摘要：为了准确地跟踪交互行为动态目标,开展了基于混合现实的交互行为目标跟踪算法研究。首先,创建适合目标跟踪的混合现实环境,建立交互行为目标运动模型,得出目标的位置、运动轨迹及交互行为信息。其次,根据目标运动的特点和模型需求,提取交互行为目标特征,为目标跟踪提供基础数据。最后,设计目标跟踪算法,找出最佳匹配的特征点,通过在连续帧之间匹配目标特征来实现跟踪。实验表明:静态目标跟踪平均精度为±0.03 m,速度为35 Hz;动态目标跟踪平均精度为±0.08 m,速度为28 Hz;手势识别准确率达到95%;姿态估计误差仅为3°。

摘要：证明了在某一目标机动输入下为保持跟踪最优 ,标准卡尔曼滤波器的过程噪声协方差阵的调整公式 ,并利用观测新息在目标机动中发生正偏或负偏的信息 ,设计了一种自适应跟踪算法 .仿真说明该算法具有运算量小 。

摘要：为了解决未知环境下多机器人协作目标跟踪问题,设计了一种基于协方差交集数据融合的分布式解决算法.单台机器人运用全协方差扩展式卡尔曼滤波器完成未知环境下机器人状态和目标状态的同步估计,当单台机器人发现同伴并利用观测值对同伴机器人状态进行本地估计后,将结果连同目标状态一起发往同伴机器人,同伴机器人进行数据验证后,采用基于协方差交集的数据融合算法完成本地相关状态的更新,由于并不需要知道相关估计对象之间的协方差阵,因此算法具有分布式特点.仿真实验证明了算法能够有效提高机器人对于自身状态、环境特征状态以及目标状态的估计准确性.

摘要：提出一种基于网格模型的目标跟踪算法 该算法首先进行遮挡区域检测 ,然后进行网格结点的运动估计和网格更新过程完成目标的多帧跟踪 改进的遮挡区域检测算法有效地提高了检测准确度 ,从而确保遮挡区域的准确跟踪 ;网格结点的运动估计是通过特征窗口运动补偿匹配完成 ,可以有效地克服块效应 实验证明 ,该算法解决了二维运动估计时网格模型在遮挡区域存在的问题 。

摘要：雷达跟踪系统中的关键就是目标跟踪算法的设计。为了适应更加复杂的环境,相关技术人员需要在雷达目标跟踪中应用多种新的技术。文中主要介绍了雷达显控终端的目标跟踪流程,详细分析了目标捕获的计算方法,再从手动、自动两方面实现目标捕获,获取目标的方位距离位置信息,最后对目标跟踪算法进行选择,进而有效提高和跟踪的性能。

摘要：单目标跟踪任务旨在对人类动态视觉系统进行建模,让机器在复杂环境中具备类人的运动目标跟踪能力,并已广泛应用于无人驾驶、视频监控、机器人视觉等领域。研究者从算法设计的角度开展了大量工作,并在代表性数据集中表现出良好性能。然而,在面临如目标形变、快速运动、光照变化等挑战因素时,现有算法的跟踪效果和人类预期相比还存在着较大差距,揭示了当前的评测技术发展仍存在滞后性和局限性。综上,区别于以算法设计为核心的传统综述思路,本文依托单目标跟踪任务、从视觉智能评估技术出发,对评测流程中涉及的各个关键性环节(评测任务、评测环境、待测对象和评估机制)进行系统梳理。首先,对单目标跟踪任务的发展历程和挑战因素进行介绍,并详细对比了评估所需的评测环境(数据集、竞赛等)。其次,对单目标跟踪待测对象进行介绍,不仅包含以相关滤波和孪生神经网络为代表的跟踪算法,同时也涉及跨学科领域开展的人类视觉跟踪实验。最后,从“机机对抗”和“人机对抗”两个角度对单目标跟踪评估机制进行回顾,并对当前待测对象的目标跟踪能力进行分析和总结。在此基础上,对单目标跟踪智能评估的发展趋势进行总结和展望,进一步分析未来研究中存在的挑战因素,并探讨了下一步可能的研究方向。

摘要：对于一座现代化城市来说,合理的交通规划是一个城市高效运行的关键,作为交通规划的关键信息的城市车流量信息,原本需要人工进行识别、获取、验证的提取方式,随着计算机视觉技术的蓬勃发展弊端尽显,终将退出历史的舞台。为了提高城市车流量信息的准确性和及时性,利用现有的计算机技术设计一种基于YOLO模型的车流量实时采集系统。该系统基于YOLO视觉检测模型,采用DeepSORT算法对检测到的目标车辆进行跟踪识别、判断车辆的运行状态、实现当前路段的车流量统计、对已记录车流量信息进行可视化展示以及数据输出等。该系统可以有效地代替传统消耗人力的死板工作,实现自动化数据收集以及道路交通情况的快速监测。该系统操作简单,交互性强,为城市的交通管理和交通规划提供准确实时的信息数据。

摘要：研究针对电网带电区域施工人员行为监测存在的难点问题,设计了一种基于目标跟踪的人员行为辨识系统。该系统结合计算机视觉技术和传感器技术,采用双向特征金字塔网络(BiFPN)和优化损失函数的方式对YOLOv5s进行改进,并引入卡尔曼滤波模型实现对施工人员行为的目标跟踪。结果显示,在NEU Pole和Baidu FSG数据集中的辨识正确率为92%以上,当准确率为0.9时,对应的召回率分别为0.82和0.84。研究系统在两种场景分别正确识别标注13个和44个。对比以上数据可知,研究系统能对电网带电区域施工人员行为进行精确辨识和实时跟踪检测。

摘要：针对单一视觉跟踪算法易受遮挡影响的缺陷,提出一种基于音视频信息融合的目标检测与跟踪算法。整个算法框架包括视频检测与跟踪、声源定位、音视频信息融合跟踪3个模块。视频检测与跟踪模块采用YOLOv5m算法作为视觉检测的框架,使用无迹卡尔曼滤波和匈牙利算法实现多目标的跟踪与匹配;声源定位模块采用十字型麦克风阵列获取音频信息,结合各麦克风接收信号的时延计算声源方位;音视频信息融合跟踪模块构建音视频似然函数和音视频重要性采样函数,采用重要性粒子滤波作为音视频融合跟踪的算法,实现对目标的跟踪。在室内复杂环境下对算法性能进行测试,结果表明该算法跟踪准确率达到90.68%,相较于单一模态算法具有更好的性能。

摘要：视觉伺服是一种利用从视觉传感器中提取的反馈信息来控制机器人运动的技术,云台视觉伺服控制就是将视觉传感器获得的信息反馈给控制器,实现对云台的闭环控制,使目标始终出现在相机的中心位置。首先利用核相关滤波跟踪算法(KCF算法)得到待追踪目标在像平面中的像素坐标,基于图像雅可比矩阵及云台速度雅可比矩阵,建立像平面中特征点像素移动速度与二维云台各关节回转速度之间的数学模型,根据数学模型采用模型预测控制方法构建控制器,计算得到二维云台各个关节的最优控制速度,便于系统对目标进行最佳的跟踪,保持待追踪目标始终处于像平面的中心位置。最后在搭建的实验平台上进行运动目标跟踪实验,实验结果表明,所设计的系统具有较好的目标跟踪效果,验证了跟踪算法的可靠性。