搜索结果: 1-15 共查到“控制科学与技术 目标跟踪”相关记录29条 . 查询时间(0.214 秒)
采用高维数据聚类的目标跟踪
高维数据聚类 仿射形变 目标跟踪 刚体
2015/8/13
根据刚体各部位具有变换一致性这一特性,提出一种采用高维数据聚类的目标跟踪方法。从数学理论方面证明提出的度量方法可以应用于目标跟踪, 称其为高维数据聚类跟踪器(HDDC tracker)。该算法框架如下,首先, 采用Harris检测器对模板与跟踪区域进行特征提取;然后利用这些特征的空间信息对所提取的特征进行编组;接着计算模板特征组与跟踪区域特征组间的仿射变换阵;最后,采用高维数据聚类对这些仿射变换阵...
基于特征贡献度的Mean Shift目标跟踪
Mean Shift 特征贡献度 模板匹配 核直方图 特征提取
2015/4/24
为有效提高Mean Shift 算法的模板匹配精确度，采用基于特征贡献度的Mean Shift 目标跟踪方法，对不 同贡献度的特征向量赋予不同的权重，以彰显目标特征、抑制背景因素。分别介绍传统Mean Shift 目标跟踪算法和 基于特征贡献度的Mean Shift 算法，并针对多组视频进行实验验证与分析。结果表明：改进后的Mean Shift 算法不 仅能提高跟踪精度、提升系统的鲁棒性，而且对6...
多特征提取的双目机器人目标跟踪
多特征提取 改进的步态光流图 扩展卡尔曼滤波器 头肩模型 CamShift 算法
2013/9/29
为了解决复杂环境下双目机器人的目标跟踪问题, 提出多特征提取的方法. 在机器人静止-目标运动模式下根据改进的步态光流图和视角识别目标并构造颜色直方图模板; 在机器人运动-目标运动模式下利用扩展卡尔曼滤波器、基于自适应核函数的CamShift 算法、基于Hu 矩的头肩模型匹配算法提取目标的运动特征、颜色特征和头肩特征以实现目标跟踪. 实验分析表明, 所提出方法能够避免启动时手动框选目标, 可以实现遮...
针对在复杂背景下, 基于主成分分析(PCA) 的目标跟踪方法准确率较低的问题, 使用偏最小二乘分析, 提出一种双模粒子滤波的跟踪算法. 首先采用偏最小二乘分析对目标区域建模, 作为观测模型; 然后利用仿射变换描述目标的形变过程, 分别在李群及其切向量空间上建立双模的动态模型; 最后结合特征空间更新策略, 使用粒子滤波实现目标跟踪. 实验表明, 所提出的算法能够有效滤除背景噪声, 跟踪结果稳定且准确...
针对移动传感器网络(Mobile sensor networks, MSNs)中动态目标(事件源)的监测优化问题, 为提高网络覆盖质量, 建立基于Voronoi剖分的监测性能(Quality of monitoring, QoM)评价函数, 提出基于群集控制的传感器节点部署分布式控制算法. 每个节点在本地结合最小二乘法和一致性算法来估计目标相对位置. 相比传统算法, 本文算法只需本地和单跳通信(可...
基于李代数的变形目标跟踪
目标跟踪 几何变形 指数映射
2012/3/20
动态几何变形是图像跟踪技术面临的突出难题之一. 本文提出基于李代数的变形目标跟踪方法, 用Gabor特征表征目标, 以仿射李群建立目标几何变形, 利用李代数和李群之间的指数映射将参数的最优化求解从欧氏空间转至光滑流形, 实现了对变形目标的稳定跟踪.从物理层面分析了目标跟踪过程中的参数几何变换的实质, 从理论上对在光滑流形上进行迭代求解的优点进行了详细分析, 并对其收敛性做出了证明.图像序列跟踪测试...
针对原有机器人水球比赛的视频多目标跟踪技术的不足，提出一种基于CamShift 算法的带有自适应能力 和主动纠错能力的局域目标跟踪方法。通过介绍基本的CamShift 算法，并引入自动白平衡调节和自适应能力的优化 处理对跟踪方法进行改进，对跟踪过程中可能出现的5 种可能错误情形提出具体纠错方案。实验结果表明：该方法 有效且算法处理速度能达到实时图像处理的要求。
基于Mean Shift算法和NMI特征的目标跟踪算法研究
目标跟踪 均值漂移 NMI特征 尔曼滤波
2010/9/30
针对传统Mean shift跟踪算法对空中运动目标跟踪效果不理想的问题, 提出了基于Mean shift算法和归一化转动惯量(Normalized moment of inertia, NMI)特征的目标跟踪算法. 算法中引入了目标NMI特征, 建立了基于虚警概率最小原则和相似度二级判决门限的跟踪策略, 对目标模型进行更新. 同时利用卡尔曼滤波, 在目标被遮挡后进行估计预测. 实验表明该算法在空中...
针对低轨星座多目标持续跟踪传感器资源调度问题，首先将目标跟踪任务划分为高精度任务集合和低精度任务集合，并分析了跟踪任务状态转移过程；然后，为两任务集合分别建立了基于动态优先级的优化调度模型，提出了一种基于多模型的实时传感器调度算法。不同场景下仿真实验表明，所提算法较之以跟踪精度为优化目标和以跟踪精度为门限约束的方法具有更强的适用性，尤其对于目标分布较为集中的情况，其目标丢失率大大降低，尽管个别目标...
基于迭代sigma点粒子滤波的再入目标跟踪
sigma点粒子滤波 迭代卡尔曼滤波 目标跟踪
2009/11/3
标准粒子滤波提议分布选择时，由于没有计入最近的观测值信息，重要性权的方差随时间递增，导致权值蜕化。针对这一问题提出了一种新的滤波算法，迭代sigma点粒子滤波算法。该算法在预测时采用sigma点粒子滤波产生拟合概率密度函数的加权粒子，并通过观测值对加权粒子进行更新；修正过程采用迭代卡尔曼滤波优化预测阶段得到的描述状态分布的均值和方差。将其运用于再入大气层目标的跟踪模型，仿真结果表明：与标准粒子滤波...
基于SIFT特征目标跟踪算法研究
多目标跟踪 尺度不变特征变换 非刚性形变
2009/10/21
在尺度不变特征变换(Scale invariant feature transform, SIFT)特征匹配算法的基础上, 提出了一种基于累积特征的多目标的跟踪算法, 通过对目标的SIFT特征进行实时更新来去除由噪声(或形变)带来的``过时''特征信息, 保证了特征的稳定, 提高了匹配准确度. 实验结果表明, 本算法能够有效处理目标由于旋转、 形变而导致跟踪性能下降甚至跟踪目标丢失的问题, 同时对...
基于序贯无迹卡尔曼滤波的雷达目标跟踪方法
无迹卡尔曼滤波 扩展卡尔曼滤波 序贯滤波
2009/10/10
提出一种基于序贯无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统，传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布，通过非线性系统传播，能以三阶精度获得非线性变换的均值和方差的估计。为了提高无迹卡尔曼滤波的精度，用序贯无迹卡尔曼滤波方法依次处理方位角、俯仰角和距离，来进行雷达目标跟踪。通过Monte Carlo仿真，验证了该滤波算法比传统的扩展卡尔曼滤...
交互式多模型算法在机器人目标跟踪中的应用
交互式多模型算法 卡尔曼滤波 机动目标跟踪
2009/10/10
将交互式多模型（IMM）算法应用于视觉伺服机器人对机动目标的跟踪。使用匀速运动（CV）和匀加速运动（CA）模型表示目标的两种运动状态，利用马尔可夫链进行模型切换，根据目标前一时刻的状态和当前的观测值，预测目标当前的状态。在Matlab上对IMM滤波算法和Kalman滤波算法进行了仿真实验研究，结果表明，不管目标处于何种运动状态，IMM算法估计量的误差均值都比Kalman滤波算法的误差均值小，尤以目...
基于SMC-PHDF的部分可分辨的群目标跟踪算法
粒子概率假设密度滤波器 高斯混合模型 期望最大化算法
2009/9/28
本文提出一种基于粒子概率假设密度滤波器(Sequential Monte Carlo probability hypothesis density filter, SMC-PHDF)的部分可分辨的群目标跟踪算法.该算法可直接获得群而非个体的个数和状态估计. 这里群的状态包括群的质心状态和形状.为了估计群的个数和状态,该算法利用高斯混合模型(Gaussian mixture models, GMM)...