后,通过仿真实例验证了所提方法的正确性和有效性。     

空基无源相干定位系统的机动目标跟踪算法

针对空基无源相干定位系统中外辐射源状态不确定性对机动目标跟踪精度的影响,提出了一种基于多模型预测的双变量容积卡尔曼滤波算法.首先建立了机动目标跟踪的系统模型,并确定了多模型集.然后基于多模型思想,将模型交互步骤增加到状态预测步骤之后,对状态预测值进行交互融合,得到最优的状态预测值.为解决固定的马尔可夫转移概率导致系统跟...     

一类不确定Markov跳跃系统的鲁棒跟踪与模型跟随

讨论了一类不确定Markov跳跃线性系统的鲁棒跟踪与模型跟随问题。通过构造一组非线性鲁棒状态反馈跟踪控制器来跟踪给定的动态信号,该控制器确保系统当T→∞时是以扰动衰减系数γ鲁棒随机稳定的,且跟踪误差有界。最后给出算例说明了所设计的鲁棒跟踪控制器的性能。     

分布式干扰下组网雷达目标检测与跟踪技术

针对分布式干扰下组网雷达目标检测与跟踪,提出一种基于分布式干扰下雷达量测模型的跟踪技术。该跟踪技术包括分布式干扰下量测模型和组网雷达序贯滤波跟踪两部分,分布式干扰下量测模型根据雷达采取抗干扰措施前后的接收机输入端的信干比分别计算检测概率,进而模拟传感器在分布式干扰下对目标的检测情况。在组网雷达序贯滤波中,首先对分布式干扰下各雷达的量测数据进行串行合并和点迹合成,然后采用基于交互多模型的序贯滤波方法对压缩后的数据进行跟踪。该检测与跟踪技术可模拟出雷达在分布式干扰下因检测概率下降造成的目标暂消现象,提高组网雷达跟踪航迹的连续性和稳定性。仿真结果证明了该技术的可行性和有效性。     

空间机动目标跟踪的改进自适应IMM算法

针对使用模型似然函数比对传统交互多模型(interacting multiple model, IMM)算法模型转移概率实时修正存在奇异的问题, 基于所提修正函数给出一种改进自适应IMM算法。首先, 将白噪声模型与扩展卡尔曼滤波(extended Kalman filter, EKF)算法结合, 设计了非机动模型EKF1及机动模型EKF2作为IMM算法模型集。其次, 预报模型采用适应椭圆参考轨道的非线性相对轨道动力学方程以提高模型预报精度。最后, 分析了速率量测信息对减小机动目标跟踪峰值误差的作用。仿真结果表明, 改进的模型转移概率自适应IMM-EKF算法跟踪精度明显提高, 且优于比较的现有方法; 引入速率量测信息后, 最大峰值误差及估计精度得到了改善。     

考虑盲区的多移动传感器地面目标检测跟踪调度方法

针对地面目标检测跟踪任务以多移动传感器系统为调度对象,提出一种考虑盲区的传感器调度方法。首先,建立了目标检测模型,基于贝叶斯风险理论给出了目标检测损失的计算方法以评估检测性能。然后,考虑多普勒盲区和视野盲区的影响,建立了目标跟踪模型,并给出了基于盲区信息辅助的目标跟踪算法以应对盲区出现时目标状态估计问题。最后,建立了传感器优化调度模型,结合检测损失、跟踪精度、传感器能耗等因素建立了目标优化函数。仿真结果表明,所提调度方法能够有效解决多移动传感器协同调度问题,所得的最优调度方案可在兼顾检测性能、跟踪性能和控制能耗的同时,使整体作战收益达到最佳。