基于边检测边跟踪的视觉导航下目标跟踪算法研究

本项目针对先检测后跟踪和先跟踪后检测算法在视觉导航下目标跟踪性能不高的问题，提出基于边检测边跟踪的目标跟踪算法。本项目在分析现有跟踪算法的基础上，提出具有人类视觉运动感知模式的边检测边跟踪算法，揭示视觉导航下目标跟踪机制。研究内容主要包括：提出基于主成分分析法和加权Adaboost的多特征融合的目标模型，解决视觉导航下单特征难以准确表示目标的问题；提出基于多核Mean Shift和EKF的目标实时检测算法，解决视觉导航下目标的随机出现和随机消失的难检测问题；提出基于Camshift优化的加权粒子滤波目标鲁棒跟踪算法，采用交叉耦合控制模式，构造边检测边跟踪算法。本项目的成果将会提高视觉导航下目标跟踪的精确度、实时性和鲁棒性，研究成果可用在视觉导航机器人、无人驾驶技术和精确制导武器等实际系统中，具有重要的理论意义和广阔的应用前景。

本项目展开了对基于边检测边跟踪的视觉导航下目标跟踪算法研究. 首先,揭示视觉导航下目标跟踪机制,分析出视觉导航具有动态背景和运动监控点的特点, 提出一种改进的SIFT算法,针对主成分法得到的关键点实现图像快速匹配;提出一种基于surf和聚类的目标检测算法实现了视觉导航中目标旋转变化下的目标检测; 提出了一种基于分段正交匹配跟踪的稀疏自适应重构算法，将稀疏自适应的思想引入了分段正交匹配跟踪算法，实现对疏度估计和目标重构,实现遮挡跟踪问题; 提出一种特征点运动向量和粒子滤波相结合的跟踪算法,实现了对于移动背景下的运动目标检测与跟踪具有较好的实用性，并且在目标发生很大的旋转和尺度变化较大情况下能准确的检测与跟踪; 提出了一种边检测边跟踪算法, 利用图像匹配和帧间耦合的目标检测算法;提出了一种基于稀疏表示的目标跟踪方法，通过结构化稀疏学习的方法来建立遮挡模型，该方法通过利用遮挡的先验信息使遮挡既稀疏又空间连续,实现目标跟踪。该理论成功应用到雷达系统中的跟踪误差分析、多目标跟踪、精确制导武器以及风洞试验中的压敏材料测压法的图像校正中。科技论文共12篇：发表论文6论文，正在审稿论文4篇；申请专利4项，其中1项授权，并成功转让，正在产业化。培养博士后1名，博士2名，6名硕士生，2名博士生导师，2名省学科带头后备人。