基于当前统计模型的目标跟踪改进算法仿真分析

合集下载

(完整word版)【matlab代做】基于MATLAB的GMM和KDE核估计得目标跟踪仿真

第一章课题背景和研究意义近年来，视频监控系统在各行业得到了广泛应用，生活中有小区、超市等的安全监控，银行系统有柜台监控，交通方面有违章监控等。

这些监控系统是由一个或多个摄像机以及与之相连的一套电视监视器组成的，它们的用途主要是对场景的记录和保存，当异常情况，比如盗窃行为发生后，保安人员才通过记录的结果察看发生的事情，但往往为时已晚。

视觉监视是指在一个繁忙环境中对人和车辆等进行实时的观察，并给出对它们行为和动作的描述。

这一技术包括了运动目标的检测、跟踪、目标分类和行为理解等方面，涉及到计算机视觉、模式识别和人工智能领域的许多核心课题，是一个具有挑战性的困难问题。

近年来随着集成电路和计算机技术的迅猛发展，视觉监视系统所要求的硬件设备成本大大降低，因此它获得了日益广泛的研究与应用。

许多关于视觉监视的大规模研究项目已经在美国、欧洲和日本展开，同时它也成为许多国际学术会议关注的重要主题。

运动目标检测与跟踪处于整个视觉监视系统的最底层，是各种后续高级处理如目标分类、行为理解等的基础。

运动目标检测系指从视频流中实时提取目标，一般是确定目标所在区域和颜色特征等。

目标检测的结果是一种“静态”目标——前景目标，由一些静态特征所描述。

运动目标跟踪则指对目标进行连续的跟踪以确定其运动轨迹。

我们通过为静止背景建模来检测前景点。

具体的背景模型以 Stauffer 等提出的自适应混合高斯模型为蓝本，并对其作了部分改进以更好地处理实际背景发生变化的情形。

算法中采用一种可靠的连通区域检测算法完成前景目标的分割。

目标跟踪时则通过匹配目标的位置、大小、形状和颜色等特征，建立运动目标与前景目标间的对应关系。

算法中考虑了跟踪中多个目标相互遮挡的问题，分析了几种可能结果并分别加以处理。

我们还为运动目标引入了可靠性度量以使目标跟踪过程更加稳定和可靠。

在实际应用中，不包括运动物体的纯背景图像通常无法得到。

而且，由于场景光照变化、摄像机抖动等因素，背景不可能完全静止。

“当前”统计模型机动目标跟踪的改进算法

分别为和ｙ方向加速度的机动频率，观测周期，，，为分别为、向状态噪声的方差。ｙ方
收稿日期：０６—０２０７—１９作者简介：刘海燕（９８一，，士研究生，１７）女博主要研究方向为信息融合．
维普资讯
Ｘ＝
一
ｌ
Ｘ１＋
一
一
瓦１
＋
，１、
／
Ｚ＝
Ｘ＋
（）１式中，状态向量Ｘ＝［，，，，］；是一均值为零，戈蔸Ｙ，Ｔ方差为Ｑ的白噪声序列；是一均
值为零，方差为Ｒ的高斯白噪声序列。Ｑ的取值依赖于Ｏ，２２参见文献Ｅ］／Ｏ，／，（４中的式８２）Ｏ，．１。／
摘要：针对“ 当前” 统计模型最大加速度取固定值，对加速度较小的非机动及弱机动目的跟踪精标度不高的弱点，出了一种新的跟踪算法。新算法中根据当前加速度的大小给出前最大加速度并为尽快提响应目标机动采用状态噪声方差补偿方法，因此能够根据机动特性自适应调整当前最大加速度的值，适自应调整系统方差，实现了对机动目标的更为精确的跟踪。
５２
《军事运筹与系统工程》２００７年第１期
｛
ｆ２２＝
２
＝
・
・
． ¨
［一Ｉ，一１Ｉ口一ａ（ｋ）］
［一Ｊ— ａ（，口Ｉ一１Ｉ）］
（）２
２
（）中，一，分别为方向和Ｙ向加速度的最大值。ｋｋ一１，ｋｋ一１２式ｏｏ方ａ（，）ａ（，）分别为方向和Ｙ方向的ｋ一１时刻到ｋ时刻的加速度的一步预测，可视为“ 当前 ”加速度。ｃｓ模型中，当机动频率和观测周期给定时，卡尔曼滤波的增益取决于状态噪声方差。（）式可看从２出若机动频率和观测周期已给定，目标机动加速度的最大值。一和ｏ～取固定值所存在的问题是：非若机动或弱机动的目标以较小的加速度运动时，由于当前加速度与最大加速度的差值很大，波器增益过滤大，致系统误差变大，导跟踪精度较差。可见，若最大加速度取固定值，在跟踪过程中由于最大加速度不能

当前统计模型自适应滤波算法改进

１９期
颉凯平，等：当前统计模型自适应滤波算法改进
５５０５
ｆＸ（ｋ＋１／ｋ）＝（＋１／ｋ）Ｘ（ｋ／ｋ）＋ｕ（ｋ）ａ（）
（）＝［（ｋ）（ｋ）ｘ（ｋ）］
ｃ＋・，＝
（６）
ＩＰ（ｋ＋１／ｋ）＝（＋１／ｋ）Ｐ（ｋ／ｋ）ｏＴ（＋１／ｋ）＋
ＩＱ（ｋ）Ｋ（ｋ＋１）＝Ｐ（ｋ＋１／ｋ）
［ ‘ 一ｃ：三／］
Ｉ
１
×（＋１）［Ｈ（ｋ＋１）Ｐ（ｋ＋１／）
机动目标模型的好坏将对最终滤波估计结果产生决定性的影响，目标模型建立得越符合实际，
跟踪算法的自适应性越强，则目标跟踪的性能越
好 … 。国内外提出了多种不同的机动目标模型，主
零，方差为２ａｏ－的白噪声，ｏｒ：为目标加速度方差。
得状态噪声协方差矩阵较大，最终导致该算法对弱
机动目标并不能有较高的跟踪精度。
现基于 “ 当前” 统计模型自适应滤波算法的研
究及目标跟踪性能的分析，提出了一种改进算法，
要有ＣＡ模型、ＣＶ模型、Ｊｅｒｋ模型、Ｓｉｎｇｅｒ模型和“ 当前” 统计模型等＇。其中具有广泛应用的是由我

基于改进“当前”统计模型的目标跟踪算法

ｓｗｈｈｏｐｅｌｒｔｈｏｔａｔｔｅｐｒｏｓｄａｇｏｉｈｍａｆｅｔｖｅｙｔａｋｔｅｓｒｃｎｅｆｃｉｌｒｃｈｔｏｎｇｏｒｗｅｋａｕｅｒｎｇｔｒｅ．ａｍｎｅｖｉａｇｔＫｅｒｙｗｏｄｓ：ａａｉｇｉｈ；ｃｒｅｔｔｓｉａｄｐｔｖｅａｌｏｒｔｍｕｒｎｔｓａｉｔｃｌｍｏｄ；ｉｔｒｃｉｇｍｕｌｉｌｅｌｎｅａｔｎｔｐｅｍｏｄｅ；ｍａｕｒｎｇｔ — ｌｎｅｖｅｉａｒ
ＷＡＮＧｕ—ｉｎＳｈｌｇ．ＲＵＡＮａＨｕｉｌａ —ｉｎ
（ｅｔｏｉｎｉｅｒｎｎｔｕｅｏＡ，Ｈｅｅ２０３，ＣｉａＥｌｒｎｃｇｎｅｉｇＩｓｉｔｆＰＬｃＥｔｆｉ３０７ｈｎ）
Ａｂｓｒｃｔａｔ：Ａｎａｐｉｅｔａｃｎｇａｌｏｒｔｍａｅｍｐｏｄｃｒｅｔｔｓｉａｄａｔｖｒｋｉｇｉｈｂｓｄｏｎｉｒｖｅｕｒｎｔｓａｉｔｃｌｍｏｄｌｉｏｐｓｄ．Ｏｎｅｓｐｒｏｅｅ
ｗｅｋｍａｅｖｒｎａｇｔ．ＡｌｏｔｅｍｅｅｓｉｕｃｉｎｉｕｅｏａｊｓｈｏｍｕａＴｈｎ，ｍｕｔｌａｎｕｅｉｇｔｒｅｓｓ，ｈｍｂｒｈｐｆｎｔｓｓｄｔｄｔｔｅｆｒｌ．ｏｕｅｌｉｅｐ
第４期２１ＯＯ年８月
雷达科学与技术
ＲａｄａｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏＩｏｇｙ

基于当前统计模型的消隐记忆SCKF算法研究

基于当前统计模型的消隐记忆SCKF算法研究
吴博;刘鹏远
【期刊名称】《电光与控制》
【年(卷),期】2016(023)006
【摘要】为解决容积卡尔曼滤波器对机动目标跟踪过程中因模型不准确出现的加速度跟踪超调问题,对消隐记忆滤波和平方根滤波理论进行了研究,提出了一种消隐记忆因子改进的平方根容积卡尔曼滤波算法(Memory Attenuation Square-root Cubature Kalman Filter,MASCKF).首先推导了基于线性状态方程的简化平方根容积卡尔曼滤波算法,提高了算法的实时性;其次在简化算法的时间更新环节引入消隐记忆因子,提高新量测数据在最优估计中的比重,使得加速度跟踪超调得到了很好的抑制.通过实验比对,验证了新算法对加速度跟踪超调的抑制效果,提高了对目标跟踪的实时有效性和准确性.
【总页数】5页(P16-20)
【作者】吴博;刘鹏远
【作者单位】军械工程学院,石家庄 050003;军械工程学院,石家庄 050003
【正文语种】中文
【中图分类】TP412
【相关文献】
1.基于三维消隐算法的装配视图消隐方法研究 [J], 薛文彦;李言;杨征瑞
2.基于消隐记忆SCKF的交互式多模型算法 [J], 刘鹏远;吴博
3.基于射线法的凹多面体消隐算法研究与实现 [J], 卫洪春
4.基于IMM-SCKF的海上机动目标跟踪算法研究 [J], 李思嘉;曹菲;林浩申
5.基于改进SCKF的电缆卷放车追踪电铲的精确定位算法研究 [J], 王铨;周永利;钱洪云;陈伟华;彭继慎
因版权原因，仅展示原文概要，查看原文内容请购买。

一种改进机动目标跟踪算法跟踪精度分析

通过分析和仿真表明，改进的加速度估计方法对超高速机动目标具有很好的跟踪效果。
运动变化的改进模型。对于一个好的运动模型，要求其既应符合机动实际，又要便于进行数学处理。目前，
机动目标的运动模型主要有匀速ＣＶ模型、匀加速ＣＡ模型、Ｊｒｅｋ模型、Ｓｎｅｉｇｒ模型和“ 当前 ” 统计模型【３１１．
１ “ 当前 ”统计模型机动目标跟踪算法
一
维情况下，“ 当前” 统计模型的离散状态方程为
ｘ（＋）七，）七＋，）（＋七ｋ１＝中（＋１（）ｃ七七）七（）（１）
等。其中，ｃ，Ｃ模型的缺陷在于模型中目标的运ｖＡ动形式单一；ｅｋ模型的实质是在通常三维状态向量Ｊｒ增加一维向量即加速度变化率（目标加速度变化率的
进了” 当前” 统计模型的加速度估计方法。分析了机动加速度方差对跟踪精度的影响，同时进行了仿真验证．仿真结。
果表明，改进预测算法的“ 当前” 统计模型对高速机动目标的跟踪具有一定的优势．
关键词：机动目标跟踪；“ 当前” 统计模型；算法
中图分类号：Ｅｌ２１文献标识码：ＡＤＯＩ１．６￣ｉｎ１７．８９２１．．２：０３９．ｓ．３３１．００００４９ｓ６４
（ｉｇｕＡｔｍａｉｓａｃｓｔｔｏＳＣ，ｉｙｎａｇ２２０．ｈｎ）ＪｎｓｕｏｔｎＲｅｅｒｈＩｔｕｅｆＩＬａｕｇｎ２０６ＣｉａａｏｎｉＣｎ

一种新的更好的基于“当前”统计模型的自适应滤波算法

２１年６月０１
西北工业大学学报
ＪｕａｆＮｒｈｅｔｒｏｙｅｈｉａｉｅｓｔｏｒｌｏｔｗｓｎＰｌｔｃｎｃｌＵｎｖｒｉｎｏｅｙ
Ｊｎ２１ｕｅ０ｌ
Ｖｏ＿９ｏ３Ｉ２Ｎ．
第２９卷第３期
良好的跟踪机动目标的能力。
布设定为均值可变的修正瑞利分布，其均值为 “ 当前” 加速度的预测值，认为目标下一时刻的加速度只能在 “ 当前 ” 加速度的邻域内，从而计算出 “ 当前 ”
收稿日期：０００－８２１－６０
作者简介：陈出新（９１）西北工业大学博士研究生，１８一，主要从事先进控制理论研究。
一
种新的更好的基于 “ 当前 ’ 计模型的 ’ 统自适应滤波算法
陈出新，周德云，张垄
（西北工业大学电子信息学院，西安７０２）１１９
摘
要：出一种新的基于“ 提当前” 统计模型的自适应滤波算法，对 “ 针当前 ” 统计模型自适应滤波算
由于“ 当前 ” 计模型的机动加速度概率密度统服从修正瑞利分布，故将目标“ 当前” 加速度的预测值作为当前时刻机动加速度瑞利分布的均值，利用瑞利分布方差随均值变化且由它决定的特点，现实了机动加速度均值和方差的自适应调整，因此具有
机动加速度的方差，过它的自适应来调整滤波过通程噪声方差阵，高了跟踪精度。然而，ｓ模型对提ｃ加速度方差的计算依赖于两个参数：动频率和机

目标定位跟踪原理及应用 matlab仿真

目标定位跟踪原理及应用 matlab仿真目标定位跟踪原理及应用是指对目标进行定位和追踪的技术。

在目标定位跟踪中，通常需要采用传感器获取目标的信息，进而将其处理成可供分析使用的形式，以实现对目标的跟踪。

本文将重点介绍目标定位跟踪的原理及应用，并以Matlab仿真为例，分析其在实际应用中的效果。

1. 目标定位跟踪原理目标定位跟踪的原理主要涉及目标的探测、跟踪和定位三个方面。

（1）目标探测目标探测是指通过传感器获取目标的信息。

传感器通常可以根据目标的特征发射电磁波，如雷达、红外线探测器等。

（2）目标跟踪目标跟踪是指根据传感器获取的目标信息，建立目标与探测器之间的运动关系，并实时更新目标的位置和速度等参数。

跟踪目标需要使用相应的算法和数据处理技术，如卡尔曼滤波、粒子滤波等。

（3）目标定位目标定位是指根据跟踪结果，计算目标在空间中的位置和速度等参数，以实现对目标的定位。

常用的定位方法包括三边定位法、四边定位法、多普勒测距法等。

目标定位跟踪技术在实际应用中非常广泛，可以应用于空中、海上、陆地等不同领域。

以下是一些目标定位跟踪的应用场景：（1）军事领域军事领域是目标定位跟踪技术应用最为广泛的领域之一。

在军事行动中，通过目标定位跟踪技术可以实时获得敌军、友军等目标的位置和速度信息，进而判断敌我情况、进行作战规划等。

（2）民用领域目标定位跟踪技术在民用领域也有广泛的应用，如交通、安防、消防等领域。

在安防领域，通过安装摄像头等设备，在范围内对目标进行监控和跟踪，对大型场馆、机场、车站等公共场所起到了重要的保障作用。

（3）航空航天在航空航天领域，目标定位跟踪技术可以用于导航、导弹制导、航空作战等方面。

利用目标定位跟踪技术，可以实现飞机、导弹等目标的精准定位和跟踪，避免航空事故的发生。

3. Matlab仿真分析Matlab是一种常用的科学计算和数学建模软件，也是目标定位跟踪常用的仿真分析工具。

以下是一个简单的Matlab仿真分析：（1）建立模型根据目标定位跟踪的原理，建立仿真模型，并对输入和输出参数进行定义。

基于交互式当前统计模型的变采样率跟踪算法

其中
（尼）＝［（后）（）（）］，
Ｉ１Ｔ（ａＴ一１＋ｅ一）／Ｉ
（尼）ｌ０１（１一ｅ）ｌ，
Ｌｏ０
１
决的方法来选择采样周期；文献［４］将多个Ｓｉｎｇｅｒ模型不等的相关噪声按照模型概率加权，进而计算出采样周期．由于当前统计模型（ＣＳＭ）采用修正瑞利分布来描述机动加速度的统计特性，能更真实地反映目标机动范围和强度变化．但在缺乏目标环境先验知识的实际跟踪过程中，其机动频率和机动加速度上限难以确定．文献［６］
ｌｑ１３ｑ２３ｑ３３ｆ
式中，ａ为机动频率，ｇ・
２ａＴ～４ａＴｅ］，ｑ１２＝
，
１－ｅ－２ａｔ＋２ａＴ＋丁２ａ３Ｔ３
［ｅ＋１－２ｅ＋２ａＴｅ
—
动加速度上限的当前统计模型集合进行目标状态联合估计；同时由于当前统计模型的相关噪声能够反映目标运动状态的变化，因此根据各模型
种目标机动环境，提出了基于交互式当前统计模型的变采样率跟踪算法．该算法将多个当前统计模型作为交互多模型框架下的模型组成，然后根据各模型相关过程噪声值合成计算雷达的采样间隔，实现变采样率跟踪，提高了适应目标机动的能力和跟踪精度．仿真结果表明，本文算法的跟踪性能明显优于基于Ｓｉｎｇｅｒ模型的变采样率

一种新的改进的“当前”统计模型的A适应滤波算法

㈤，式五（ｔ１）４）一中ｏｚＥ，（。是（采ｔ）样）问隔。其离散形式呵写为（１４）
（９）
度不高的问题，从加速度状态方程式中推导出机动频率自适应表达式；并结合已有的加速度方差自适应算法，提出了一种新的基于“ 当前” 统计模型的自适应卡尔曼滤波算法。仿真结果表明算法的有效性和合理性。关键词 “ 当前” 统计模型机动目标跟踪机动频率加速度方差中图法分类号ＴＰ２７３．２；文献标志码Ａ
式中为目标加速度，ａ（ｔ）为机动加速度均值，０（ｔ）为零均值指数相关的加速度噪声；Ｏｌ为机动频率，０９（ｔ）是零均值的白噪声。则目标的离散状态方程和观测方程为
ｘ（＋１）＝（ｋ＋１，）ｘ（）＋【，（）ｎ（ｊｃ）＋ＶＩ，（Ｊｉｃ）
＠
２０１４Ｓｃｉ．Ｔｅｃｈ．Ｅｎｇｒｇ．
一
种新的改进的“ 当前” 统计模型的自适应滤波算法
骆荣剑李颖钱广华
（中国人民解放军重庆通信学院，重庆４０００３５）
摘
要
针对标准“当前” 统计模型中加速度和机动频率需要预先设定的不合理，以及在跟踪非机动和弱机动目标时存在精
第１４卷
第２期
２０１４年１月
科
学
技
术
与
工
程
Ｖｏ１．１４Ｎｏ．２Ｊａｎ．２０１４

基于“当前”统计模型的机动目标运动要素解算

ＺｈｕＬｏｉＨｕｈｎｘａｇＹｉＣｎｔｏａＣｅｇｉｎｈｅｇａ
Ｋｅｗｏｄｍａｅｖｒｎｔｒｅｍｏｉｎｌｍｅｔ “ｃｒｎ ” ｓａｉｔｃｙｒｓ：ｎｕｅｇａｇｔｉｔｏｅｅｎ；ｕｒｅｔｔｔｓｉｍｏｅ；Ｋａｍａｆｌｅ；ｍａｕｅｎｇａｇｔｄｌｌｎｉｔｒｎｅｖｒｔｒｅｉ
的估计结果直接影响避碰措施的采取，而影响整从
个避碰过程及避碰的效果。
我国著名学者周宏仁老师针对Ｓｎｅ模型的缺陷提ｉｒｇ出了一种非零均值的 “ 当前 ” 统计模型 … ，目标机其
动加速度的“ 当前 ” 概率密度用修正的瑞利分布描述，均值为“ 当前 ” 加速度预测值，实际应用证明这
ｔａｋｎｒｃｉｇ
Ａｂｓｒｃ：ｔａｔＡｓｉｉｇｎｒｌｙｈｐｓｅｅａｌｍａｅｖｒｎｉｔｅｒｃｓｏｏｌｉｎｖｉｎｅＴｈｒｆｒｎｕｅｇｎｈｐｏｅｓｆｃｌｓｏａｏｄａｃ．ｉｉｅｅｏｅ，ｔｅｈｐｒｃｓｏｏｅｉｉｎｆｃｌｕａｉｎｅｕｔｏｍａｅｖｒｎｔｒｅｍｏｉｎｌｍｅｔｗｉｈｖｄｒｃｉｆｎｅｎｆｅｔｆｓｉｃｌｓｏａｃｌｔｒｓｌｒｏｆｎｕｅｇａｇｔｉｔｅｅｎｌａｅｉｅｔｎｕｅｃｏｅｆｃｏｈｐｏｌｉｎｏｌｌｉａｏｄａｃ．Ａｆｅｏｖｉｎｅｔｒｃｍｐａｎｎｒｖｅｔｔｒｅｄｌｎｒｃｉｇａｇｒｔｉｒｇｍａｙｐｅａｎａｇｔｍｏｅｓａｄｔａｋｎｌｏｈｍｓ，ｔｉａｅｅｅｔｈ “ ｕｅ ’ ｌｉｈｓｐｐｒｓｌｃｓｔｅｃｒｎｔ ’ ｓａｉｔｄｌｔｔｓｉｍｏｅ，ｗｈｉｈｃｎｂｅｍｏｅｃｕｌｔｒｆｃｔｅｅｅｎｍａｕｅｎｃａｇｈａｏｈｒｍｏｅｓＴｈｃｃａｒａｔａｏｅｅｔｈｌｍｅｔｌｎｅｖｒｇｈｎｅｔｎｔｅｄｌ．ｉｅｓｍｕａｉｎｒｓｌｓｉｄｃｔｈｔｔｅａｇｒｔｉｌｔｏｅｕｔｎｉａｅｔａｈｌｏｈｍｏｖｒｅｕｃｌｎｃｕａｅｙ，ａｄｔｅｃｌｕａｉｎｒｓｌｃｎｍｅｔｉｃｎｅｇｓｑｉｋｙａｄａｃｒｔｌｎｈａｃｌｔｅｕｔａｅｏｗｉｈｅｕｒｍｅｔｏｈｐｃｌｉｉｎａｏｄｎｅｔｔｅｒｑｉｅｎｆｓｉｏｌｓｏｖｉａｃ．ｈ

基于“当前”统计模型的模糊自适应机动目标跟踪算法

ｔｅｒｂｅａｔｃｅｅｔｎｏｔｇｔｕｔｅｉｓｌｒｖｏｓｎｅｌｉｔｎｏｅａｊｓｓｓｍｃｖｒｎｅＴｅｓｍ — ｈｏｌｔｔｈａｃｌａｉｆａｅｍｓｂｔｅｐｅｉｌａｄｔｍｔｉｆｈｄｔｙｔｏａｉｃ．ｈｔａｐｍｈｅｒｏｒｎａｄｌｕｙｈｉａｏｔｕｅａｅｉ
维普资讯
・
２８・
《测控技术）０７年第２）０２６卷第８期
基于“ 当前＂统计模型的模糊自适应机动目标跟踪算法
李辉，现刚，曾左惟
７０７）１０２（西北工业大学电子信息学院，陕西西安
摘要：结合 “ 当前 ” 统计模型在目标跟踪方面的优越性，出了基于“ 提当前” 统计模型的模糊自适应机动目标跟踪ｎｔｈｄａｔｇｆ ‘ｕｒｎ ”ｓａｉｔａｄｌｎｔｒｅａｋｎ，ｈｕｚｄｐｉｅｔｒｅｒｃｉｇａｇｒｔｍｓｒｃ：ｏｉｉｇｗｉｔｅａｖｎａｅｏ ‘ ｒｅｔｔｔｉｌｈｃｓｃｍｏｅｇｔｒｃｉｇｔｅｆｚｙａａｔａｇｔｔｋｎｌｏｈｏａｔｖａｉｂｓｄｏｃｒｎ”ｓａｉｔａｄｌｓｂｏｇｔａｄｆｚｙｃｎｒｌｈｏｙｔｈｃｒｅｔｔｔｔａｄｌｓａｐｉｄｗｈｃａｖｉａｅｎ“ ｕｒｔｔｔｉｌｍｏｅｒｕｈ，ｎｕｚｏｔｅｒｔｅ“ ｕｒｎ ”ｓｉｉｌｍｏｅｐｌ，ｉｈｃｎａｏｄｅｓｃｉｏｔｏａｓｃｉｅ

《基于KCF跟踪算法的目标轨迹记录系统的设计与实现》

《基于KCF跟踪算法的目标轨迹记录系统的设计与实现》一、引言随着计算机视觉技术的快速发展，目标轨迹记录系统在众多领域中发挥着越来越重要的作用。

本文将介绍一种基于KCF （Kernelized Correlation Filters）跟踪算法的目标轨迹记录系统的设计与实现。

KCF算法因其高精度、高效率的跟踪性能，被广泛应用于目标跟踪任务中。

二、系统设计1. 系统架构设计本系统采用模块化设计，主要包括数据采集模块、预处理模块、KCF跟踪模块、轨迹记录模块和用户交互模块。

各模块之间通过接口进行数据交互，保证系统的稳定性和可扩展性。

2. 核心算法选择——KCF跟踪算法KCF（Kernelized Correlation Filters）算法是一种基于相关滤波器的跟踪算法，它通过训练得到一个分类器，用于在视频帧中准确地定位目标。

KCF算法具有计算效率高、实时性好、对光照、尺度变化等具有一定的鲁棒性，因此非常适合用于目标轨迹记录系统。

3. 数据预处理数据预处理模块负责对输入的视频数据进行预处理，包括去噪、图像增强等操作，以提高KCF算法的跟踪精度。

4. 轨迹记录与存储轨迹记录模块负责记录目标的轨迹信息，包括目标的位置、速度等信息。

这些信息将存储在数据库中，以便后续分析和处理。

三、系统实现1. 数据采集与预处理实现数据采集模块通过摄像头等设备获取视频数据。

预处理模块采用OpenCV等图像处理库对视频数据进行去噪、图像增强等操作，以提高KCF算法的跟踪精度。

2. KCF跟踪算法实现KCF跟踪算法的实现是本系统的核心部分。

我们采用Python 语言和OpenCV库实现KCF算法。

首先，初始化目标的位置和大小；然后，通过训练得到一个分类器；最后，在视频帧中应用该分类器进行目标跟踪。

3. 轨迹记录与存储实现轨迹记录模块将目标的轨迹信息存储在数据库中。

我们采用SQLite等轻量级数据库进行数据存储，以便于后续分析和处理。

一种基于改进的“当前”统计模型自适应跟踪算法

动态调整优化的问题；以及标准 “当前” 统计模型在跟踪非机动或弱机动目标时，精度不高的问题，在分析机动频率物理含义
及其与加速度变化关系、卡尔曼滤波的新息与加速度方差关系的基础上，提出了一种高效的机动频率和加速度方差双变量自
适应算法。仿真结果表明该算法能够很好地自适应目标的加速度变化；并能有效提高跟踪精度，大大提高了对非机动或弱机
模型的概率，自适应调整 “ 当前 ” 统计模型目标加速
切合实际的一种运动模型，其均值与方差自适应滤波算法得到了广泛应用。然而，ｃｓ模型对加速度方差的计算依赖于两个依据经验设定的参数：机动频
第１３卷
第ｌ５期
２０１３年５月
科
学
技
术
与
工
程
Ｖｏ１．１３Ｎｏ７ｌ一１８１５（２０１３）１５ — ４１９１ — ０７
ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇ
第一作者简介：钱广华（１９８３一），男，硕士研究生。研究方向：多传
感器数据融合。Ｅ — ｍａｉｌ：２７０１５７７８７＠ｑｑ．ＣＯＢ。
跟踪效果不理想。Ｊｅｒｋ模型的局限性在于跟踪阶跃
Ｊｅｒｋ信号时存在确定性稳态误差。而多模型受限于

改进IMM算法在机器人目标跟踪中的应用

ｓｎ．１６７３ — ６２９Ｘ．２０１３．０２．０３８
ＡｐｐｌｉｃａｔｉｏｎｏｆＩｍｐｒｏｖｅｄＩＭＭＡｌｇｏｒｉｔｈｍｉｎＲｏｂｏｔＴａｒｇｅｔＴｒａｃｋｉｎｇ
第２３卷
第２期
计算机技术与发展
ＣＯＭＰＵＴＥＲＴＥＣＨＮＯＬＯＧＹＡＮＤＤＥＶＥＬＯＰＭＥＮＴ
Ｖｏ１．２３Ｎｏ．２
２０１３年２月
Ｆｅｂ．２０１３
改进ＩＭＭ算法在机器人目标跟踪中的应用
ＺＨＡＮＧＬｕ，ＺＨＡＮＧＧｕｏ－ｌｉａｎｇ，ＺＨＡＮＧＷｅｉ－ｐｉｎｇ，ＪＩＮＧＢｉｎ（ＴｈｅＳｅｃｏｎｄＡｒｔｉｌｌｅｒｙＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｘｉ ’ ａｎ７１００２５，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：ＩＩｌｔｈｅｔｒａｃｋｉｎｇｐｒｏｃｅｓｓｏｆｒｏｂｏｔｆｏｒｍｏｖｉｎｇｔａｒｇｅｔ，ｓｉｎｃｅｔｈｅｔａｒｇｅｔｍｏｉｔｏｎｓｔａｔｅｈａｓｄｉｖｅｒｓｉｉｆｅｄｃｈａｒａｃｔｅｒｉｓｉｃｔｓ，ｃａｎｎｏｔｕｓｅａｓｉｎ —
本ＣＶＣＡＩＭＭ算法、改进前的ＣＶＣＳＩＭＭ算法进行了比较。ＭｏｎｔｅＣａｒｌｏ仿真结果表明：本算法减小了跟踪过程中的误差，提高了对机动目标的跟踪精度。关键词：目标跟踪； “ 当前 ” 统计模型；交互式多模型算法中图分类号：ＴＰ２４２文献标识码：Ａ文章编号：１６７３－６２９Ｘ（２０１３）０２ — ０１４９－０４

基于当前统计模型的VDA机动目标跟踪算法

Ｖｏ．３，Ｏ２１６Ｎ．
火力与指挥控制
ＦｉｅＣｏｔｏｒｎｒ１＆ＣｏｍｍａｄＣｏｔｏｎｎｒｌ
Ｆｂ，０１ｅ２１
第３６卷第２期２１０１年２月
文章编号：０２０４（０１０—０８０１０ —６０２１）２０５ — ４
ｈｏｒｚｎｒｄｒｉｏａａ
引言
天波超视距雷达（ｅ— ｅＨｏｉｎＲｄｒＯｖｒｔ — ｒｏａａ，ｈｚ
ｅｆｃｅｏｎｕｖｒｎｇｔｒｅｒｃｎｎｄｎｅｃｕｔｒｅｖｉｏｎｅｔｏｅ —ｈｅｈｉｏａｒｓｓｅ．ｆｉｉｎｔｆｒｍａｅｅｉａｇｔｔａｋｉｇｉｅｓｌｔｅｎｒｍｎｆｏｖｒｔ — ｏｒｚｎｒｄａｙｔｍＫｅｒｙｗｏｄｓ：ｎｕｅｉｇｔｒｅｒｃｉｍａｅｖｒｎａｇｔｔａｋｎｇ，ｕｒｅｔｓａｉｔｃｌｃｒｎｔｔｓｉａｍｏｅ，ｔｒｉｄａａａｓｃａｉｎ，ｖｒｔｅｄｌＶｉｅｂｔｓｏｉｔｏｏｅ — ｈ —
（ｃｏｌｆＡｕｏｔｏＳｈｏｏｔｍａｉｎ．ＮｏｔｗｅｔｒｌｔｃｎｃｌＵｎｖｒｉｒｈｓｅｎＰｏｙｅｈｉａｉｅｓｙ，Ｘｉａ１０２．ｉａ）ｔ ’ ｎ７０７Ｃｈｎ
Ａｂｔａｔ：ｈｏｌｍｆｍａｅｅｉｇｔｒｔｒｃｎｎｏｅ —ｈｅｈｏｉｏａａｓｒｃＴｏｔｅｐｒｂｅｏｎｕｖｒｎａｇｅｔａｋｉｇｉｖｒｔ－ｒｚｎｒｄｒ，ａＶｉｅｂｉｄｔｔｒａａ

基于“当前”统计模型的分段模糊跟踪算法

ｍａｕｒｎｇｒｎｗａｓａｂｉｈｅｎｅｖｅｉａｇｅｓｅｔｌｓｄ．Ａｎｉｐｏｅｕｚｄａｉｅｔａｋｉｌｒｔｍｒｖｄｆｚｙａｐｔｖｒｃｎｇａｇｏｉｈｍｗａｒｐｅｓｐｏｏｓｄ．Ｔｈｅ
ｓｓｅｖｒａｃｓｓｐｒｔｌｄｕｔｄａｃｒｉｇｔｈｔｏｇｏａｎｕｅｉｇｓａｅｎｎｅｃｙｔｍａｉｎｅｗａｅａａｅｙａｊｓｅｃｏｄｎｏｔｅｓｒｎｒｗｅｋｍａｅｖｒｎｔｔ，ａｄｉａｈ
ＡｕｂｅｔＯＦｕｚａｋｎｇＡｌｏｉｈｍｏＳｓｃｉｎ— ｚｙＴｒｃｉｇｒｔｆｒＣｕｒｎｔＳａｉｔｃｌＭｏｌｒｅｔｔｓｉａｄｅ
ＺＨＡＮＧｎ。ＸＩＹｏｇ，ＯＮＧａ —ａ，ＷＵｎｚａｇＭｏｔｏＱｉ—ｈｎ
（．１ＣｈｏｇｑｉＴｅｈｎｌｇｙａｎＢｕｓｎｓｎｖｅｓｔ，ｎｎｇｃｏｏｄｉｅｓＵｉｒｉｙＣｈｏｇｑｎｇ００７，Ｃｈｎｎｉ４０６ｉａ，
２ＩｓｉｔｆＯｉｓａｄＥｌｃｒｎｃ，Ｃｈｎｓａｍｙｏｉｎｅ，Ｃｈｎｕ６０，Ｃｈｎ．ｎｔｕｅｏｐｔｎｅｔｏｉｓｔｃｉｅｅＡｃｄｅＳｃｅｃｓｆｅｇｄ１２９０ｉａ，３．ＧｒｄｕｔＳｈｏｆｅＣｈｎｓａｅｆＳｃｅｃｓＢｅｊｎ００９ａａｅｃｏｌｔｉｅｅＡｃｄｍｙｏｉｎｅ，ｉｇ１０４，Ｃｈｎ）ｏｈｉｉａ

改进的“当前”统计模型自适应跟踪算法

向：目标跟踪。Ｅ — ｍａｉｌ：ｈｕａｐｏｆｅｉｘｕｅ＠１２６．ｔｏｍ。
免的会引入一些人为误差。经过长期的研究发展，机动目标模型主要有匀速（ＣＶ）模型、匀加速（ＣＡ）
难；其次是需要预先设定加速度的极限值，而在实
际中这是很难确定的。并且一旦目标的加速度超
瑞利分布的不足，并且定义调整因子用来自适应的
模型，、零均值一阶时问相关（Ｓｉｎｇｅｒ）模型Ｊ、 “ 当
前” 统计（ＣＳ）模型
、加速的各参数，克服了模型中一些参数需要
型 ’ 、交互多模型 ¨ 。。等。Ｓｉｎｇｅｒ模型将目标机动的这种不确定性表示为随机状态噪声驱动的结果，与ＣＶ／ＣＡ模型不同，Ｓｉｎｇｅｒ模型用有色噪声而不是
２０１３年４月１７日收到陕西省自然科学基金（２０１１ＪＭ８０２３）资助
摘
要
针对“当前” 统计模型算法及其改进的算法对弱机动目标存在较大跟踪误差，同时对机动加速度极限值有依赖的缺
陷。在分析传统“当前” 统计模型适用范围的基础上，提出了一种改进的“ 当前 ” 统计模型自适应算法。用截断正态分布来弥
补修正瑞利分布的缺陷；同时在此基础上通过预测残差向量定义调整因子对模型中各参数进行自适应调整，提高了机动模型

基于当前统计模型的交互融合跟踪算法

基于当前统计模型的交互融合跟踪算法
练学辉;闫龙;乔大雷
【期刊名称】《雷达与对抗》
【年(卷),期】2015(035)002
【摘要】当前统计模型对于不同的机动类型需要采用不同的自相关时间常数,单一的当前统计模型滤波器不能够完成对不同机动频率目标的精确跟踪,同时当前统计模型对非机动目标跟踪效果并不理想.本文在交互多模型算法的基础上融合常速模型及不同自相关时间常数的当前统计模型,实现对非机动目标及不同类型、不同程度机动目标的自适应跟踪.
【总页数】4页(P29-32)
【作者】练学辉;闫龙;乔大雷
【作者单位】海军驻南京地区雷达系统军事代表室,南京210003;中国船舶重工集团公司第七二四研究所,南京211153;中国船舶重工集团公司第七二四研究所,南京211153
【正文语种】中文
【中图分类】TN959.6
【相关文献】
1.基于交互式当前统计模型的变采样率跟踪算法 [J], 董凯;关欣;刘瑜;何友
2.基于交互式当前统计模型的变采样率跟踪算法 [J], 董凯;关欣;刘瑜;何友;
3.一种基于无味滤波的当前统计模型跟踪算法 [J], 刘伟;刘宁
4.基于当前统计模型的水下目标自适应跟踪算法 [J], 张晴月;蒋志迪
5.基于改进当前统计模型的自适应无源跟踪算法 [J], 张卓然;叶广强;赵晓林
因版权原因，仅展示原文概要，查看原文内容请购买。