多模成像跟踪器的算法智能调度方法

提出了一种利用多个目标状态的设置实现多种跟踪算法智能调度的方法．根据多模成像跟踪器所采用的投影、标记和相关三种跟踪算法的各自特点，对目标定义了搜索、截获、跟踪和再截获四种跟踪状态，建立了跟踪算法转换的判断条件，使跟踪器能根据场景与目标的变化自动进行切换，智能选择最佳跟踪模式，以确保始终对目标的稳定跟踪．此项研究有可能为提高多模成像跟踪器的跟踪平稳性能提供一种实用方法．     

三联神经网络与区域自适应策略融合的目标跟踪方法

为解决目标跟踪过程中快速运动模糊、背景相似干扰、目标状态变化等问题，基于孪生网络跟踪算法，提出三联区域候选神经网络（TripleRPN）算法与跟踪区域自适应策略（TAA）相融合的目标跟踪方法（TAA+TripleRPN）.三联区域候选神经网络根据当前跟踪结果实时更新网络匹配模板，提高了跟踪器对目标状态变化的敏感性.通过区域自适应策略，根据区域候选回归网络分类分支的得分在网络的两组输出间择优选择，提高算法长时跟踪的鲁棒性.针对背景相似干扰和目标状态变化的问题时，TAA+TripleRPN跟踪器能达到更好的跟踪性能.在OTB2015数据集上，算法的AUC达到66.31%，CLE达到88.28%.在实际场景中实现验证与应用，跟踪效果良好.      

基于背景复杂度分析的智能跟踪器研究

传统基于图像处理的成像目标跟踪系统中,为了提高目标跟踪的可靠性,更多关注的是目标本身的特性,通过分析目标在不同阶段的成像特点,采用相应的算法进行自动提取与跟踪。由于不同目标提取算法在不同复杂程度的背景条件下具有明显的优劣性,实际跟踪过程中需要同时依据目标以及背景两方面的特性才能做出最合理的选择,然而,目前对于影响跟踪的背景特性研究却显得不足。针对这一问题,提出了一种基于结构相似度的背景复杂度判决方法,结合背景复杂度,完成了算法间的自动切换,实现了一个根据目标特性与背景特性的自适应实时多算法跟踪器。仿真测试与外场试验表明,该方法显著提高了对目标跟踪的可靠性。     

结合特征点匹配的在线目标跟踪算法

提出一种结合特征点匹配的目标跟踪算法.首先,通过显著区域跟踪方法,解决算法对初始化目标框大小敏感的问题,提高样本选取质量,并降低背景杂波对跟踪器的影响.其次,采用中值流法跟踪和特征点匹配相结合的方法估计目标的尺度变化,并通过层级聚类方法剔除干扰点,解决跟踪器漂移及目标平面旋转跟踪失败等问题.最后,提出一种简单的检测器自适应尺度快速搜索目标方法加快检测速度.结果表明:所提方法有效地提高了TLD目标跟踪算法的跟踪鲁棒性,并在标准数据集上得到了很好的效果.     

实时标记的多目标图像跟踪器

提出了一种实时标记算法。该方法以目标二值像段作为处理的基本单元，利用目标二值像段起、终点坐标和相邻扫描行中二值像段的邻接关系，完成多个目标图像的标记和测量工作，具有占用存储量少，计算速度快等优点．基于这种算法，构造了一个多目标成像跟踪器，可在２０ｍｓ内实现１５个（或更多）目标的实时测量和跟踪。还给出了实时标记的实验结果和硬件电路框图。     

运动目标成像特性研究

对焦平面阵列上的点源运动目标和电视扫描方式下的运动目标分别建立了目标运动成像模型，得到了传感器因素与目标成像特性之间的函数关系；提出了目标精确定位的方法，模拟实验表明，所给出的运动成像模型能够较好地刻画运动目标的成像规律，使得目标定位方法能有效地修正由于目标的运动畸变带来的影响，为精确跟踪算法的研究提供了理论依据。     

实时标记的多目标图像跟踪器

提出了一种实时标记算法，该方法以目标二值像段作为处理的基本单元，利用目标二值像段起，终点坐标和相邻扫描行中二值像段的邻接关系，完成多个目标图像的标记和测量工作，具有占用存储量少，计算速度快等优点，基于这种算法，构造了一个多标成像跟踪器，可在２０ｍｓ内实现１５个（或更多）目标的实时测量和跟踪，还给出了实时标记的实验结果和硬件电路框图。     

运动目标成像特性研究

对焦平面阵列上的点源运动目标和电视扫描方式下的运动目标分别建立了目标运动成像模型，得到了传感器因素与目标成像特性之间的函数学系；提出了目标精确定位的方法．模拟实验表明，所给出的运动成像模型能够较好地刻画运动目标的成像规律，使得目标定位方法能有效地修正由于目标的运动成像畸变带来的影响，为精确跟踪算法的研究提供了理论依据．     

基于均值移动和椭圆拟合的人脸跟踪算法

为了解决均值移动跟踪算法对目标的尺度变化自适应能力差的缺点,针对人脸跟踪具体问题,提出了一种基于均值移动和椭圆拟合的人脸跟踪算法.根据当选择较大核窗进行均值移动跟踪时一般可以准确定位目标的事实,以及人脸形状椭圆近似性的特征,利用一个较大核窗的均值移动跟踪器对人脸目标进行粗略定位,在此基础上再用一种高效鲁棒的直接最小二乘椭圆拟合方法来自动调整人脸尺度的大小.实验表明,该改进算法能有效地解决均值移动人脸跟踪中的目标尺度自适应调整问题,其跟踪效果明显优于原均值移动目标跟踪算法.     

利用Camshift与TLD框架的多目标视频跟踪算法

由于跟踪器采用的是基于金字塔Lucaks-Kanade光流法,需要在相邻帧之间对目标的运动进行跟踪,运算量较大,因此提出了采用轻量级跟踪算法Camshift作为TLD算法框架中的跟踪器模块,来提高跟踪模块运行效率。而TLD框架的检测器在跟踪器追踪失败时需要检测大量数目的子窗口,因此利用背景差分方法进行前景检测,可以减小检测范围和数目。TLD算法本身是对单目标的长时间跟踪,提出基于多线程机制TLD算法,针对每一个跟踪目标建立相应的线程对其跟踪。经过实验验证,与原算法相比,优化算法使得对多目标实时跟踪性能得到一定提升。     

基于深度聚合高分辨率网络的多目标跟踪

为了提高多目标跟踪性能，在单个网络中结合目标检测和重识别任务的特点，提出了一种基于深度聚合高分辨率网络的多目标跟踪算法.跟踪器通过DLA网络提取抽象的语义特征图，并将其输入到改进的轻量型HRNet网络中，以高分辨率聚合目标的多尺度特征，同时引入重识别分支提高匹配精度.经由传统的相似度计算、运动预测和数据关联阶段，完成跟踪流程.通过消融实验研究了不同融合层组合和特征维度对跟踪性能的影响，并在基准数据集上与当前跟踪器的各项性能指标进行比较.结果表明，所提算法以简洁的主干网络输出高分辨率的深层特征，兼顾了跟踪精度和执行效率.跟踪器的精度和识别率较高，且具备实时跟踪性能.     

基于多模型与滚动时域估计的机动目标跟踪算法

针对受限于已知物理约束的机动目标,提出了一种目标跟踪算法。针对机动目标的不同运动模式,采用多模型组合的方法进行了近似;针对目标的已知物理约束,采用滚动时域估计方法进行处理,并将其作为状态估计的先验信息来提高估计精度;最终通过设计多模型结构的状态估计演化方程、改进滚动时域估计的误差协方差矩阵更新公式,给出了一种多模型结构与滚动时域估计相结合的机动目标跟踪算法。仿真结果表明:该算法与自适应卡尔曼滤波(AKF)、交互式多模型(IMM)算法相比,可以对具有物理约束的机动目标进行更好的跟踪。     

一种基于自适应搜索的多模态多目标优化算法

为了解决目前基于分解的多模态多目标优化算法存在种群搜索能力不足，子种群中存在无用解和距离度量不具有普适性等问题，提出了一种基于自适应搜索的多模态多目标优化算法MOEA/D-AS.首先，该方法通过减少平均子种群的个体数量，进而增加参考向量的数量.其次，根据子种群当前状态自适应分配子种群的个体数量.最后，使用引入了局部种群信息的清除距离作为维护子种群的依据.将提出的算法与4种算法在2019年CEC多模态多目标测试问题和大规模多模态多目标测试问题上进行对比实验，实验结果表明，提出的算法可以有效解决多模态多目标优化问题.     

面向多目标ISAR成像的MIMO雷达波形优化

现有MIMO雷达波形优化设计大都是根据跟踪、检测等雷达任务的需要而设计的窄带发射信号,没有考虑成像任务的要求。提出一种面向多目标ISAR成像任务的MIMO雷达波形优化设计方法,将雷达获取的关于目标的位置、雷达散射截面积(RCS)、速度等先验信息以及成像对雷达发射波形的带宽限制作为波形优化的重要约束条件,建立了面向多目标成像任务的波形优化模型,并通过共轭梯度算法进行求解。所设计波形可同时实现对不同方向的目标的成像。     

高精度鲁棒的座舱头部姿态跟踪器研究

针对复杂座舱环境设计了一个由inside-out(IO)光学跟踪器和outside-in(OI)光学跟踪器组成的新型座舱头部跟踪器.提出一种新颖的混合跟踪算法,利用扩展卡尔曼滤波器和融合滤波器融合座舱跟踪器中IO跟踪器和OI跟踪器的姿态信息,建立了实验装置验证提出的姿态融合算法.初步实验结果显示,与单一IO或OI跟踪器相比,该混合跟踪算法能够使座舱头部跟踪器获得更精确、更稳定、更鲁棒的位置方向信息.验证了所设计的座舱头部姿态跟踪器的结构合理性和所提出的混合跟踪算法的有效性.     

光电成像跟踪的模式与状态设计

光电成像跟踪的模式与状态设计刘上乾牛碧芹（西安电子科技大学７１００７１）研制了一种光电成像跟踪信息处理系统，它具有自动捕获目标、自适应波门跟踪和抗干扰、抗阻塞等功能。其跟踪模式和状态是决定该系统性能及是否稳定可靠的关键。跟踪模式的选择，主要根据系统所...     

基于越距离单元徙动校正的空间高速旋转目标ISAR成像方法

逆合成孔径雷达成像是实现对空间目标跟踪，成像与识别的重要手段，但是空间目标的高速旋转运动特性使传统的ISAR成像算法失效。针对这一问题，提出一种基于越距离单元徙动校正的ISAR成像方法。首先，建立空间高速旋转目标回波模型；其次，根据回波特性构造参考信号进行越距离单元徙动校正，实现目标散射点空间参数估计；最后，引入粒子群优化算法实现参数快速搜索。仿真结果表明，该算法可以有效提取目标参数，实现空间目标高质量成像，与传统成像算法对比结果验证了该算法的鲁棒性及优越性。     

基于实时手势识别与跟踪的人机交互实现

为了实现对手势目标的自动识别和连续跟踪,提出了一种手势识别与跟踪算法。首先,通过离线训练手势目标检测器来实现手势目标的自动识别。接着,通过改进的Shi-Tomisi算法,在目标区域提取可靠稳定的特征点。然后,通过KLT跟踪器对特征点进行跟踪。当特征点跟踪成功时,通过求解仿射变换矩阵确定手势目标的新位置;当目标出现遮挡和大尺度旋转时,特征点丢失,此时在KLT跟踪器中加入卡尔曼滤波器来预测手势目标的位置,实现对手势目标的连续跟踪。同时对手势目标可能存在的区域进行估计,缩小检测器的检测范围,提高检测速度。最后,将算法应用于人机交互系统中,实现了机器人的远程控制。实验结果显示,算法在简单背景下的跟踪正确率为99.54%,复杂背景下的跟踪正确率为98.24%。实验结果表明,算法能够快速准确地对手势目标进行检测和跟踪,满足了实时性、连续性以及抗干扰能力强等要求,对于旋转及遮挡均具有较强的鲁棒性,为实现基于手势控制的人机交互提供了一种有效方法。     

基于最小费用流建模的目标跟踪器研究与仿真

针对目标跟踪中的物体遮挡、光照影响、杂波扰动等问题,设计一种基于最小费用流建模的跟踪器。该跟踪器把整数规划与最小费用流模型相结合,将目标跟踪问题转变为可解的线性规划问题。与其他同类型跟踪器相比,该跟踪器具有更好的跟踪准确性。实验结果表明：运用最小费用流模型的跟踪器可以对复杂环境下的多个目标进行稳定跟踪,提升了跟踪的鲁棒性。     

星载逆合成孔径激光成像雷达空间碎片观测

分析了星载ISAIL对空间碎片目标成像的原理,根据空间碎片目标自旋运动的特点,提出了一种结合压缩感知与复逆Radon变换的低重频成像算法。该算法结合压缩感知技术和复逆Radon变换，只需发射带宽很窄的激光信号,并对单个距离单元处理即可实现对目标的高分辨率二维成像，解决了系统脉冲重频率对成像的限制。仿真验证表明：此算法不仅可以解决对空间碎片目标成像过程中系统重频率不够的问题,而且通过大幅度减小信号带宽降低了激光信号调制技术对成像的影响，算法是可行性。