2) 先跟踪后检测(TBD)算法
DBT算法更多使用在某一帧的图像上,但在干扰比较严重的复杂环境中得不到很好的效果。研究人员想出了一种能在信噪比不高的情况中能有更好性能的算法,先跟踪再去检测的算法。顾名思义,TBD算法先不检测目标的正确轨迹,而是先根据预处理图像得到的目标特征,对所有的可能的运动轨迹都跟踪,之后再通过检测从众多的轨迹中获得正确的目标轨迹,TBD的基本算法步骤如图1.2所示。
图 1.2 TBD的基本算法步骤
三文匹配滤波器是当前运用最多的TBD算法,是由Reed在1983年提出。这种算法为对应的运动轨迹设计一个三文滤波器,统计结果,选取其中信噪比最高的轨迹即为所需的真实运动轨迹,从而检测到目标。然而这种算法的计算量极大,并不适合在许多环境中使用。
Barinv在1985年将动态规划的分段优化思想应用到弱小目标的检测领域[13],并对检测性能有了一个全新的标准。他将目标检测问题分段为若干子问题,并对问题分级优化,综合每个分解得到的问题的解而得到目标轨迹。从结构上来说,这是一个可行的算法,但现实中并不能处理好 “团聚”效应,以至于在复杂环境下的目标检测并没有很好的性能。
Hough变换是一个典型的将三文运动轨迹转化为二文轨迹,对二文空间的轨迹进行检测吗,最后映射到三文空间得到目标的真实轨迹,简化了运算,映射的过程也不算复杂,但不可避免的是转换过程中信息的损失。所以依然在信噪比低时没有很好的检测效果。
基于序贯假设检验(Sequential Hypothesis Testing,SHT)算法由Blostein等人提出,以树的形式整合所有的轨迹,然后对树的每一层使用假设检验,删减改正。这种算法能检测多运动目标轨迹,但缺点是会有不低的漏检率,若要避免则需要加大计算量,若要有较好的性能则需要大量的计算。
除此以外,还有许多比如基于支持向量机(Support Vector Machine,SVM)、光流法(Optical Flow)或遗传算法(Genetic Algorithm),这些算法都各自适用于不同的特定情况下。
3) 两类算法的对比
DBT和TBD两种算法有着两种不一样的思路去检测目标,相对的有着不一样的优缺点。前者较为简单,但在复杂背景下没有比较好的性能,后者复杂,但在低信噪比的情况下能有更好的表现。而在实际的应用中,应根据特定的需求和背景,根据算法特点选取或结合得出最适合的算法,两种算法的性能大致对比如表1.1所示。
表1.1 DBT和TBD两种算法性能对比
DBT算法 TBD算法
优点 算法简单,硬件要求较低 抗干扰能力较强
缺点 抗干扰能力较差 算法复杂,硬件实现较难
适用范围 实时目标检测 低信噪比下目标检测
1.2.2 红外目标跟踪技术的发展状况
目前常见的目标跟踪可根据其结构可以分为两种类:自顶向下(Top-down)和自底向上(Bottom-up)的方法[8]。下面就对这两类算法做一个大致的介绍。
1) 自顶向下(Top-down)算法
算法的核心思想是将目标跟踪问题转换为在贝叶斯理论框架下,已知目标状态的先验概率,在获得新的量测后不断求解目标状态的最大后验概率的过程[1]。
经典的自顶向下算法有卡尔曼滤波、粒子滤波以及基于它们的综合算法。在线性高斯系统中,最好效果的是卡尔曼滤波,然而却不适用于非线性的模型。而粒子滤波则相反在非线性模型中有着更好的性能[8]。
- 上一篇:字符识别技术国内外研究现状
- 下一篇:基于触发机制的NCS的发展研究现状
-
-
-
-
-
-
-
电站锅炉暖风器设计任务书
当代大学生慈善意识研究+文献综述
大众媒体对公共政策制定的影响
乳业同业并购式全产业链...
java+mysql车辆管理系统的设计+源代码
十二层带中心支撑钢结构...
中考体育项目与体育教学合理结合的研究
杂拟谷盗体内共生菌沃尔...
酸性水汽提装置总汽提塔设计+CAD图纸
河岸冲刷和泥沙淤积的监测国内外研究现状