多目标跟踪数据关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本上照搬多传感器数据融合的理论,仅利用目标的状态信息。文中利用了目标的多特征信息(载频、脉宽、脉冲重复间隔等),应用灰关联理论,提出了一种基于灰关联的分布式无源多目标跟踪系统的航迹关联算法。由于利用了目标多特征信息,算法具有关联速度快、正确率高、而且能够适应密集目标环境的优点。仿真实验证明该算法的航迹关联效果

第3 2卷

第 1期

现代雷达M o e n Ra a dr d r

V0 . 2 No 1 13 .

21 0 0年 1月

Jn O 0 a .2 l

信号/数据处理

中分号： 9文标码：图类 T5 N3献识 A

文编 14 7 920O—o一4章号：o—8 ( 1 10 8 o o 5 0) 4

基于灰关联无源多目标跟踪系统航迹关联算法颜坤玉，王杰贵(解放军电子工程学院，合肥 203 ) 307摘要：目前分布式无源多 E标跟踪系统的航迹关联算法基本上照搬多传感器数据融合的理论， t仅利用目标的状态信息。文中利用了目标的多特征信息(载频、脉宽、脉冲重复间隔等 )应用灰关联理论，出了一种基于灰关联的分布式无源多，提

目标跟踪系统的航迹关联算法。由于利用了目标多特征信息，算法具有关联速度快、正确率高、而且能

第３２卷第６期

２０１１年６月

通信学报

Ｊｏｕｍａｌ

ｏｎ

、，０１．３２Ｎｏ．６

ＣｏｍｍｕｎｉｃａｔｉｏｎｓＪｕｎｅ２０１ｌ

基于蚁群一遗传算法的改进多目标数据关联方法

袁东辉１，２刘大有１，２申世群１＇２

（Ｉ．吉林大学知识工程与符号计算教育部重点实验室，吉林长春１３００１２；２．吉林大学计算机科学与技术学院，吉林长春１３００１２）

摘要：将蚁群算法与遗传算法相结合，提出一种快速实现多目标数据关联的ＡＣ．ＧＡＤＡ（ａｎｔ

ｃｏｌｏｎｙ，ｇｅｎｅｔｉｃａｌｇｏ－

ｒｉｔｈｍｄａｔａａｓｓｏｃｉａｔｉｏｎ）算法，该算法利用种群个体携带信息素，并改进了全局信息素扩散模型，同时为了提高算法

的收敛速度并且避免局部极值的出现，引入了交叉变异策略和种群适应度模型，通过大量的实验数据证明，该算法在获得较高关联准确率的同时可以有效地提高关联速度。关键词：数据关联；多目标；蚁群算法；遗传算法中图分类号：ＴＰ３９１

文献标识码：Ａ

文章编号：１０００－４３６Ｘ（２０１１）０６，００１７．０７

ＩｍｐｒｏｖｅｄＡＣ－ＧＡｂａｓｅｄｄａｔａａｓｓｏｃｉａｔｉｏｎ

ｍｅｔｈｏｄｆｏｒｍｕｌｔｉ－ｔａｒｇｅｔｔｒａｃｋｉｎｇ

ＹＵＡＮＤｏｎｇ．ｈｕｉｌＰ，ＬＩＵＤａ－ｙｏｕｌ．＿，ＳＨＥＮＳｈｉ—

第３２卷第６期

２０１１年６月

通信学报

Ｊｏｕｍａｌ

ｏｎ

、，０１．３２Ｎｏ．６

ＣｏｍｍｕｎｉｃａｔｉｏｎｓＪｕｎｅ２０１ｌ

基于蚁群一遗传算法的改进多目标数据关联方法

袁东辉１，２刘大有１，２申世群１＇２

（Ｉ．吉林大学知识工程与符号计算教育部重点实验室，吉林长春１３００１２；２．吉林大学计算机科学与技术学院，吉林长春１３００１２）

摘要：将蚁群算法与遗传算法相结合，提出一种快速实现多目标数据关联的ＡＣ．ＧＡＤＡ（ａｎｔ

ｃｏｌｏｎｙ，ｇｅｎｅｔｉｃａｌｇｏ－

ｒｉｔｈｍｄａｔａａｓｓｏｃｉａｔｉｏｎ）算法，该算法利用种群个体携带信息素，并改进了全局信息素扩散模型，同时为了提高算法

的收敛速度并且避免局部极值的出现，引入了交叉变异策略和种群适应度模型，通过大量的实验数据证明，该算法在获得较高关联准确率的同时可以有效地提高关联速度。关键词：数据关联；多目标；蚁群算法；遗传算法中图分类号：ＴＰ３９１

文献标识码：Ａ

文章编号：１０００－４３６Ｘ（２０１１）０６，００１７．０７

ＩｍｐｒｏｖｅｄＡＣ－ＧＡｂａｓｅｄｄａｔａａｓｓｏｃｉａｔｉｏｎ

ｍｅｔｈｏｄｆｏｒｍｕｌｔｉ－ｔａｒｇｅｔｔｒａｃｋｉｎｇ

ＹＵＡＮＤｏｎｇ．ｈｕｉｌＰ，ＬＩＵＤａ－ｙｏｕｌ．＿，ＳＨＥＮＳｈｉ—

南京理工大学

硕士学位论文

雷达目标跟踪算法研究

姓名?王莹

申请学位级别?硕士专业?通信与信息系统指导教师?王建新

20080605

硕士论文雷达目标跟踪算法研究

摘要

在众多领域?比如军事上的战场监视、防空系统?民用上的交通管制、机器智能、医疗器械?目标跟踪都是一个基本的或重要的问题。雷达跟踪系统中的关键就是目标跟踪算法的设计。随着应用的推广?各种新的技术被应用到雷达目标跟踪中来以适应更加复杂的环境。而目标跟踪中的一个核心部分就是滤波算法?本文重点研究了现阶段应用比较广泛的几种滤波算法?并讨论了这些跟踪算法目前所存在的问题。

本文首先概述了目标跟踪模型的建立?给出了几种常见的机动目标运动模型和量测模型坐标系的选择?在此基础上介绍了???滤波和?【??吖滤波?改进型仅??滤波?重点分析了??????滤波?包括扩展??????滤波?跟踪技术?通过建立相应的模型仿真了解到?标准??????滤波对于匀速直线运动跟踪效果较好?而基于???的跟踪方法对于线性或者弱机动性的目标有很精确的跟踪性能?但是?对于多维状态的跟踪系统????中的雅克比矩阵计算会很复杂也很困难。其次?本文还详细介绍了基于??????滤波的交互多模型?????????????????????????

就多目标优化算法NSGA_II的改进

多目标优化算法!"#$%&&的改进

刘旭红

刘玉树

张国英

阎光伟

（北京理工大学计算机科学与工程系，北京%"""J%）

摘

要

该文提出了./01233算法的一种改进算法—3./01。在引入算术交叉算子的同时，提出并引入累积排序适应度

赋值策略。实验表明，3./01具有更高的收敛速度和更好的种群多样性。关键词

多目标进化算法

&’()*+前端./01233算法

文献标识码1

中图分类号K&<"%

（!""#）文章编号%""!2J<<%2%#2""G<2"<

&’()*+,’,-.*/012.3%*45,6.3+,7(.3’389.3*-$2:*)3.;’!"#$%&&

<31=1;*-:<31>1?;1@;9-:#1*A3-:>9-#19-:B,3

（L)E*$+MB+6E@*)(/97)49)’45N4874))(748，>)7O74834C*7*@*)+MK)9;4+:+8A，>)7O748%"""

目标跟踪算法的研究设计

西北工业大学明德学院本科毕业设计论文

目录

摘要 (1)

ABSTRACT (2)

第一章绪论 (4)

1.1课题研究背景和意义 (4)

1.2国内外研究现状 (5)

1.3本文的具体结构安排 (7)

第二章运动目标检测 (8)

2.1检测算法及概述 (8)

2.1.1连续帧间差分法 (9)

2.1.2背景去除法 (11)

2.1.3光流法 (13)

第三章运动目标跟踪方法 (16)

3.1引言 (16)

3.2运动目标跟踪方法 (16)

3.2.1基于特征匹配的跟踪方法 (16)

3.2.2基于区域匹配的跟踪方法 (17)

3.2.3基于模型匹配的跟踪方法 (18)

3.3运动目标搜索算法 (18)

3.3.1绝对平衡搜索法 (18)

3.4绝对平衡搜索法实验结果 (19)

3.4.1归一化互相关搜索法 (21)

3.5归一化互相关搜索法实验结果及分析 (22)

第四章模板更新与轨迹预测 (26)

4.1模板更新简述及策略 (26)

4.2轨迹预测 (28)

4.2.1线性预测 (29)

4.2.2平方预测器 (30)

1

西北工业大学本科毕业设计论文

4.3实验结果及分析： (31)

致谢 (36)

参考文献 (37)

毕业设计小结 (38)

41

西北工业大学明德学院本科毕业设计论文

第２５卷第３期?２２６?

电子测量与仪器学报

ＪｏＵＲＮＡＬｏＦＥＬＥＣＴＲｏＮｌＣＭＥＡＳＵＲＥＭＥＮＴ丸ＮＤｌＮ趼ＲＵＭＥＮＴ

场ｔ２５Ｎｏ．３

２０ｔ１年３月

ＤＯＩ：１０．３７２４／ＳＰ．Ｊ．１１８７．２０１１．００２２６

基于ＮＳＧＡ一Ⅱ算法的ＳｏＣ测试多目标优化研究木

谈恩民王鹏

（桂林电子科技大学电子工程与自动化学院，桂林５４１００４）

摘要：在系统芯片ＳｏＣ测试中，测试时间与测试功耗是两个互相影响的因素。多目标进化算法能够处理相互制约的多目标同时优化问题。在无约束条件下，对ＳｏＣ测试时间与测试功耗建立联合优化模型，并采用多目标进化算法中的改进型非劣分类遗传算法（Ｎｏｎ．ｄｏｍｉｎａｔｅｄｓｏｒｔｉｎｇｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍＩＩ，ＮＳＧＡ一Ⅱ）埘模型进行求解。通过应用ＩＴＣ’０２标准电路中的ｐ９３７９１做应用验证，结果表明该方法能够给出模型的均衡解，证明了模型的实用性和有效性。

关键词：ＮＳＧＡ．ＩＩ算法：ＳｏＣ测试；测试时间：测试功耗

中图分类号：ＴＮ４０７文献标识码：Ａ国家标准学科分类代码：５２０．１０４０

ＯｐｔｉｍｉｚａｔｉｏｎｏｆＳｏＣｔｅｓｔｍｕｌｔｉｐｌｅｏｂｊｅｅｔｓｂａｓｅｄｏｎＮＳＧＡ－ＩＩａｌｇｏｒｉｔｈｍ

ＴａｎＥｎｍｉ

博 士 学 位 论 文 第五章 基于粒子滤波与联合概率数据联想的多视觉目标跟踪

在复杂场景中，多视觉目标交互是常见的，多目标跟踪是分析场景中多视觉目标交互信息的有效方法。多目标跟踪一直都是视觉跟踪研究的热点和难点。多目标跟踪的关键是排除虚假目标干扰和有效区分各跟踪目标——数据联想。数据联想的实质就是把从视频信号中获取的受噪声干扰的多视觉观测与目标状态假设相关联。解决数据联想的方法很多，比如最近邻滤波器[47]、多假设滤波方法[64,139]、概率数据联想滤波（PDAF）和联合概率数据联想滤波（JPDAF)[27,47,65,67,115,140-142]等。由粒子滤波原理（见2.3节）和贝叶斯意义下视觉跟踪定义（见定义3.2）可知，粒子滤波本身可以直接用来实现多目标的跟踪，但其效率比较低，只实用于目标数目较少的场景。在非高斯、非线性情况下为了稳健的、有效的跟踪多目标，一些学者提出了将粒子滤波与联合概率数据联想结合，从而实现有效的多目标跟踪[27,67,140-142]。在视觉跟踪研究领域，粒子滤波已开始应用于多视觉目标跟踪[66,143-145]。而且，Rasmussen等提出将概率数据联想方法应用于复杂视觉目标跟踪问题[115]。在此，主要

基于opencv中光流法的运动

行人目标跟踪与检测

一、课题研究背景及方法

行人检测具有极其广泛的应用：智能辅助驾驶，智能监控，行人分析以及智能机器人等领域。从2005年以来行人检测进入了一个快速的发展阶段，但是也存在很多问题还有待解决，个人觉得主要还是在性能和速度方面还不能达到一个权衡。

早期以静态图像处理中的分割、边缘提取、运动检测等方法为主。例如

（1）以Gavrila为代表的全局模板方法：基于轮廓的分层匹配算法，构造了将近2500个轮廓模板对行人进行匹配, 从而识别出行人。为了解决模板数量众多而引起的速度下降问题，采用了由粗到细的分层搜索策略以加快搜索速度。另外，匹配的时候通过计算模板与待检测窗口的距离变换来度量两者之间的相似性。

（2）以Broggi为代表的局部模板方法：利用不同大小的二值图像模板来对人头和肩部进行建模，通过将输入图像的边缘图像与该二值模板进行比较从而识别行人，该方法被用到意大利Parma大学开发的ARGO智能车中。

（3）以Lipton为代表的光流检测方法：计算运动区域内的残余光流；

（4）以Heisele为代表的运动检测方法：提取行人腿部运动特征；

（5）以Wohler为代表的神经网络方法：构建一个自适应时间延迟

基于关联规则的数据挖掘算法研究

北京工业大学硕士学位论文

基于关联规则的数据挖掘算法研究

姓名：安颖申请学位级别：硕士专业：计算机应用技术指导教师：毛国君

20090201

基于关联规则的数据挖掘算法研究

摘要

摘要

数据挖掘是当今人工智能和数据库研究方面最富活力的领域。关联规则是数据挖掘的一个主要研究内容。关联规则描述了给定数据项集之间的有趣联系。目前，已经提出了许多挖掘关联规则的算法，其中最著名的是Ａｐｒｉｏｒｉ算法及其变形。针对Ａｐｆｉｏｆｉ算法中频繁项集产生效率低和产生无用规则、丢失有用规则两个核心问题，本文提出了两种改进的Ａｐｆｉｏｆｉ算法，它们能有效提高频繁集的产生效率和产生更为合理的关联规则。本文主要工作包括以下几个方面。

１、本文首先概述了数据挖掘理论和发展，以及主要的数据挖掘技术；然后研究了关联规则挖掘的步骤。对经典的Ａｐｒｉｏｒｉ算法做了全面的分析并指出算法的不足。

２、

针对Ａｐｒｉｏｒｉ算法的不足，提出了一种基于事务标号集的Ａｐｒｉｏｒｉ改进

ｏｎ

算法——ＢＴＡ（Ｂａｓｅｄ

ＴＩＤｓｅｔｓ

Ａｐｒｉｏｒｉ）算法。ＢＴＡ算法的特点在于：在首次扫描

数据库生成候选卜项集的同时，记住包含每一个项集的事务标识符ＴＩＤ集合。这样，只要统计候选项集所对应的ＴＩ