简介:多目标跟踪问题是计算机视觉领域的关键研究问题之一。现有的目标跟踪算法严重依赖于目标检测器的性能,如果目标检测器的虚警率或漏警率较高,数据关联将会失败,导致目标跟踪精度不足。为此,本文提出一种基于结构化学习策略的目标身份感知网络流量技术,可在目标检测和数据关联并行化框架下有效地实现多目标跟踪。文中首先通过结构化学习为每个对象训练一个模型,并将目标跟踪问题建模为拉格朗日松驰优化问题,然后提出一种目标身份感知网络流量(TINF)技术进行结构化学习的推理。在学习期间,通过搜索使目标身份感知网络流量代价函数最小化的一组轨迹,确定最被违反约束和序列在下个时间段的最优轨迹,推断出视频片断中所有目标的最佳位置。最后,利用多种高难度数据集进行仿真实验,结果表明本文方法的性能优于其他最新算法。
简介:本文针对高频雷达中高机动目标检测难点,提出利用粒子滤波TBD算法检测高机动飞机目标的方法。该方法将一个相干积累时间内的回波数据进行分段滑窗相干积累,对形成的多帧多普勒域观测数据进行粒子滤波检测前跟踪(TBD)处理,获取目标存在概率及目标运动状态估计。蒙特卡洛仿真结果和回波数据验证表明该方法可提高对高频雷达高机动目标的检测能力,具备一定的工程可行性。
简介:为了在杂波环境中准确的完成雷达微弱多目标的检测,需要对雷达微弱多目标检测方法进行研究。采用当前检测方法在杂波干扰下对雷达微弱多目标进行检测时,不能有效的去除目标回波信号中存在的噪声信号,得到的目标运动轨迹误差较大,存在信噪比低和检测准确率低的问题。提出一种杂波干扰下雷达微弱多目标检测方法,以地面的辐射源作为雷达发射站,载机作为接收站,建立雷达系统模型,通过雷达系统模型得到目标回波信号模型;通过滤波器去除目标回波信号中存在的噪声信号,得到重构的目标回波信号,通过两级门限检测方法得到微弱目标的状态序列,采用逆序递推法得到目标的运动轨迹,完成杂波干扰下雷达微弱多目标的检测。实验结果表明,所提方法的信噪比高、检测结果准确率高。
简介:传统基于Gabor滤波器的SAR目标识别方法根据图像全局特征进行目标识别,忽略图像局部纹理特征,容易受到噪声因素的干扰,获取的SAR目标识别结果精确度较低。因此,提出基于图像局部纹理特征的SAR目标识别算法,对SAR图像纹理特征进行提取,提取SAR图像纹理特征时,采用优化的TPLBP特征描述器提取图像局部纹理特征,获取TPLBP局部纹理特征向量;通过基于ELM分类器的SAR目标识别算法,对TPLBP局部纹理特征向量进行SAR目标分类与识别,获取理想的SAR目标识别结果。实验结果表明,所提方法在SAR目标识别方面具有准确率高、误判率低的优势。
简介:针对航空兵对地攻击作战目标选择,提出了一种基于威胁评估的打击目标分配与优先排序方法。首先,根据任务的意图、目标的战略价值及目标对战机的直接威胁等多种因素在目标威胁评估中的重要性,利用灰色关联分析法对拟打击的地面目标进行威胁评估;然后,根据目标威胁程度与攻击机编队本身情况,采用分群算法对目标进行初始分配,并利用遗传算法、兼顾机群整体优势最大化及目标分配均匀度,得到目标与攻击机编队之间的全面分配方案;最后,结合目标分配方案,综合考虑上级指令、战场情况及目标的威胁程度,给出打击目标优先级排序建议。该方法在航空兵对地攻击作战中,对正确使用兵力和运用火力具有指导意义。