基于IMM的三维机动目标跟踪算法研究

对单站雷达三维空间机动目标的跟踪方法进行了研究,选取匀速运动模型分别组合"当前"统计模型和Singer模型的两种交互多模型跟踪滤波算法来处理三维空间机动目标测量数据并进行仿真分析,仿真结果表明,IMM算法的滤波结果优于单模型滤波,验证了算法对机动目标的跟踪有效性。     

基于模糊信息融合的目标自适应跟踪算法

针对一般自适应算法对弱机动、非机动目标的跟踪精度不高的问题，将模糊逻辑引入系统，对并行工作的两滤波器进行数据融合。仿真结果表明：与一般自适应算法相比，本算法对不同机动程度的目标跟踪精度均有大幅提高。     

机动目标跟踪的TIMM算法

针对如何避免或减少由于目标的机动运动所带来的估计误差问题,提出了具有门限的相互作用多模型估计(TIMM)的新算法.该算法主要应用于雷达目标自动跟踪系统中.TIMM算法在相互作用多模型估计器(IMM)算法的基础上引入门限控制器来提高跟踪精度,该算法同样适用于其他各种改进的IMM算法.通过2个不同的例子,对由TIMM和IMM这2种算法产生的均方根误差进行比较.仿真结果表明,同IMM算法相比较,TIMM算法可减少估计误差,从而提高机动目标的跟踪性能.     

机动目标跟踪建模技术的进展

为深入探讨机动目标跟踪问题、设计实时性好、估计精度高的目标状态估计器，本对火控系统中的核心问题——目标跟踪和建模，从机动目标运动数学模型和自适应滤波算法两个方面进行了评述和比较研究，剖析了其优劣。回顾讨论了近期的发展情况，提出了未来的发展趋势。     

基于卡尔曼滤波器的机动目标跟踪仿真

将卡尔曼(Kalman)滤波器的变维滤波算法应用于雷达数据处理中,对机动目标进行跟踪,得出机动目标的滤波数据曲线,并对目标进行了拦截仿真。仿真结果表明该方法能估计出目标的运动特征并对运动目标拦截成功。     

基于相关滤波器的视频跟踪算法与仿真

为解决视频跟踪中目标旋转、形变、光照等导致目标丢失问题,提出了一种相关滤波器跟踪算法,该算法利用局部信息,对目标多次训练获取滤波器,再经相关运算对目标位置进行估计,并在线实时更新滤波器。仿真实验表明,该算法具有快速、简单、鲁棒等特点,能够实现对运动目标的实时跟踪。     

面向异常事件监控的目标跟踪算法设计

针对异常事件监控的需求,提出一种运动目标跟踪算法.该算法首先运用背景减法检测出运动目标,然后运用SURF(speeded-up robnst features)对运动目标进行特征提取和特征匹配,结合扩展卡尔曼滤波器(EKF)实现目标跟踪.实验结果表明,该算法能够有效地解决静态场景下异常事件监控等问题,具有较好的实时性和鲁棒性.     

基于相关滤波的重检测目标跟踪算法

针对目标跟踪中因严重遮挡、变形、快速运动等因素导致的跟踪失败问题,提出一种基于相关滤波的重检测跟踪算法。首先使用相关滤波算法Staple对目标进行位置估计,然后构造一个检测滤波器对Staple算法跟踪结果进行置信度检测,将检测分数作为跟踪结果的置信度评估结果。若检测分数小于给定阈值,则激活在线SVM分类器对跟踪结果进行重检测。同时用检测滤波器对SVM分类结果进行检测,若检测分数大于Staple跟踪算法检测分数,则采用SVM的跟踪结果。在基准数据集OTB-2013上的实验结果表明,该算法精度达到80.2%,成功率达到60.6%,整体性能优于其它6种对比算法。     

改进型Mean-Shift算法在行人目标跟踪中的应用

针对传统Mean-Sshift算法对于运动目标特征变化较快、某些干扰和遮挡等问题而引起目标定位偏差的情况,提出了一种基于改进型的颜色直方图的Mean-Shift算法,该算法是将颜色直方图和三重帧间差分的方法相结合的一种目标跟踪算法。实验结果表明,应用改进后的算法思想,可以较准确的对视频流中的行人目标进行实时跟踪,新算法能较好的解决运动目标特征变化较快而引起跟踪不准确的问题,实现对行人目标进行准确定位跟踪。     

无线传感器网络下的最优粒子滤波目标跟踪算法研究

在不确定噪声类型的非线性无线传感器网络环境下,采用分布式代价参考粒子滤波算法对移动目标进行跟踪。针对出现的概率密度函数方差不收敛的问题,结合最优控制思想,提出算法的改进。分析自适应函数中方差更新的特点,将修正系数γ替换步长k,以最接近真实轨迹为依据,选取最佳粒子;建立非高斯噪声的目标运动模型,利用仿真工具比较改进前后算法得出的多步数状态估计值方差,验证可行性,并给出修正系数γ的最佳取值范围。     

基于Meanshift采样的辅助变量粒子滤波跟踪算法

针对视频图像运动目标跟踪时的时延问题和目标被遮挡时易丢失的问题,提出了一种基于Meanshift采样的辅助变量粒子滤波跟踪算法。采用AVPF算法作为跟踪算法的主体框架,对每个辅助采样粒子进行Meanshift转移,利用采样粒子确定候选目标区域,对候选目标模型与目标模型进行相似性度量,更新粒子权重,最后估计目标状态。仿真结果显示,本文算法能够有效处理跟踪过程中目标部分被遮挡的问题,具有较好的鲁棒性和较好的实时性。     

基于稀疏分解和支持向量机的医学影像追踪法

以肺癌患者计算机断层扫描图像中的肿瘤追踪为例,提出一种基于稀疏分解和支持向量机的新型医学影像内目标物体追踪算法被提出。首先,split-Bregman理论被运用在分解医学影像中:每一幅医学图像都被分解成一副含有较多运动信息的低秩图像和一幅含有较多噪声信息的稀疏图像。其次,支持向量机被运用在低秩图像中,使得低秩图像内的像素点被区分为来自肿瘤区域的像素点和来自非肿瘤区域的像素点,从而达到在医学影像中分割和追踪肿瘤的目的。实验表明,该算法在肺癌患者医学影像的肿瘤追踪实例中能取得较其他比较方法更为准确的追踪效果。     

基于无线传感器网络的单目标跟踪系统设计

介绍了短距离、低速率无线网络技术ZigBee,并对其网络拓扑结构进行分析,对基于无线传感器网络的目标跟踪技术进行讨论,利用JN5121芯片设计无线传感器自组织网络实现对单个运动目标的跟踪．试验结果表明设计的网络能够满足单个运动目标的跟踪．     

基于形态学的红外小目标检测算法

在分析复杂天空背景下红外视频序列特征的基础上,针对红外小目标本身特性及红外序列低信噪比的问题,提出适合该环境的红外小目标检测算法.该滤波方法以形态学滤波理论为基础,首先采用均值滤波和Open ing-Tophat运算对红外视频序列进行预处理,然后运用基于均值和方差的统计分割方法提取图像中的运动目标,从而实现了红外小目标的检测.实验结果表明,所提出滤波方法具有良好的检测和分割效果,能够有效地改善跟踪精度.     

基于肤色特征的运动目标检测及分割算法研究

针对跳水运动视频中的人体运动目标分割问题,提出一种简单有效的基于颜色特征运动目标检测及分割算法.首帧进行图像预处理,利用色相和亮度两个分量加强颜色差异,然后使用OTSU算法对图像进行阈值分割,结合RGB颜色空间启发式肤色聚类结果确定运动目标所在的连通区域,从而完成首帧运动目标的自动检测.在后续帧的处理中,通过数学形态学方法自适应预测出运动区域后,运用改进的OTSU算法在区域中分割运动目标.实验表明,本方法有效地克服了复杂背景变化的影响,能够快速实现跳水运动目标的分割,且对运动对象的快速整体运动有较强的鲁棒性.