一种基于颜色和边缘特征的Mean Shift目标跟踪算法

针对基于颜色特征的Mean Shift算法对动态变化环境适应能力差,容易丢失跟踪目标的问题,提出了一种颜色和边缘特征相结合的Mean Shift目标跟踪算法。该算法使用核直方图概率模型描述目标,通过权值的自适应变化来评估每个特征在跟踪场景中的可靠性,并依据权值提出一种选择性模板更新方法。实验结果表明,提出的算法不仅可以克服目标在跟踪过程中发生的模板变形,而且对目标的平移旋转以及光照变化都具有较好的鲁棒性。     

基于均值漂移算法的冷空炽热体红外目标跟踪

Mean Shift（均值漂移）算法对彩色序列图像目标跟踪是有效的,而对红外目标跟踪是不稳健的。本文对Mean Shift算法做适当改进,将其用于冷空炽热体红外目标跟踪。先对红外图像做伽马变换,把目标从背景中分离出来;用直方图非均匀量化改进传统Mean Shift算法量化方式,提高目标定位准确性。仿真结果表明,该方法对冷空炽热体红外目标跟踪是有效的和稳健的。     

CamShift在加油锥套识别跟踪中的应用

针对插头锥套式自主空中加油过程中加油锥套的识别跟踪问题,提出了一种基于Cam Shift的视觉识别跟踪算法。选取加油锥套跟踪视觉特征,将RGB空间图像转换到HSV色彩空间,并采用自适应阈值算法分割图像。运用最小二乘椭圆拟合算法解算锥套在图像中的中心点坐标;根据目标像素位置变换速度,对Mean Shift算法的目标搜索窗宽进行自适应修正;定义基于巴氏系数的阈值函数,处理锥套被遮挡的情况;将VC与Open CV相结合,设计了加油锥套视觉跟踪软件,对锥套位置进行实时解算和显示。试验结果表明,该算法可达到毫米级精度,满足自主空中加油视觉导航的技术要求。     

基于无人机空中加油的目标追踪算法

针对传统粒子滤波耗时长以及遮挡条件下易丢失目标的缺点,提出了一种基于MS(Mean Shift)聚类的抗遮挡粒子滤波目标追踪算法。该算法结合经典粒子滤波理论,对重采样之后的粒子群进行MS聚类分析,在此基础上提出了加入空间信息的目标概率密度估计方法来描述目标模型,用少量的粒子高效地追踪目标;当目标被严重遮挡时,采用Kalman预估确定目标位置;最后对目标模板进行更新。结果表明,提出的算法在复杂有遮挡的条件下具有很好的追踪准确性与鲁棒性,可以满足实时性要求。     

红外成像导引系统跟踪算法研究

实时目标跟踪是当前红外成像导引头图像处理中的关键技术,但是在目标跟踪的末端,匹配点漂移和滑动将直接影响目标跟踪精度,甚至使导弹丢失目标。本文深入分析了跟踪点滑动的原因,提出了基于特征点邻域的边缘模板匹配目标跟踪算法。该算法从红外图像中获取特征点,以特征点为中心选取参考模板,然后利用边缘检测算法获得边缘点集,最后使用改进的Hausdorff距离测度进行边缘点集的匹配,从而实现实时目标跟踪。仿真实验测试证明,该方法能够很好地解决跟踪点滑动和漂移问题,并满足实时性要求,跟踪稳定。     

红外弱小目标检测跟踪算法研究

首先对红外图像进行建模,然后在此基础上提出一套目标检测跟踪算法,给出了实验结果。实验结果表明,算法能够很好地完成对信噪比大于4目标的检测,同时算法具有多目标检测能力。当确定需要跟踪的目标以后,系统转入目标跟踪,进而完成对所关注目标的跟踪任务。     

复杂环境下一种基于改进核相关滤波的视觉鲁棒目标跟踪方法

目标跟踪在自动驾驶和智能监控系统等实时视觉应用中发挥着重要作用。在遮挡、相似干扰等情况下，传统的基于相关滤波的跟踪算法容易发生漂移，鲁棒性有待进一步提高。基于此，提出了一种扩展特征描述的检测辅助核相关滤波目标跟踪架构。首先，在传统的核相关滤波目标跟踪算法的基础上，通过目标检测辅助对跟踪结果进行质量判断，实现对遮挡以及目标丢失的判别；然后通过拓展特征模板的构建与匹配，实现抗干扰相似目标判断及目标重定位；最终，以行人跟踪为例进行了试验，分别通过OTB数据及验证试验和移动机器人平台视觉跟踪验证试验，验证了算法的可行性，并对算法的跟踪性能进行了测试。试验结果表明，所提方法能够稳定地跟踪移动目标，对遮挡、相似干扰具有较强的鲁棒性。     

一种新的目标跟踪特征融合方法

在粒子滤波目标跟踪框架下,给出一种基于颜色直方图和边缘直方图的新特征融合算法．该算法是一种通过颜色和边缘直方图的特征波和熵实现特征之间粒子数重分配的方法。通过实验比较本文算法与单特征跟踪算法的跟踪误差,结果表明本文方法较传统依靠单一特征进行目标跟踪的粒子滤波方法,在运算时间增幅不明显的情况下,实现了更为准确的目标跟踪,并可稳定的应用于运动背景下的动目标跟踪、背景光照变化下的多目标跟踪以及多目标发生相互遮挡等情况。     

飞行小目标自适应双波门跟踪算法

波门跟踪是一种利用实际图像处理的区域范围的视觉跟踪算法。在飞行小目标信噪比较低的情况下,现有方法往往不能获得稳定的跟踪结果。针对小目标跟踪的特点,提出了一种自适应双波门的跟踪算法。该算法采用帧间差分算法检测小目标,通过质心标定修正当前帧目标的初始位置,并利用最小二乘估计预测算法实现目标范围的估计,从而实现自适应跟踪的目的。实验结果表明,即使在飞行小目标被短时遮挡情况下,利用本算法也能稳定地检测出它的位置,能根据目标的轮廓自适应地确定目标波门形状,并能有效解决目标跟踪偏移和短时丢失等问题。     

基于人工神经网络的多模型目标跟踪算法

针对在目标跟踪中单模型跟踪算法难以应对目标运动形式的变化,而多模型跟踪算法存在结构固定、跟踪精度被非匹配模型削弱且模型切换缓慢的矛盾,文章提出了一种基于人工神经网络的多模型目标跟踪算法。通过分析目标几种基本运动模式的轨迹特点,归纳出目标运动轨迹的特征向量。利用训练好的BP神经网络对滑窗里的轨迹段进行运动模型识别,按结果进行跟踪模型切换,达到使跟踪算法实时适应目标运动状态的目的。仿真结果证明了该算法的有效性,且与传统的多模型算法相比,具有结构更加简单、更强的灵活性和拓展性的特点。     

飞船返回舱红外跟踪

提出一种联合大底检测的改进的Mean-Shift（均值移位）算法,将其应用于返回舱红外跟踪。新算法采用非均匀量化加权直方图构造目标特征矢量,以提高目标描述的准确性。为避免跟踪到大底上去,使用＂滑窗式＂大底检测算法实时修正Mean-Shift跟踪坐标。通过对飞船返回实况判读验证,提出的新算法处理速度达到20帧/s以上,并且能够可靠和准确地跟踪返回舱。     

N-fold Bernoulli probability based adaptive fast-tracking algorithm and its application to autonomous aerial refuelling

Recently, deep learning has been widely utilized for object tracking tasks. However, deep learning encounters limits in tasks such as Autonomous Aerial Refueling (AAR), where the target object can vary substantially in size, requiring high-precision real-time performance in embedded systems. This paper presents a novel embedded adaptiveness single-object tracking framework based on an improved YOLOv4 detection approach and an n-fold Bernoulli probability theorem. First, an Asymmetric Convolutional Network (ACNet) and dense blocks are combined with the YOLOv4 architecture to detect small objects with high precision when similar objects are in the background. The prior object information, such as its location in the previous frame and its speed, is utilized to adaptively track objects of various sizes. Moreover, based on the n-fold Bernoulli probability theorem, we develop a filter that uses statistical laws to reduce the false positive rate of object tracking. To evaluate the efficiency of our algorithm, a new AAR dataset is collected, and extensive AAR detection and tracking experiments are performed. The results demonstrate that our improved detection algorithm is better than the original YOLOv4 algorithm on small and similar object detection tasks; the object tracking algorithm is better than state-of-the-art object tracking algorithms on refueling drogue tracking tasks.     

基于改进DeepSORT的视觉/激光雷达目标跟踪与定位方法CSCD

通过结合目标跟踪与相对定位,在对多帧检测目标进行关联与分析的同时,可以获取其三维信息。但当目标外观特征变换较大时,传统目标跟踪算法较易发生漏匹配或身份变换,而仅依靠对齐点云的相对定位算法较易出现定位失效的情况。针对以上问题,提出了一种基于改进DeepSORT的目标跟踪与定位方法在原始DeepSORT算法中加入基于位置约束的匹配,解决了因外观改变导致的漏匹配问题;在获取跟踪信息的基础上,设计了基于目标运动模型的相对定位方法,解决了图像中目标较小时相对定位不连续且定位精度较低的问题。试验结果表明,与传统DeepSORT算法相比,多目标跟踪准确度提高了5.9%;与仅依靠对齐点云的相对定位算法相比,定位精度提高了62.4%。     

极弱信号环境下GPS位同步和载波跟踪技术

为解决环路未锁定、无法找出正确的导航数据位跳变点时极弱全球定位系统(GPS)信号跟踪问题,通过分析信号跟踪模型和相关器1 ms采样数据特性,将最优路径动态规划算法应用于GPS位同步,并提出基于平方根无迹卡尔曼滤波(SRUKF)和位同步结合的载波联合跟踪算法。建立了适合位同步的SRUKF载波环参数估计模型,针对位同步的实现条件和无相位频率先验信息的情况,将位同步模块提前,研究设计了环路未锁定时串行和并行两种弱信号跟踪方案。位同步跟踪完成后环路采用单独的SRUKF工作方式。实验结果证实该文提出的算法具有较高的数据位边缘检测概率(EDR)和参数估计性能,而无须关心环路是否处于锁定状态,能够对载噪比低至22 dB/Hz的弱信号实现跟踪。     

一种基于边缘特征的背景差分运动目标检测方法

针对背景差分运动目标检测中目标边缘不够精确的问题,提出一种基于边缘特征的背景差分运动目标检测方法.该方法结合了均值背景的总体特性和对称帧差的实时性.首先,利用包含同一图像的两幅对称帧差相与结果获取运动目标的准确边缘,并将其作为目标分割的边界限制;然后,利用背景差分方法获取运动目标区域范围,提取目标像索点作为区域生长的种...     

Taxonomic performance evaluation for multitarget tracking systems

A scoring scheme based on an object track classification which facilitates performance evaluation for multiple-target tracking systems is derived and applied to specific test cases involving a comparison of operational and modified tracking system performance. The performance measures derived can be applied both to comparative evaluations of tracking system alternatives where relative performance is the issue, and to evaluations of system performance relative to what can be achieved in any given target object environment     

一种混合的扩展目标跟踪方法

与传统的目标跟踪不同,扩展目标跟踪（EOT）不忽略目标的轮廓特征,同时对目标的质心运动学状态和轮廓特征进行估计。基于随机矩阵的扩展目标跟踪方法用随机正定矩阵来描述目标的轮廓特征,并且建立了适合扩展目标跟踪的量测模型。为了改善目标机动时的跟踪性能,根据椭圆（体）与正定矩阵的关系,提出基于椭圆（体）拟合的扩展目标跟踪方法。进一步地,为了综合上述两类方法的优点,提出一种混合的扩展目标跟踪方法,能够根据目标机动与否在两类方法中进行选择。仿真结果表明,该混合方法的轮廓特征估计误差低于前述两类方法,质心运动学状态的估计性能也更好。     

运动平台上基于粒子滤波的目标跟踪技术

在固定平台上实现视频运动目标的准确跟踪本身就是一项富有挑战性的工作。何况在运动平台上,受到背景杂波、亮度变化以及摄像机运动等干扰的影响,要想成功地对目标进行跟踪则更加困难。提出将强度梯度跟踪器与粒子滤波相结合,实现对运动平台上的视频序列中的运动目标的准确跟踪。实验结果表明,跟踪方法能准确、可靠地自动跟踪视频序列中的运动目标。