Dynamic alliance target tracking based on genetic algorithms in wireless sensor networks

Dynamic alliance(DA),namely,virtual corporations (VCs),is an enterprise management method. It means a temporary union formed by some independent commercial processes or corporations.Here, genetic algorithms(GA) is applied to the research of nodes DA selection optimization in wireless sensor networks(WSN) target tracking(TT) problem.The detailed optimized selection method is presented in the paper and a typical simulation is conducted to verify the effectiveness of our model.

一种有效的用于雷达弱目标检测的算法

低信噪比的环境中对弱小目标的检测和跟踪已经在雷达信号处理领域中引起人们的广泛关注 .检测前跟踪 (TBD)方法对弱小目标的检测非常有效 ,其基本思想是为避免恒虚警率 (CFAR)处理带来的信噪比损失 ,而直接对原始数据进行处理 .但这样做运算量是很大的 ,多数场合难以接受 .本文提出了CFAR和TBD联合检测的思想 ,即加入低门限CFAR检测和求秩过程对数据进行预处理 ,引进平滑度的概念以消除一些为伪航迹 .仿真结果表明此算法的运算量较小而比一般的检测方法SNR性能上约提高 2～ 3dB .

一种基于卡尔曼预测的动态目标跟踪算法研究

针对视频序列中目标的跟踪,均值漂移算法和卡尔曼滤波器相结合的目标跟踪算法已经被提出,而在移动机器人上实现对机动目标的实时跟随时,机器人自身的运动引起目标在像平面的偏移不能被忽略,在详述了两者的关系的基础上,建立起以机器人一个周期内的运动作为输入量的状态方程,以卡尔曼滤波器的估计值作为均值漂移算法的启动点,均值漂移算法的最终收敛点作为每帧的跟踪结果,并以此收敛点替代滤波器的估计值,两种算法交替使用,互为补充。实验表明所提算法可以实现在室外环境下对动态目标的实时跟踪。

适于机载环境对地目标跟踪的粒子滤波设计

为提高机载环境对地面强机动性目标跟踪的鲁棒性,本文以粒子滤波为跟踪框架,研究了它的动态模型与观测模型。针对机载环境的特点与跟踪目标的强机动性,提出了基于Kristan双步动态模型结构的加速度双步动态模型(TSA)。根据Yilmaz等人提出的非对称核函数思想,针对实际工程中目标变化特点与实时性要求,提出利用Snake算法提取目标轮廓,以轮廓信息构造非对称核函数的方法。最后,依据上述方法提出了TSA-AK粒子滤波跟踪算法。利用提出的算法对机载环境对地目标跟踪的视频进行了测试,结果表明,本文算法可实现对大幅度变速运动目标的稳定跟踪,正确跟踪率为98%;对大小为25pixel×30pixel的目标的处理帧率为26frame/s。

动态视角下自主目标识别与跟踪

针对动态视角下由于相机高频率晃动导致的常用目标识别及跟踪算法准确率较低的问题,提出了一种基于Canny和GrabCut的自适应窗口式目标跟踪算法。首先使用加速稳健特征(SURF)算法学习图片库并记忆图片特征,设计基于SURF算法的记忆库目标识别算法;然后,对上述目标区域采用GrabCut的自适应优化算法进行感兴趣区域分割,实现目标粗略跟踪;最后,设计基于Canny算法的窗口式算法进行目标精确追踪。实验结果表明,所设计的算法能快速地识别目标、精确地勾勒出其轮廓并且稳定跟踪目标,相比其他算法,算法在实时性和精确性方面有显著提高。

基于动态规划的红外弱小运动目标的实时检测方法研究

文章针对低信噪比下红外弱小运动目标的特点,提出了一种正向动态规划算法。分析了算法的检测性能,并对算法实现中的一些关键问题进行了讨论。实验表明,该算法适应性强,能有效地完成对低信噪比下弱小运动目标的实时检测、识别与跟踪。

基于精确背景运动补偿的机器人运动目标检测与跟踪

为实现动态场景下机器人快速准确地检测与跟踪运动目标,提出一种基于精确背景补偿的运动目标检测方法,并利用Kalman滤波扩展的KCF算法进行目标跟踪。针对传统ORB算法存在特征点分布不均匀、误匹配率高导致背景补偿效果不佳的问题,采用小波变换及图像分块处理保证提取的特征点数目及均匀分布,通过SURF算法提取具有尺度不变性的特征点并构建ORB描述子。利用KNN算法与对称约束相结合的特征匹配法提高匹配精度,同时引入改进的RANSAC方法精确求解全局运动参数完成背景运动补偿,最后通过帧差法及形态学处理获得完整的运动目标,并将KCF算法融合Kalman滤波实现对被遮挡目标进行再跟踪。实验结果表明:该方法特征匹配正确率达到98.4%,在背景运动状态下能够实时准确地检测出运动目标,并且能够连续稳定地跟踪目标。

NAO机器人自主目标跟踪算法研究

针对目前应用最广的新型仿人形NAO机器人,如何应用于动态背景条件下并对运动目标进行自主检测跟踪,对此该文采用了一种基于三帧差分法和Camshift算法相结合的目标跟踪方法。首先通过SURF算法对相邻两帧图像背景进行匹配,变换到静态背景条件下,再通过三帧差分法检测运动目标;之后将目标运动信息融合到Camshift算法颜色概率分布直方图的计算中,实现目标自动识别跟踪并排除与目标颜色相似的背景干扰。试验表明,NAO机器人能够对运动目标进行自主跟踪。

C^2动态相位估计的偏差补偿算法--雷达低空目标俯仰角测量提取的研究与应用

由于多径回波信号的干扰,极大地影响了雷达对低空目标俯仰角的测量,且对低空目标俯仰角的闭环跟踪测量实现极为困难,通常采用偏轴跟踪技术。通过对多路径反射环境模型分析,同时考虑镜面反射和漫反射的干扰,得出了岸、海基单脉冲雷达低空目标跟踪时俯仰角测量误差的产生原因,将传统的多目标分辨算法(C^2算法)与偏差补偿技术相结合应用于低角多径环境下偏轴跟踪目标俯仰角的测量,由C^2算法代替偏差补偿算法的航迹滤波并且动态估计直射和反射路径的相位差,然后对单脉冲比进行补偿,弥补两种算法各自的不足。在给定的测量环境下对不同高度目标进行了仿真,得到良好的仿真结果,表明C^2动态相位估计的偏差补偿算法,可较大地提高低空目标偏轴跟踪俯仰角的测量精度。并将其应用于某次试验中对掠海巡航飞行目标俯仰角的事后提取,与雷达实时输出的俯仰角测量数据相对比,验证了该算法的有效性和可实施性。

基于图像绘制技术的红外场景模拟

红外场景模拟可为目标识别、跟踪提供必要的图像样本,对算法的训练、评估和可靠性检验具有十分重要的意义,基于建模的红外模拟方法不一定反映场景的客观情况,并且,计算量大、耗时,难于模拟出有真实感的红外图像。基于图像绘制技术,提出无需建模的基于图像的绘制方法来模拟红外场景图像,根据红外图像的特点,给出了计算基本矩阵的非线性迭代算法和基于特征约束的动态规划立体匹配算法。由于参考图集是实际图像,因此,模拟图像更符合景物的真实情况,并且,该方法无需很复杂的建模过程,利于实时模拟。实验结果表明,该方法可有效地模拟出真实感的红外图像。

用于雷达弱小目标检测的改进TBD算法

针对基于动态规划的检测前跟踪算法存在的问题,提出了一种改进的动态规划算法。该方法的创新之处在于:在原来可能的状态转移的基础上又对后续状态进行了估计,因此可以减少目标强度起伏的影响。文中利用改进的动态规划与数学形态学相结合的检测前跟踪算法对雷达微弱目标进行检测。实测数据验证了该算法可以提高雷达回波中弱小目标的检测性能,且计算量较小,实际可行。

基于递推质心算法的二元传感器网络分布式目标跟踪

传感器网络的一个重要应用方向是目标定位与跟踪。为了减少通信消耗,二元传感器是一个很好的选择。在递推质心算法和动态分簇结构的基础上提出了一种分布式递推质心算法,并将其应用到二元传感器网络分布式目标跟踪中。计算机仿真结果表明,该算法能够有效地对目标进行定位跟踪,并能够在节点密度大、节点探测半径大和采样周期小的情况下减少能量消耗和计算量,从而延长网络使用寿命。

三维空间动态目标追踪自部署算法

为了能够实现三维有向传感器网络中移动目标的追踪部署,且确保目标在不断移动过程中传感器节点仍能够完成对目标的有效监测,提出一种基于节点感知模型和虚拟力模型的三维空间动态目标追踪自部署算法(DTSA),并且采用Sigmoid函数构建传感器节点追踪过程中的最佳移动速率模型,使得当三维空间的目标处于不断移动时,传感器节点可以以最佳的移动策略实时监测目标。仿真实验结果表明:与传统的动态目标追踪自部署算法相比,DTSA算法在追踪覆盖率和平均移动距离两个对比指标方面有了提升,性能优于传统的算法。

基于DP-TBD算法的目标真伪识别方法

动态规划检测前跟踪(DP-TBD)算法是一种检测微弱目标的检测方法,可明显改善信噪比,但检测目标的提取与识别仍是技术难点。利用轨迹特征剔除虚假目标,提出一种目标综合识别方案。仿真结果证明,该方案可有效剔除虚警并保留真实目标。

一种用于高脉冲重复频率雷达的TBD检测算法

针对高脉冲重复频率雷达高速运动弱小目标检测的距离模糊问题,提出了一种基于动态规划的检测前跟踪算法。在目标的状态转移方程中,将目标的实际距离转化为模糊距离和模糊数两个变量,将解距离模糊问题转换为对模糊距离和模糊数的联合估计问题。文中提出的基于动态规划的检测前跟踪算法,通过最大后验概率估计方法(MAP)联合估计目标的模糊距离、多普勒速度和模糊数的变化,在存在距离模糊的情况下完成了对高速弱小目标能量的积累和检测。仿真结果表明,在多重脉冲重复频率工作模式下,该算法对高速运动弱小目标具有很好的检测性能。

一种基于改进FAST角点检测的LK光流算法

针对传统LK光流法无法有效跟踪快速移动的目标,跟踪时存在特征点选取实时性和准确性不足的问题,提出一种结合改进FAST角点检测的LK光流算法。应用改进后的FAST角点检测提取出的角点作为候选特征点,通过设定筛选方案从中选取具有较高对比度的特征点作为目标特征点,结合图像金字塔分层,最终使用LK光流法对其进行跟踪。改进FAST角点检测能够更快速地提取出最强的灰度变化角点,使得子像素计算准确性得以提高并且减少了提取特征点的时间。引入图像分层缩放源图像,能够使算法稳定跟踪快速运动的目标。实验结果从运动目标检测所需时间、特征点的数量、每秒处理的视频帧数以及x轴和y轴方向运动误差等方面进行分析比较,证明所提出的改进算法运行速度快,能够快速且准确地跟踪动态目标。

基于粒子滤波框架下的自适应多特征融合目标建模算法

针对单一特征描述目标模型的缺陷,提出了一种多特征融合粒子滤波跟踪算法,该算法采用具有互补性的灰度直方图特征和梯度直方图特征共同描述目标模型;在目标跟踪过程中,根据特征对目标和背景的区分程度,动态地调整每个特征的置信度,对目标模型进行在线动态建模和更新,以提高目标模型描述的准确度,并进一步提高粒子滤波算法的跟踪精度。新算法不仅可以满足目标跟踪的实时性要求,而且可避免特征的冗余,增加目标模型描述的多样性。实验结果验证了新算法的有效性。

TWS雷达多目标动态跟踪及其实现

通过对点迹和雷达扫描之间相对速度的计算 ,根据目标的运动特性(相对于雷达扫描方向是同向还是反向 ) ,动态地实时计算出航迹应该预测的时间 ,精确估计出航迹下次应该出现的位置 ,从而提高相关的精度。通过仿真发现 ,该动态相关的精度优于固定时间间隔的相关 ,二者的运算量相当 ,易于工程实现 ,适合复杂环境下多目标实时跟踪。

代谢模型与LK算法结合的目标跟踪研究

针对复杂环境下遮挡和视角变化导致目标跟踪漂移问题,提出一种新的目标代谢模型,并结合LK(Lucas-Kanade)图像配准方法,通过二阶段递进的跟踪方式,实现目标复杂运动状态下的有效跟踪。二阶段分别使用代谢模型中的动态模板和准静态模板进行跟踪,实时更新动态模板的同时,周期性更新准静态模板,利用目标运动信息与模板变化信息之间的关系,实现对目标新旧特征的代谢更新。实验结果表明,该算法有效解决了模型更新带来的跟踪漂移问题,具有较好的鲁棒性和实时性。

基于机器学习的动态环境运动目标自动识别研究

为防止噪声、光照、背景不断变化等动态环境下识别到的运动目标空洞、轮廓不完整以及目标跟踪丢失现象产生,提出了基于机器学习的动态环境运动目标自动识别方法。对运动视频图像进行中值滤波去噪,并采用改进差分法进行运动目标检测;采用CamShift算法通过查询颜色概率分布图获取将输入像素点作为目标像素点的概率,并采用MeanShift迭代运算实现运动目标自动跟踪识别;实验结果表明,对于动态环境下运动目标,所提出的方法能够实现运动目标识别率高,误识别率低,能够提高运动目标自动识别的准确性和可靠性。