基于相关滤波和轨迹预测的视频卫星动态目标跟踪算法

为解决卫星视频中有遮挡或相似目标情况下目标跟踪的问题,提出了一种改进的相关滤波算法,在跟踪框架中加入了干扰判别模块和基于神经网络的轨迹预测模型。通过比较平均峰值相关能量指标值与自适应阈值来判别跟踪器是否受到干扰。双向长短期记忆网络以目标历史轨迹编码为输入来完成轨迹预测,结合相关滤波输出结果和网络预测结果来确定目标的位置。实验表明,所提出算法的精度提升了2.10%,在有遮挡或相似目标等情况下仍具有较好的跟踪性能。     

基于特征融合与抗遮挡的卫星视频目标跟踪方法

卫星视频中的目标易受到遮挡和复杂环境干扰等影响,造成对目标的运动状态估计不够准确,导致目标跟踪失败。基于此,在核相关滤波(KCF)算法的基础上设计2种算法提高目标跟踪的成功率,实现鲁棒性的目标跟踪。通过提取目标的方向梯度直方图(HOG)特征、灰度特征和高斯曲率特征表述目标的外观模型;联合响应图的峰值和平均峰值相关能量(APCE)对目标的响应图进行自适应加权融合,并将融合后的响应图峰值作为置信度对目标的模型进行自适应更新;通过使用卡尔曼滤波的方法对遮挡的目标进行位置预测,当目标遮挡结束时,对目标进行重新跟踪,解决卫星视频中目标被遮挡的问题。大量实验结果表明：所改进的相关滤波算法对卫星视频中的目标跟踪,尤其是在复杂环境、目标被遮挡及场景光照发生变化的情况下,具有良好的效果,并且在目标跟踪的精度和成功率等方面都有很大的提高,为进一步对卫星视频中的目标跟踪奠定了基础。     

空间临近目标行为辨识方法

针对侦察卫星通过变轨等方式抵近目标的对天观测行为,提出了一种基于视觉特性的临近目标行为辨识方法。通过对序列图中抵近目标上特征点进行跟踪以得到其轨迹变化;针对目标可能存在的异常行为在图像当中的表征进行分析,结合已得信息构建特征参数并对目标行为进行判断;最后通过试验对辨识算法进行验证。试验结果表明：该算法能对不同光照条件下的连续图像进行处理,实现对临近目标通过主体姿态变化进行对天侦察行为的有效辨识。     

面向低视角场面监视的移动目标速度测量

为构建有效的机场场面视觉监视系统,提出了一种基于特征点持续跟踪与分析的移动目标速度测量方法。首先,利用场面几何特征对摄像机进行标定;然后,基于光流场对图像运动区域的特征点进行持续跟踪,在此基础上通过特征点轨迹聚类区分不同移动目标;最后,根据特征点高度与运动距离完成速度测量。所提方法能够利用机场场面摄像机获取的低视角单目视频图像,对移动目标的运动速度进行准确测量。基于广州白云国际机场的场面运行视频进行了仿真分析,验证了所提方法在低视角速度测量方面的可行性与优势。      

基于多重检测的无人机抗遮挡目标跟踪算法

针对无人机（UAV）目标跟踪过程中遇到目标被障碍物遮挡时跟踪效果不佳的问题，提出一种多重检测的抗遮挡目标跟踪算法。在基于时空正则化相关滤波算法的框架下通过融合多种置信度函数，设计了一种响应置信度判别方法；为了具体了解目标被遮挡情况，将响应差值变化和响应梯度变化结合在一起作为判断是否更新滤波模板参数的依据；设计了一种融合分块思想与金字塔尺度池的尺度估计方法来解决目标在图像中尺度大小变化问题。所提算法在UAV数据集上相较于其他7种算法有不错的表现，在跟踪过程中面对目标遮挡、尺度变化和快速移动问题的跟踪精度和成功率上都有明显的提升。结果表明：所提算法能够更好地应对UAV在目标跟踪过程中出现的目标遮挡和尺度变化的问题，具有良好的快速性、准确性和鲁棒性。     

基于OWRR-PF的机载图像中导弹跟踪方法

针对利用图像信息实现飞行器的导弹预警跟踪中导弹运动2D建模、运动模型非线性和目标干扰非高斯等问题,研究了比例导引下导弹在三维空间中的运动在成像面上的运动模式,建立了比例制导导弹的2D投影运动状态模型.由于模型中速度和加速度等主要物理量的非线性,并考虑导弹运动过程中受到的风向、风力、气旋和气流等随机干扰的非高斯性,采用粒子滤波方法实现导弹跟踪;并针对粒子滤波在跟踪过程中存在的粒子退化问题,提出有序权值残差重采样粒子滤波(OWRR-PF,Ordered Weight Residual Resampling Particle Filter)方法,该方法缓解了粒子退化问题,提高了跟踪的准确度.利用所建立的导弹运动模型进行连续视频试验,与标准粒子滤波相比跟踪精度提高了70%左右,与残差重采样粒子滤波方法相比跟踪精度提高了15%左右.     

国外视频卫星发展研究

2013年,美国发射了1m分辨率的业务型视频卫星,加拿大在＂国际空间站＂上安装了1m分辨率的视频成像载荷,这些新动向说明视频卫星技术走向成熟,视频卫星从技术试验向业务型应用过渡。我国也于2014年9月8日发射了首颗视频成像卫星天拓-2。该卫星具有实时视频成像、人在回路交互式操作、基于网络的远程操作控制等功能,能实现对动态运动过程的连续观测和跟踪,获取观测区域的视频数据。相对于静止图像而言,视频拍摄最大的优势在于对环境的动态监视和对运动目标的跟踪。     

无人机高机动抗扰轨迹跟踪控制方法

针对传统的四旋翼控制方法在高机动飞行时控制效果不佳,难以跟踪机动性较强的轨迹且控制精度较低的问题,设计了基于增量非线性动态逆控制(INDI)方法和微分平坦前馈的轨迹跟踪控制器,不仅提高了高机动轨迹的跟踪精度,也增强了抗扰能力。由于角加速度无法直接获得,该方法对其非常敏感,设计了多种角加速度估计方法进行对比,通过飞行试验选择了效果最佳的互补滤波方法。试验结果证明：设计的基于互补滤波的前馈INDI方法可以控制飞行器快速、准确地跟踪高机动轨迹,且具有较强的抗扰能力。     

基于相关滤波器的嵌入式动态目标跟踪系统设计

针对空间非合作运动目标监控,提出了一种基于嵌入式技术的动态目标实时检测与跟踪方法,并完成了跟踪系统的研制设计和测试。该视觉目标跟踪系统以嵌入式处理器为控制器,通过相机模组获取实时视频图像,图像经过视觉检测与跟踪算法程序分析,得到目标的位置信息后,控制伺服运动系统调整相机姿态实现对动态目标跟踪。提出了基于相关滤波原理的跟踪算法,搭建了树莓派嵌入式测试系统,完成实时检测与跟踪的实验评估。实验结果表明,嵌入式处理器中检测与跟踪程序的平均运行帧率达到25FPS,伺服机构在水平360°和俯仰±60°范围内实现了对移动速度90°/s的目标的实时、稳定监控与跟踪。     

基于核相关滤波的抗干扰跟踪算法研究

针对核相关滤波目标跟踪算法(KCF)在目标尺度变化、受到严重遮挡以及出视野等情况下跟踪失败的问题,从两个方面基于核相关滤波跟踪算法进行抗干扰设计.针对KCF在目标严重遮挡时其模板更新方法易造成模板污染的问题,提出增量式模板更新策略,以增强算法的鲁棒性;针对KCF缺乏处理目标尺度变化的能力,进行尺度自适应估计,以适应目标...     

面向海洋机动目标跟踪监视的卫星重构组网优化与仿真

摘要： 针对海洋机动目标跟踪监视问题，提出通过卫星相位重构调整进行机动目标搜索跟踪的监视策略，构建地理坐标系下机动目标航位预测模型及基于霍曼转移的卫星调相组网方式，并采用NSGA II算法进行优化求解，对比分析卫星重构组网前后的机动目标发现概率.仿真结果表明：在卫星能量消耗允许范围内进行重构组网，能够有效提升对机动目标的发现概率，为海洋机动目标的搜索跟踪问题提供了一定的方法支持.     

一种空间目标高精度指向控制方法

针对空间动目标指向任务对卫星提出的高精度控制需求,研究了卫星星体/快反镜二级复合系统的指向控制问题,给出了一种空间运动目标高精度指向控制方法。首先,基于近圆轨道Clohessy Wiltshire方程获得追踪卫星与目标卫星的位置信息;然后,基于扩展Kalman滤波算法进行多信息融合确定追踪卫星姿态参数,并实时解算出追踪卫星载荷光轴与目标卫星的相对姿态,获得跟踪指向所需的方位角和俯仰角;最后,通过星体一级姿态控制和基于快反镜的载荷光轴二级指向控制,实现对目标卫星的快速、高精度指向。仿真结果表明,该方法可以在保证快速性的同时实现动态指向控制误差小于072″。该方法可以实现对空间目标的高精度指向控制,为未来空间中激光通信等航天任务提供技术支持。     

一种基于小波相关滤波的无线电干涉测量处理方法

针对深空探测中干涉测量微弱信号相关处理问题,提出了一种基于小波滤波的无线电干涉测量方法。首先,在小波相关滤波算法分析的基础上,提出了基于移位相关、逆序处理以及最高层小波系数阈值处理的改进算法;其次,分析并构建了深空探测宽带信号模型,并给出了基于小波相关滤波的无线电测量方案;最后通过蒙特卡洛仿真和实测数据处理证明小波相关滤波可以改善无线电干涉测量精度,其中同步卫星群时延估计精度改善约10%。     

基于残差学习的自适应无人机目标跟踪算法

无人机已被广泛应用于军事和民用领域,目标跟踪技术是无人机应用的关键技术之一。针对无人机视频跟踪过程中目标易发生尺度变化、遮挡等问题,提出一种基于残差学习的自适应无人机目标跟踪算法。首先,结合残差学习和空洞卷积的优点构建深度网络提取目标特征,同时克服网络退化问题;其次,将提取的目标特征信息输入核相关滤波算法,构建定位滤波器确定目标的中心位置;最后,根据目标外观特性的不同进行自适应分块,并计算出目标尺度的伸缩系数。仿真实验结果表明:所提算法能够有效应对尺度变化、遮挡等情况对跟踪性能的影响,在跟踪成功率和精确度上均高于其他对比算法。      

低复杂度自适应容积卡尔曼滤波算法

确定采样型滤波算法中的容积卡尔曼滤波（CKF）算法滤波性能优良,但是却难以克服目标模型不确定性或者目标状态突变带来的影响。构造强跟踪CKF能有效改善算法的自适应性,但是在求解渐消因子时大大增加了计算量。为此,提出一种低复杂度自适应CKF算法,通过设立基于新息的自适应修正判决准则和修正方式,直接对状态预测值进行修正,使滤波算法能及时跟上目标真实状态,以提高滤波精度。使用浮点操作数计算并分析了CKF算法、强跟踪CKF算法及所提算法的复杂度,同时将3种算法应用在建模不准确的目标跟踪中,并进行仿真验证。仿真结果表明:在目标建模不匹配的情况下,低复杂度自适应CKF算法和强跟踪CKF算法都能保持较好的滤波精度和数值稳定性,同时所提算法在算法复杂度上有明显改善。      

运动信息引导的目标检测算法

在室外监控视频的场景下,由于场景的复杂性及目标的多样性,监控视频中的目标存在难以检测的情况,如目标被遮挡、目标尺寸变化等,目标检测任务仍然存在挑战。基于此,提出了一种利用运动信息引导基于卷积神经网络的目标检测算法来提高目标检测的准确率。对运动目标检测算法进行一定的改进,使得到的运动前景图中能够保持静止目标前景的存在;利用运动前景图中的前景可以指示目标空间位置的特点,在特征层面将网络提取的特征图与获取的以运动前景图为主的运动信息相融合,提高特征图可能存在目标区域的响应值;在目标检测算法的检测器中,引入一个定位分支,利用视频帧的运动前景图,学习候选目标的定位置信度,并与目标的分类置信度加权求和,作为目标最终的置信度,再通过非极大值抑制方法得到检测结果。实验证明,在固定摄像机下采集的数据集中,所提算法能够提升目标检测的准确率。