核窗宽自适应的均值偏移跟踪算法

针对固定窗宽的均值偏移算法对逐渐变大的运动目标跟踪不准确的问题,提出了一种窗宽自适应的均值偏移跟踪算法。先对当前帧进行均值偏移跟踪,再通过后向跟踪使跟踪窗口中心与目标形心匹配,利用巴氏系数最大化对窗宽进行±10%的修正,使跟踪窗口的尺度自适应变化。实验结果表明:该算法提高了跟踪精度,增强了跟踪稳定性,保证了跟踪的实时性。

基于最小模糊误差熵的机动目标跟踪新方法

为了提高不同噪声影响下机动目标跟踪的性能,提出了一种基于最小模糊误差熵无迹滤波(Minimum Fuzzy Error Entropy Unscented Filter,MFEE-UF)机动目标跟踪新方法.在提出方法中,通过引入模糊隶属度表示不同误差样本对估计结果的不同影响,构建最小模糊误差熵准则(Minimum Fuzzy Error Entropy Criterion,MFEEC),解决了普通误差熵中的权重单一化问题,并利用该准则优化无迹滤波;在推导MFEE-UF过程中,首先利用无迹变换(Unscented Transformation,UT)框架得到先验状态估计和先验协方差估计,并通过系统重建得到误差信息,再根据MFEEC构建目标函数,最后利用定点迭代法递归求得后验状态估计结果和后验协方差估计.此外,本文采用一种自适应的核宽设置方法.实验结果表明,该算法能够具有良好的目标跟踪效果,且表现出较强的稳定性.