移动视频目标跟踪中的智能过滤算法研究

在海上智能交通中,对移动船舶的目标跟踪会受到背景颜色、物体遮挡、亮度等问题的影响,从而降低了跟踪率,因此在实际的工程应用中需要过滤不利因素,得到更有利的目标特征。本文将粒子滤波应用于移动视频目标跟踪的智能过滤中,并对粒子滤波进行优化,最后通过对比实验来说明优化后的算法鲁棒性强、系统的估计误差更小。     

船舶目标跟踪过程信息智能过滤算法

现有的船舶目标跟踪信息智能过滤算法对于障碍物遮挡的信息过滤量小,因此设计一种船舶目标跟踪过程信息智能过滤算法。引入边缘算子,并调整各个算子的权重,完成船舶目标状态信息的采集,提取跟踪目标的运动特征,并通过欧氏距离的解析式对船舶运动特征进行降维,利用光流法的搜索模板定位最佳目标匹配点,完成船舶目标跟踪过程信息智能过滤算法的设计。在实验中,分别利用现有算法和设计的算法,对某行驶中的目标船舶进行遮挡信息过滤,结果显示,设计的算法中过滤掉的障碍物信息占比平均值比传统算法高出64%,验证了设计算法的有效性。     

基于视频处理技术的船舶移动位置跟踪研究

移动位置跟踪是船舶航行过程中的重要技术,针对当前船舶移动位置跟踪误差大,受环境因素影响大的缺陷,为了提高船舶移动位置跟踪性能,设计了基于视频处理技术的船舶移动位置跟踪方法。首先分析当前船舶移动位置跟踪的研究进展,并描述视频处理技术的船舶移动位置跟踪原理,然后采用分帧技术对船舶移动位置跟踪视频进行处理,并提取船舶移动位置跟踪视频图像特征,通过特征替换提高船舶移动位置跟踪视频质量,最后引入Mean shift算法实现船舶移动位置跟踪,并采用仿真实验对船舶移动位置跟踪效果进行测试,结果表明,基于视频处理技术的船舶移动位置跟踪精度超过95%,跟踪速度快,获得比当前其他方法整体性能更优的船舶移动位置跟踪结果。     

基于视频处理技术的船舶移动位置跟踪研究

为解决常规船舶移动位置跟踪方法存在跟踪精度较低的不足。提出了基于视频处理技术的船舶移动位置跟踪研究。基于视频处理技术的引入,依托船舶对象位置的确定及运动轨迹的识别,实现了提出的基于视频处理技术的船舶移动位置跟踪研究。仿真实验结果表明,在复杂海域,提出的船舶移动位置跟踪研究方法,较常规船舶移动位置跟踪方法,跟踪精度提升34.12%。     

船舶移动目标高效识别算法

近几年无人驾驶船的兴起使得传统的手工操作模式发生了改变,无人驾驶、数字驾驶、智能驾驶成为未来船舶发展的主要趋势。为保证无人船的安全,船舶应具备对周围环境的精确感知能力,并运用多种传感器及人工智能技术,建立海洋移动目标检测系统,以保证其在海上的安全运行。此次采用多特征融合技术进行检测得出,其准确率比一般的神经网络要高,而且与传统的神经网络方法相比也有较大的提高。对海洋中的多个运动物体进行辨识,结果也表明该算法是一种稳定、有效的方法。     

基于最小二乘法的目标跟踪算法研究

利用最小二乘法对目标运动轨迹进行平滑滤波,由此外推目标在下一时刻的运动参数。计算机根据目标的运动参数计算误差量,经过PID运算后形成控制量送给伺服系统驱动电机转动,从而实现对目标的稳定跟踪。     

雷达跟踪机动目标的多模型算法研究

研究了多模型算法在雷达跟踪机动目标中的应用,并以所提出的一种多模型算法说明了多模型算法的有效性。     

视频跟踪系统模型研究

针对视频跟踪系统在高精度位置控制系统中普遍应用的情况,分析了视频跟踪系统的组成和原理,分析了视频跟踪系统的硬件组成,信号去噪和目标提取算法,研究了视频跟踪系统的数学模型,给出了该模型的使用条件,有利于提高高精度位置控制系统的性能。     

复杂环境下红外机动目标跟踪算法研究

在分析红外机动目标模型的基础上,利用扩展的卡尔曼滤波技术、红外目标的区域相关技术、概率数据关联技术等,实现了复杂环境下红外机动目标的跟踪。仿真结果证明了跟踪模型及算法的有效性。     

一种适用于ATT武器系统的目标跟踪算法

提出一种基于单站纯方位的水下高速目标跟踪算法。该算法在快速估计出目标航向的基础上,利用目标先验速度信息解算出其他目标运动要素。该算法收敛速度快,对观测平台机动要求低且具有一定精度,能满足反鱼雷鱼雷武器系统的要求。     

卡尔曼滤波算法在船用雷达运动目标跟踪滤波器中的应用

首先介绍离散卡尔曼滤波的系统模型并进行理论分析,在观测噪声矢量是白噪声的情况下设计船用雷达运动目标跟踪滤波器,然后模拟实际海面跟踪目标来获得发送端数据进行滤波器的性能仿真。实验结果表明,当观测噪声协方差矩阵和实际的噪声协方差矩阵相近时,卡尔曼滤波器具有滤波精准度高、收敛速度适中及稳定性强等优点。     

水声纯方位目标跟踪快速收敛算法

基于EKF的纯方位目标状态滤波器的性能依赖状态初值的选取,为了有效地提高估计的收敛速度,提出了一种滤波器状态初始化方法.首先,简要阐述了修正极坐标系下的推广卡尔曼滤波算法(EKF).然后,基于非线性最小二乘法的思想,推导了一种滤波器状态初始化方法.针对实际应用背景,提出一种组合滤波器结构并进行了仿真验证.结果表明,该算法收敛速度快,滤波精度与EKF相当.     

基于UKF的水下目标纯方位跟踪算法

将基于无迹变换的UKF方法运用到水下目标运动分析中,给出了具体步骤,讨论了其目标运动分析问题.利用测得的纯方位序列,建立了状态方程和观测方程.通过蒙特卡洛模拟仿真,结果表明,在处理非线性问题中,UKF方法在滤波精度上有较明显的提高;在实际应用中,该方法计算量小、实现简单,有较强的实用性.     

一种岸上目标跟踪算法

结合地面目标运动特征和地理信息之间的关系,基于图像序列配准输出的目标位置伪量测值,建立利用地理信息实现对岸上运动目标跟踪的数学描述。分析岸上不同的运动模式,设计目标运动模型集,提出基于位置滤波不确定区域与道路是否相交基础上的运动模式判别方法,给出基于运动模型动态调整的自适应滤波算法。仿真结果表明,提出的方法和算法是有效的,具有重要的应用参考价值。     

AR船舶运输中目标移动跟踪实现技术

随着AR技术的发展,在船舶运输作业时可以对危险目标进行主动识别,从某种程度上讲,该系统能够取代船员,在进一步增强船舶航行安全的同时,也能提高船舶的航行控制能力。通过该系统,船舶计算机可以快速识别周围的环境目标,并对目标的运动状态进行数据采集与分析,可以快速判断该物体对本船舶的影响。因此,本文主要对该跟踪技术的实现原理进行分析和阐述,并优化其核心算法,通过提高对目标的识别率,使得船舶在运输过程中的控制能力进一步加强。通过仿真分析,基于AR算法的移动目标跟踪技术,能够快速适应复杂的海洋环境,具有良好的实用性。     

基于红外图像的无人艇视觉目标跟踪算法

为了能够更好地适应水面无人艇复杂的跟踪情况,针对fDDST算法不能处理水面目标被严重遮挡和视野中丢失目标以及帧间目标位置发生突变的问题,对原fDSST算法进行大部分改进。改进水面红外目标搜索区域的方法,将Edge boxes与水天线结合,限定目标检索区域;并结合目标速度和尺度的变化对原算法中滤波器模版的更新率进行改进,同时考虑最大响应值和峰值波动情况对滤波器更新机制进行调整。实验结果证明,改进后的算法能够适应帧间目标大范围的突变和严重遮挡的问题,能保持较好跟踪效果而不跟丢,提高了跟踪算法的鲁棒性,加快了跟踪速度,并且对常见目标跟踪问题仍有很好的跟踪性能。     

基于模糊自适应IMM算法的机动目标跟踪方法

提出了一种模糊自适应IMM算法(FAIMM)自适应地设计IMM算法中的模型集.该方法根据加速度估计值,通过模糊推理获得所使用模型的后验概率,自适应地摒弃概率较小的模型,从而减少了模型数目,降低了算法的计算量.仿真结果表明,应用FAIMM算法跟踪目标,跟踪的精度、平稳性以及算法的收敛速度等都得到了改善.     

跟踪机动目标的最小子模型集切换算法研究

研究了机动目标跟踪的多模型(MM)方法,提出了一种新的多模型方法——最小子模型集切换(MSMSS)算法。这种算法从总模型集中自适应确定最小子模型集,用来进行多模型估计。仿真结果显示,和标准的交互式MM(IMM)相比,MSMSS算法在具备同等跟踪性能的前提下计算量很小,在计算量相同的情况下具有更好的跟踪性能。