上海理工大学 光电信息与计算机工程学院自动化系，上海 200093
为解决压缩跟踪过快引入跟踪误差和样本采集方面的缺陷，首先，引入基于预测向量的采样搜索策略，通过前两帧跟踪到的目标位置预测后一帧目标的运动方位，并采用扇形区域采样方式缩小有效样本的范围；其次，根据前后两帧跟踪到的目标的对照来判断复杂背景或遮挡的发生，利用Bhattacharyya 系数自适应地改变分类器参数更新系数。实验证明，这些策略避免了因压缩跟踪缺陷导致的跟踪失败，改进后的算法比原算法具有更好的鲁棒性和时效性。
压缩跟踪 预测向量 自适应 贝叶斯分类 compressive tracking predictive vector self-adaptive Bayes discriminant
江南大学 物联网工程学院，江苏 无锡 214122
传统的稀疏表示跟踪算法直接利用较为简单的灰度特征进行稀疏表示系数计算，易受遮挡、形变等影响。为此，提出一种局部自适应加权算法来增加受遮挡、形变等影响的候选目标与未受遮挡、形变等影响的候选目标之间的区分度。另外，一般稀疏表示算法利用数量较少的目标模板构建过完备字典。无法获得较好的稀疏系数。提出逆稀疏表示算法，利用包含丰富目标特征和背景特征的候选目标构建过完备字典来重构目标模板，相同维度的目标模板条件下可以获得更好的稀疏系数。实验表明，该算法在目标背景差异小或严重遮挡、形变情况下，都能够较好的跟踪目标。
稀疏表示 自适应加权 过完备字典 候选目标 sparse representation adaptive weighting over-complete dictionary candidate target
1 西安工程大学 计算机科学学院，西安 710048
2 德克萨斯州大学 奥斯汀分校 人类生态系, 德克萨斯州 奥斯汀 78712
针对带标签的高斯混合概率假设密度滤波算法无法获取衍生目标的问题，提出一种可以提取衍生目标的带标签GM-PHD 算法。首先，通过为高斯项加注标签的方式区别不同的目标，以辨别单个目标及其航迹。其次，在滤波过程中，对每一时刻得到的状态估计值与已形成的航迹标签进行匹配关联，实现航迹维持。最后，通过设置衍生阈值来判断状态估计中是否存在衍生目标以及可能产生的目标个数，为新生目标高斯项和可能的衍生目标高斯项重新分配标签，并创建新的航迹。仿真实验结果表明，与传统的带标签GM-PHD 算法相比，在衍生目标存在的情况下，改进算法具有更好的跟踪性能。
概率假设密度滤波 随机有限集 状态估计 衍生目标 带标签GM-PHD probability hypothesis density filter random finite sets sate estimation spawn targets labeling GM-PHD
1 湖北工程学院 物理与电子信息工程学院，湖北 孝感 432000
2 湖北工程学院 计算机与信息科学学院，湖北 孝感 432000
针对下雪天气条件下高精度的运动目标检测，本文在GMM 算法基础上进行改进，首先采用多分辨率、高低阈值的思想对其进行优化，克服下雪天动态背景噪声的影响；然后运用计算颜色模型，抑制运动目标产生的弱阴影和光照变化；最后在各目标最小约束矩形内进行空洞修补，填充由于阴影过度抑制和被雪覆盖目标表面丢失的运动掩模。实验结果表明：改进算法7 项指标都优于GMM 算法，与当前较优秀的FTSG 算法相比，7 项指标中有4 项超越，2 项接近。
运动目标检测 下雪天气 动态噪声 空洞修补 moving object detection snowy weather GMM GMM dynamic noise hole patching
江南大学 物联网工程学院，江苏 无锡 214122
针对非线性条件下机动目标跟踪问题，在此提出了一种增广交互式多模型容积卡尔曼滤波(AIMMCKF)算法。该算法将交互式多模型容积卡尔曼滤波(IMMCKF)应用到一个非线性状态增广系统，以得固定延迟平滑状态估计。同时，采用增广转换操作处理所用模型集中的不同模型可能属于不同状态空间的问题，保证算法能够正常进行。仿真结果表明，与传统非线性跟踪算法相比，所提算法在机动目标跟踪方面有更高的精度与更强的适应性。
机动目标跟踪 状态增广 容积卡尔曼滤波 非线性 maneuvering targets tracking state augmented cubature Kalman filter nonlinear
1 中国民用航空总局第二研究所 科研开发中心，成都 610041
2 电子科技大学 电子工程学院，成都 611731
为有效解决复杂监视场景中快速、准确检测运动目标，提出一种多帧背景差与柯西(Cauchy)模型融合的目标检测方法。该方法首先借鉴Surendra 背景模型的思路进行改进，采用多帧背景差法获取干净的背景图像，然后利用实时的视频图像和当前的背景图像进行绝对差分处理，最后通过Cauchy 模型对整幅绝对差分图像上的点进行背景点和前景点判别，实现对复杂监视场景中目标的准确检测。针对车辆、行人等不同对象的监控场景下进行实验，验证了本文方法不仅能够有效地抑制噪声及伪目标的干扰，而且能够快速、准确地分割出前景目标。
多帧背景差 Cauchy 模型 目标检测 Surendra 背景模型 绝对差分图像 multi-frame background subtraction Cauchy model target detection Surendra background model absolute differential image
国防科学技术大学机电工程与自动化学院, 长沙 410073
为实现高动态环境中的目标跟踪, 本文提出了一种基于多尺度混合模型多特征融合的单目标跟踪算法。该算法自适应提取并融合多种图像特征从而实现复杂环境中的目标实时跟踪。针对图像目标的高动态特性及环境遮挡等问题, 算法通过计算当前观测样本的置信度完成模板的自适应更新。利用国际计算机视觉学会目标跟踪数据库中具有典型特征的十个标准视频对跟踪算法进行测试。测试结果表明, 在高动态环境及目标存在大变形情况下, 本文提出的跟踪算法比同类算法的跟踪精度有显著提高。
单目标跟踪 多尺度混合模型 多特征融合 single target tracking multi-scale models multi-feature fusion
合肥工业大学计算机与信息学院, 合肥 230009
针对多目标跟踪中, 目标瞬间丢失、目标交错或重叠时目标跟踪失败等情况, 本文提出了一种改进的离散连续优化多目标跟踪算法。该方法根据离散连续优化多目标跟踪算法原理, 采用增加速度约束项能量函数以及改进原能量函数的策略, 以达到约束轨迹形态的目的。采用在全局优化后进行聚类处理的策略, 以达到区分不同目标运动轨迹的目的。实验结果表明, 该算法具有较好的鲁棒性, 能够很好地实现复杂图像序列中的多目标跟踪。
多目标跟踪 离散连续优化 能量函数 multi-target tracking discrete continuous optimization energy function
1 桂林电子科技大学电子工程与自动化学院, 广西 桂林 541004
2 广西高校光电信息处理重点实验室 (桂林电子科技大学), 广西 桂林 541004
3 中国科学院安徽光学精密机械研究所, 合肥 230031
结合辐射传输和朗伯比尔定律, 提出一种基于有限脉冲响应数字滤波器和多元线性回归分析的空间外差干涉谱目标匹配方法, 通过对干涉图直接分析来提取出钾共振双线的特征以实现目标识别。本文采用传统有限脉冲响应数字滤波的处理方法来消除有效目标干涉频率信息以外的背景信息和干扰信号。通过对滤波前后的时域干涉数据进行多元线性回归处理获得最佳的时域滤波系数, 以对目标信号、背景信号的干涉图直接进行滤波处理, 最后通过干涉图匹配技术来识别钾共振双线信号。该算法无需测量背景光谱或背景干涉图, 亦无需对干涉图做傅里叶变换获取光谱, 在提高计算效率的同时提高空间外差光谱仪遥感数据的分析反演能力。
空间外差光谱技术 干涉图 钾共振双线 有限脉冲响应数字滤波器 多元线性回归 spatial heterodyne spectrometer interferogram potassium double resonance finite impulse response multivariate linear regression
江南大学轻工过程先进控制教育部重点实验室，江苏无锡 214122
针对目标跟踪在复杂场景中鲁棒性较差以及有效性较低的问题，基于在线检测跟踪框架提出一种基于回归的自适应多特征融合目标跟踪算法。对密集采样得到的各子图像块提取出多种特征分别建立目标表观模型，通过正则化最小二乘分类器得到各模型的响应，利用加权和准则融合各响应，通过求解岭回归方程自适应地在线更新各响应权重以增强局部判别力，得到精确而稳定的检测分数值，从而进行有效鲁棒地跟踪。实验结果表明，该算法在大多数复杂场景下其跟踪精度和鲁棒性优于现有的目标跟踪算法。
目标跟踪 岭回归 多特征融合 正则化最小二乘分类器 target tracking ridge regression multi-feature fusion regularized least squares classifier
