基于视频的运动目标检测算法的比较与分析

帧差法和背景差分法是目前常用的基于视频的运动目标检测方法。首先从帧差法和背景差分法中选取了几种具有代表性的算法;然后针对典型场景条件对这些方法进行了实验测试,并利用实验结果对算法进行了定性和定量的比较和分析。实验结果表明,ViBe算法、码本模型、混合高斯模型、自适应混合高斯模型、中值滤波和自适应背景建模具有较好的检测效果,但任何一种方法都有其局限性。     

基于背景差的运动目标检测方法比较分析*

背景差是常用的运动目标检测方法,其基本思想是通过视频帧与背景参考图像的差分实现运动目标检测。背景差法的核心是背景模型的构造。首先介绍基于背景差的运动目标检测方法的关键步骤:预处理、背景建模、背景差分、后处理;其次介绍几种典型的单背景和多背景模型;然后利用自适应背景模型、中值滤波、卡尔曼滤波、混合高斯模型等进行运动目标检测,并从速度、存储开销、准确率等方面对这些方法进行了分析比较。实验结果表明,单背景模型具有更快的检测速度,而多背景模型的检测准确度更高。     

SAR-GMTI匀速运动虚假场景干扰信号快速生成方法

静止虚假场景覆盖干扰无法有效对抗SAR-GMTI雷达系统,基于此,本文提出了一种能将静止虚假场景干扰信号快速转换为匀速运动虚假场景干扰信号的方法。文中通过对运动目标和静止目标回波模型的分析,推导出了两者之间的关系表达式;根据这个表达式,给出了实现该方法的三个步骤：沿距离向时域进行延迟操作,沿方位向时域进行伸缩变换,相位补偿;分析了该方法的计算量;最后,仿真实验表明该方法可对SAR-GMTI形成匀速运动虚假场景的干扰效果,能同时保护静止场景和运动目标。     

全局收敛策略静止目标纯距离测量下的参数估计方法

将全局收敛策略与高斯-牛顿法相结合,得到了解决非线性最小二乘问题的改进高斯-牛顿法;并将该方法应用于静止目标纯距离测量下的参数估计问题;仿真试验表明,改进后的高斯-牛顿方法对测量误差不敏感,具有更快的收敛速度和更高的精度。     

纯方位系统TMA非线性最小二乘法——理论数学模型与常规算法

对非线性最小二乘法应用于纯方位系统目标运动分析进行了综合评述,介绍了经典的非线性最小二乘法及几种常规算法:高斯—牛顿迭代法,麦夸脱迭代法,自适应非线性最小二乘法,给出了非线性最小二乘法对纯方位目标运动分析的四个数学模型:高度非线性模型,减弱非线性模型,再减弱非线性模型,再进一步减弱非线性模型。     

纯方位系统TMA非线性最小二乘法——理论数学模型与常规算法

对非线性最小二乘法应用于纯方位系统目标运动分析进行了综合评述,介绍了经典的非线性最小二乘法及几种常规算法：高斯—牛顿迭代法,麦夸脱迭代法,自适应非线性最小二乘法,给出了非线性最小二乘法对纯方位目标运动分析的四个数学模型：高度非线性模型,减弱非线性模型,再减弱非线性模型,再进一步减弱非线性模型。     

低信噪比下融合随机共振的运动目标检测算法

为提高智能视频监控系统中运动目标检测算法在低信噪比条件下的鲁棒性,结合混合高斯背景建模算法和随机共振原理实现一种低信噪比下的运动目标检测算法。算法根据混合高斯背景模型对当前帧生成目标概率灰度图,在本文定义的性能评价函数下,通过向该概率灰度图添加噪声使得评价函数最优化从而达到随机共振,对该随机共振灰度图进行阈值分割得到输出的检测目标。针对昏暗、大雾和红外视频分别进行了实验,证实了本文算法的有效性同时也显示本文算法相对于普通背景差算法性能获得了明显提升。     

适用于北斗混合星座的相对定位随机模型建模策略

为提高模糊度解算成功率和基线解精度,提出适用于北斗的相对定位随机模型建模策略,即混合随机建模策略。采用最小二乘方差分量估计方法对北斗单差观测量方差进行估计。对处于不同高度的三轨道卫星观测量方差分别建模:对地球静止轨道卫星观测量方差采用载噪比模型建模,对倾斜地球同步轨道卫星和中地球轨道卫星观测量方差均采用仰角模型建模。根据不同模型实时组建观测量的随机模型。试验结果表明:相比于采用传统简化模型和单一的仰角或载噪比模型,混合随机模型能更加真实地反映不同卫星观测量的随机噪声特性,模糊度解算成功率和相对定位精度均有提高,总体性能最优,因而能更好地适用于北斗系统。     

基于高斯和粒子滤波的AUV水下地形辅助导航方法

针对自主式水下无人航行器(AUV)长时间潜航时的精确导航定位需求,以多波束测深系统为水下地形测量设备,提出一种基于贝叶斯估计的AUV水下地形匹配导航模型。针对贝叶斯滤波后验概率密度函数的求解问题,用高斯混合密度函数近似状态的后验概率密度函数,提出了基于高斯和粒子滤波的水下地形匹配导航方法。基于多波束测深数据的回放式仿真试验表明,提出的方法可以有效近似地形匹配的贝叶斯滤波模型,具有良好的实用性。     

基于多雷达组网IMM-GMPHDF的机动多目标检测跟踪

高斯混合概率假设密度滤波(GMPHDF)有牢固的理论基础,是解决高斯条件下跟踪强杂波环境中目标数未知的多目标问题的有效方法。但当目标发生机动时,就难以跟踪到目标,因此,在GMPHDF中引入交互多模型(IMM)算法,对继续存在目标的运动模型进行建模,根据计算的模型概率融合各模型滤波器估计得到的继续存在目标概率假设密度,解决了运动模型机动问题。仿真实验表明,IMM-GMPHDF能实时跟踪到强机动超音速多目标,在多雷达组网系统中跟踪强机动超音速多目标精度(OSPA距离均方根误差)能达到70 m,满足了工程使用要求。     

基于减背景技术的运动目标检测方法研究

首先利用统计的方法得到背景模型,并实时地对背景模型更新,以适应光线变化和场景本身的变化;减背景操作后,用形态学方法和检测连通域面积进行后处理,消除噪声和背景扰动带来的影响;最后在HSV色度空间下检测阴影,得到准确的运动目标。     

基于态势预测的无人机防相撞控制方法

针对无人机自主飞行过程中,受空中非协作移动目标威胁较大,且空中移动威胁存在高机动性的特点,提出一种预测移动威胁情况下的无人机防撞控制方法,该方法采用交互多模(IMM)算法预测移动威胁的运动状态,同时利用滚动时域控制(RHC)思想建立无人机运动控制模型,构造有约束目标函数,运用微分进化算法(DE)求解目标函数,获取最优控制量,输入控制模型,完成防撞机动控制。仿真结果表明,该方法可以有效解决空中多架航空器同时入侵的防撞问题。     

高超声速飞行器低可探测性滑翔弹道优化方法

为进一步提高高超声速飞行器的突防性能,提出高超声速飞行器低可探测性滑翔弹道优化方法。考虑飞行器180°×360°方向的雷达散射截面,针对原数据尖峰多、收敛难的难题,运用高斯滤波法对其进行预处理,既不改变原数据趋势又加以平滑,提高优化问题收敛性能。为使计算所用雷达散射截面数据具备较强的保真性,采用三次样条插值方法调用离散数据计算实时雷达散射截面。完成了高超声速飞行器低可探测性滑翔弹道优化问题的建模,以探测概率为目标函数,运用hp自适应Radau伪谱法优化求解,采用逐步计算策略进一步提高优化效率和收敛性能。与传统最短飞行时间弹道对比表明,该方法有效降低了飞行器被雷达发现的概率。     

稳健局部线性嵌入方法

针对局部线性嵌入方法对于噪声的敏感性,从分析噪声对数据集局部特性的影响入手,提出了稳健局部线性嵌入方法。通过与局部线性嵌入方法的理论分析和实例对比,表明稳健局部线性嵌入方法不仅对噪声影响不敏感,而且对邻域的选择有较好的适应性,可更好地挖掘数据集的本征特性,具有更强的数据可视化能力。     

相似分布特性准则下的高斯混合项聚类-合并算法

针对高斯混合模型估计非高斯系统时高斯混合项呈指数级增长问题，提出一种基于相似分布特性准则的聚类-合并方法。通过分析高斯混合项的分布特性，基于扩展积分均方误差代价函数搜索最优置信范围，并对混合项进行高斯聚类，进而获得具有不同分布特性的高斯簇。为防止高斯簇间对高斯子项的重复利用，引入局部最近邻思想对交叉高斯项进行重新分配。采用并行多元素合并方法对高斯簇中的混合项进行合并，在保证无偏性基础上减少下一时刻混合项数量。仿真结果表明，改进算法在保证跟踪精度的同时还可有效提高算法效率。     

一种融入运动特性的显著性特征提取方法

针对复杂背景下图像序列中运动目标的跟踪前检测问题,提出一种融入运动特性的显著性特征提取方法,该方法综合目标的灰度、细节和运动等形成稳健的显著性特征,并得到一组显著性特征提取图.在这组图像中,具有这种多特征的区域得到加强,其他区域受到抑制,从而能够轻松地检测出可引起人类视觉注意的运动目标.由于该算法中的显著性特征来源于目标的多种底层特性,因此该算法具有很强的稳健性.实验证明,这种方法具有较强的稳定性和实用性,抗干扰能力强.从视觉效果的角度出发,能够较大地提高运动目标在复杂背景中的信杂比.     

机动目标跟踪的非线性算法

卡尔曼滤波器对线性高斯滤波问题能提供最优解, 而对目标运动模型、观测方程等要求的非线性就不再适合,提出了一种机动目标自适应非线性粒子滤波算法-" 粒子滤波器"(Particle Filters PF)法, 这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型, 分析比较了粒子滤波(PF)与扩展卡尔曼滤波算法(EKF) 的滤波精度、运算量等方面指标.给出了基于典型非线性模型的算法仿真, 仿真结果表明粒子滤波新方法优于EKF对机动目标跟踪.     

在非高斯信道下多用户检测的鲁棒算法

在无线通信中应用多用户检测技术可以有效去除多路径干扰 (MAI)。实验证明 ,实际信道通常包含冲激噪声 ,从而是非高斯的。讨论了目前扩频通信 (DS SS)中应用于非高斯信道的自适应鲁棒的多用户检测技术 ,以前的研究大多存在两个缺点 :一是需要对非高斯信道的模型有一个先验估计 ;二是计算较基于高斯信道的算法复杂的多。本文从传统的特征空间的自适应跟踪技术PASTd[1] ,针对其误差模型对算法进行修改 ,提出了一种简易的鲁棒算法。经蒙特卡洛仿真证明 ,该方法在含冲激噪声信道中能显著提高信号子空间跟踪的精度     

武器装备虚拟维修训练系统设计

针对大型武器装备实装训练成本高,受场地天气影响大的特点,设计了一种基于unity驱动引擎的武器装备虚拟维修训练系统。场景模块采用3DMAX建模,并对虚拟对象设置复合碰撞器,完成对虚拟场景的构建;战技勤操作模块中,先对操作步骤分类,结合Petri网条件—事件模型,解决了虚拟环境下装备操作的标准流程生成问题;拆装训练模块中,采用割集法,结合单一约束解除原理,解决了虚拟拆装训练中拆装序列的生成问题;提出了基于层次分析法的横向评价模型和基于GAHP法的纵向评价模型,增强了对用户训练效果评价的全面性,并实现了纵向自适应评价;在系统中增加了半实物故障排除模块的设计,弥补了传统虚拟训练系统缺少此模块的问题。