图像目标的可视识别与智能跟踪

本文研究图像目标的可视识别与跟踪,给出了图像目标识别印章模型和系统总体设计方案。在此基础上,采用智能跟踪算法,实现了正常跟踪、判断、预测和记忆跟踪的功能,而且跟踪方式随着环境条件的变化而变化。正常跟踪算法的图像代数描述是简明的,与算法是内在一致的。通过给出两个实时可视跟踪的实例说明在实时ＤＳＰ可视跟踪系统上算法的性能及其可行性。     

复杂背景下的红外运动弱小目标的实时检测

对红外弱小目标的检关键是将目标从由地物、云团造成的复杂背景中有效地分割出来.采用在高通滤波前先进行一次背景抑制的预处理方法,以校正由温度非线性引起的噪声.再对高通滤波后的信号进行自适应门限分割的方法,更好地将低信噪比的红外点目标从周围的背景中分割出来,最后利用点目标检测的方法,进行点聚合,对同时存在的斑点、面目标也进行了检测.该算法可有效地减小运算量,对快速、实时和点、斑点、面目标同时存在的复杂情况具有一定的实用价值.膊     

任意指定图像目标的实时检测与跟踪

根据实际设计了一种军用数字电视跟踪器 ,对其中的关键技术———任意指定图像目标的检测和跟踪作了介绍 ,讨论了其数学模型 ,针对不同的实际场景提出了不同的算法 ,即基于灰度域图像分割的跟踪算法和基于特征图像匹配的跟踪算法 ,并结合实际设计讨论了硬件实现的关键技术 ,最后给出了实际的跟踪效果。实际实验结果表明 ,该模型和跟踪算法可以有效地跟踪实际战场环境下的各种目标。     

可视动目标逐步求精分割技术研究

运动目标识别跟踪系统中 ,目标分割是至关重要的处理环节。由于目标阴影、碎块等因素 ,估计精度受到影响 ,甚至导致跟踪的失败。提出了目标形状波动度的概念 ,并将其作为目标识别特征 ,利用最大似然估计准则 ,对目标初始区进行逐步求精估计。该算法简练实用 ,能有效地提高估计精度 ,为确保目标可靠性跟踪提供了新的手段。     

目标跟踪分散化算法的数字仿真

本文研究在并行仿真计算机上对目标跟踪的分散化算法进行数字仿真.首先给出在不同坐标系下的多个子观测站观测和估计同一目标时,各子估计的合成算法;然后研究在并行仿真计算机上实现上述分散化算法的数字仿真.     

用于稠密目标环境的一种跟踪算法

本文介绍用于稠密目标环境的一种跟踪算法。该算法是为处理非常大量目标的被动式光学(仅有角度信息)敏感器而设计的。考虑到实际应用,敏感器的角度分辨力是有限的,采样率也极低。对于更复杂的算法设计问题,基本系统几乎是不可观察的。在这种情况下,标准的推广卡尔曼滤波器是不能用的;必须使用一种迭代式的最大似然估计器。     

基于卡尔曼滤波的组网雷达系统目标跟踪分析

提出了一种快速卡尔曼滤波跟踪算法,用于组网雷达系统对机动目标的跟踪分析.该算法只需要组网雷达系统给数据处理中心提供每个接收机所测得的准确径向距离,然后根据推广卡尔曼滤波技术迭代估算出目标的位置.对机动目标的仿真结果表明,该算法不但大大减小了传统跟踪算法的运算复杂度而且具有优良的跟踪性能,尤其适用于近距离高速运动目标的准确跟踪.     

数字式声纳的机动目标跟踪的算法及实现

介绍了ADSP-2106X的结构及性能,着重讨论了数字式声纳数据综合后置处理的方案,其中数据综合后置处理包括对目标距离、速度和方位的测量,以实现目标搜索,判断.并在此基础上,给出了多机动目标跟踪的算法模型及算法实现, 系统性能测试结果表明,整套系统能较好地满足设计要求.     

基于神经网络数据融合的目标跟踪简化算法

分析了基于神经网络数据融合的目标跟踪的算法 ,指出了传统的融合算法计算量大 ,神经网络目标向量不易选取等缺点。提出了一种简化的算法。应用理论分析和蒙特卡洛仿真方法 ,对标准卡尔曼滤波算法和简化的滤波算法进行比较 ,并给出了均方根误差的统计值。该简化算法原理简单 ,数据处理量小 ,速度快 ,误差小 ,特别适用于多传感器的处理 ,将融合结果反馈给单传感器 ,可提高各单传感器的跟踪精度。     

基于神经网络数据融合的目标跟踪简化算法

分析了基于神经网络数据融合的目标跟踪算法 ,指出了传统的融合算法计算量大 ,神经网络目标向量不易选取等缺点 ,并提出了一种简化的算法。应用理论分析和蒙特卡洛仿真方法 ,对标准卡尔曼滤波算法和简化的滤波算法进行了比较 ,并给出了均方根误差的统计值。该简化算法原理简单 ,数据处理量小 ,速度快 ,误差小 ,特别适用于多传感器的处理 ,将融合结果反馈给单传感器 ,可提高各单传感器的跟踪精度     

运动参数受限的目标跟踪算法研究

提出一种运动参数受限的目标跟踪算法,对于速度受限目标采用平滑修正滤波跟踪算法,首先使用Kalman滤波得到当前时刻的滤波值,找到平滑精度最高点,根据速度限制条件,对滤波结果进行修正。为了保证滤波的无偏有效性,修正计算得到的结果不参与后续滤波处理。通过理论分析和仿真表明,速度受限跟踪算法在观测误差相对较大以及滤波起始阶段可以使滤波跟踪效果获得较大的改善。     

多传感器远距离目标跟踪

本文深入研究了二维平面上多传感器的位置对目标跟踪精度的影响。在理论上推导出：用多传感器同时对同一目标进行跟踪时,其跟踪精度主要受传感器和目标所成夹角及目标到各传感器距离的影响。与夹角的关系是：当有两部传感器时,两传感器和目标所成夹角θ_（１２）＝９０°时对目标的跟踪精度最高;当有三部传感器时,传感器和目标所成的夹角分别为θ_（１２）＝θ_（２３）＝６０°时精度最高;与目标到各传感器的距离的关系是：距离越小则精度越高。     

基于DSP的实时电视跟踪系统设计与研究

基于数字信号处理器 ( ADSP2 1 0 2 0 ) ,建立了一种主从式实时电视跟踪系统。分析了系统工作原理、构成及主控计算机与 ADSP2 1 0 2 0处理从机之间的控制关系 ,研究了快速中值滤波预处理方法、目标搜索和跟踪过程中波门的设定准则。采用矩持阈值分割方法提取目标 ,采用质心跟踪算法及基于线性微分拟合的记忆外推跟踪技术跟踪目标。     

针对高速自治水下航行器的UKF主动目标跟踪算法

研究了基于高速自治水下航行器平台下的主动单目标跟踪,基于Unscented Kalman Filter(UKF)建立跟踪滤波器,在强观测噪声、大采样时间间隔情况下完成对目标各运动状态参量的准确估计。将此跟踪滤波器与基于Extended Kalman Filter(EKF)的跟踪滤波器进行了对比。计算机仿真结果表明采用EKF滤波器,目标的速度估计值可以收敛向真值,而距离估计值无法获得收敛;采用UKF滤波器,目标的速度和距离估计值都能获得收敛,且其对目标的速度估计较EKF准确。     

分布估计及其在跟踪系统中的应用

针对多传感器系统信息处理的需要,本文综述了在分布系统中的一种最优估计方法——分布估计,讨论了线性和非线性的分布估计模型和算法,着重讨论了在多传感器多目标跟踪系统中,测量来源和运动模型不确定条件下的分布跟踪算法。     

多目标跟踪

本文提出了一种多机动目标跟踪的方法。该方法用自适应门限获得二值图像，其中，自适应门限用边缘和灰度二重信息来建立，并对由此所获得的二值图像进行预处理。在此基础上，利用目标像素点的空间信息，使用标记电路，检测有效视场内的目标个数。同时利用目标形状特征和灰度信息对目标进行分类；利用目标运动信息，对各个目标进行识别，解决短时间的目标遮挡、重叠等问题。文章也给出了实时实现该方法的硬件框图和部分软件工作流程。该方法已应用于多模式电视跟踪器，取得了预期效果。     

应用无人机跟踪地面目标——最新研究进展

应用无人机跟踪移动目标具有广泛的应用价值,平台移动能力在使目标跟踪性能得到提升的同时,也给目标信息处理增加了难度,并带来了新的问题,即如何控制传感器的运动才能获得更好的目标跟踪性能。分析了无人机目标跟踪问题中存在的技术障碍;从目标定位、目标跟踪、同步定位与跟踪、协作式目标跟踪等方面对国内外的研究现状进行阐述;重点分析了实现移动目标跟踪的两项关键技术:目标状态估计与在线航迹规划;对未来的发展趋势进行了展望。     

基于雷达与图像信息融合的目标跟踪仿真研究

提出了同平台上一种基于雷达与图像信息融合的目标跟踪系统结构和相应算法。该结构引入“反馈加引导”的思想,即在将系统融合状态反馈给局部传感器作为跟踪初始状态的基础上,利用距离信息引导图像传感器捕获目标,利用角度信息引导雷达跟踪目标,真正做到了两种不同传感器的优势互补。仿真结果证明该系统具有良好的跟踪性能。