基于模板匹配的集中式多传感器群内目标精细跟踪算法

为解决多传感器探测下群内目标精细跟踪的难题,基于非机动情况下各探测周期内群内目标真实回波位置相对固定的特性,提出了一种基于模板匹配的集中式多传感器群内目标精细跟踪算法。该算法通过预关联成功的群状态集合与群量测集合分别建立模板形状矩阵和待匹配形状矩阵,利用匹配搜索模型和匹配矩阵确认规则选出代价最小的匹配矩阵,并基于模板和对应的匹配矩阵利用kalman滤波完成群内各目标航迹的状态更新。仿真表明,与传统多传感器多目标跟踪算法中性能优越的基于数据压缩的集中式多传感器多假设算法相比,该算法在跟踪精度、实时性、有效跟踪率方面的性能明显优越,能很好的满足群内目标精细跟踪的实际工程需求。

一种新的多传感器群内目标精细跟踪算法

为解决多传感器探测下非机动群内目标精细跟踪的难题,深入分析群内目标回波特性,基于形状方位描述符,提出了一种新的多传感器群内目标精细跟踪算法,该算法利用形状方位描述符建立可唯一表示群内各目标组成图形的形状矢量,然后基于落入群内各目标相关波门内的量测集合,以群内各目标可能关联量测构成的所有图形为对象,通过形状相似程度和量测与目标状态一步预测值的空间距离建立相似度模型,同时利用选主站的思想实现冗余图像的剔除,最后利用量测集合与对应的权值集合,基于粒子滤波技术实现群内各目标的状态更新。经仿真数据验证,与传统多传感器多目标跟踪算法中性能优越的基于数据压缩的集中式多传感器多假设算法相比,该算法在跟踪精度、实时性、有效跟踪率三个方面的性能明显优越,能很好地满足群内目标精细跟踪的实际工程需求。

面向群目标典型机动的多传感器精细跟踪方法

为解决多传感器探测下群目标发生机动时群内目标的精细跟踪问题,提出了一种面向群目标典型机动的多传感器精细跟踪方法,该方法深入分析群目标机动时量测特性,面向整体机动、分裂、合并、分散四种典型的群目标机动模式,首先基于杂波剔除模型及点迹合并模型,结合交互多模型思想建立群整体机动跟踪模型,然后基于群整体机动跟踪模型,利用多帧互联模式建立群分裂跟踪模型,并基于循环阈值模型,给出群合并跟踪模型,最后基于修正的3/4逻辑法建立群分散跟踪模型,实现四种典型群目标机动模式下群内目标的多传感器精细跟踪。

基于FPGA的信标光精细跟踪系统设计

介绍了精细跟踪系统的算法及硬件结构组成。以平均值平滑滤波法和质心法实现了对信标光斑定位,利用卡尔曼预测算法实现了具有自适应能力的递归跟踪算法。采用高帧频CMOS相机和高效的基于FPGA处理器的处理算法,实现了信标光的高精度实时跟踪及硬件系统。用外场激光无线通信实验验证了系统具有很好的实用价值。

群目标跟踪技术综述

根据研究重点的不同,从群目标跟踪的建模和滤波算法方面展开综述,主要包括:量测处理、扩展外形建模、内部关系建模、群分裂/合并建模以及滤波算法等.最后,基于群目标跟踪现有研究进展和未来可能面临的挑战,对群目标跟踪领域需要重点研究和关注的方向作了展望.

基于目标模板库的多任务目标持久跟踪

针对长时间跟踪造成的信息丢失问题,提出了一种借鉴人类视觉记忆机制构建目标模板库的算法,该方法能在跟踪中记忆有用目标信息,实现持久稳定的跟踪.首先采用多任务跟踪法把视频序列分成多个子任务进行多线程分块局部跟踪,然后采用模板匹配和特征融合下的粒子滤波先后进行粗略跟踪和精细跟踪;最后把跟踪结果纳入目标模板库中更新跟踪系统.实验表明,此算法具有较好的鲁棒性和稳定性.

人手跟踪方法研究综述

为设计和改进基于视觉的精细人手跟踪方法,对现有相关研究工作和人手跟踪方法进行了分析与对比,包括人手跟踪方法的实现过程、需要解决的关键问题及研究现状,对今后可能的研究方向和方法进行了展望。