Алгоритм слежения за объектами на морской поверхности по видеонаблюдениям с адаптивным выбором размера скользящего окна

от

Б.А. Скороход

Севастопольский государственный университет, РФ, г. Севастополь, ул. Университетская, 33

E-mail: boris.skorohod@mail.ru

DOI: 10.33075/2220-5861-2023-1-118-126

УДК 004.9:004.41                                                                                                                                      

Реферат: 

   В статье предлагается новый адаптивный алгоритм оценивания состояния и скорости морских объектов на морской поверхности по углам возвышения и азимута, полученных по результатам обработки видеоизображений.  Алгоритм основан на совместном использовании оптимального фильтра со скользящим окном и детектора появления неконтролируемых возмущений, позволяющего выбрать размер скользящего окна, опираясь на следующие соображения. Существует несколько общих требований к его выбору. Прежде всего, модель должна быть адекватна объекту на интервалах скользящих окон. Во-вторых, если размер окна слишком мал, то доступной информации недостаточно для получения приемлемой оценки точности, и он должен быть увеличен. И наоборот, если он слишком велик, то это может быть неприемлемым с точки зрения переходных характеристик фильтра. С учетом этого, большое значение выбирается при отсутствии возмущений, и небольшое в течение их действия. Принципиальная возможность обеспечить выполнение этих условий следует из утверждения, что ковариационная матрица ошибки оценивания оптимального фильтра с конечно импульсной характеристикой является монотонно неубывающей матричной функцией. Для иллюстрации подхода, мы используем хи-квадрат статистику, широко применяемую для решения различных задач в качестве детектора таких изменений. Это позволяет обеспечить теоретически точность оценок, близкую к ФК в их отсутствие. Численное моделирование показало, что предложенный алгоритм имеет лучшие переходные характеристики по сравнению с ФК и оптимальным фильтром с фиксированным размером скользящего окна на интервалах действия возмущений и может обеспечить близкую точность оценок, к ФК в их отсутствие.

Ключевые слова: фильтры со скользящим окном, углы азимута и возвышения, монокулярная видеокамера.

Для цитирования: Скороход Б.А. Алгоритм слежения за объектами на морской поверхности по видеонаблюдениям с адаптивным выбором размера скользящего окна // Системы контроля окружающей среды. 2023. Вып. 1 (51). C. 118-126. DOI: 10.33075/2220-5861-2023-1-118-126

Полный текст в формате PDF

СПИСОК ЛИТЕРАТУРЫ

  1. Skorohod B.A. Receding Horizon Unbiased FIR Filters and Their Application to Sea Target Tracking, Journal of Control Science and Engineering, Vol. 2018, Available: https://doi.org/10.1155/2018/1803623.
  2. Скороход Б.А., Стаценко А.В., Фатеев С.И. Алгоритмы видеонаблюдения и маневрирования автономных морских судов. Известия ТГУ, технические науки. 2018. Выпуск 3. С. 85–110.
  3. Bar-Shalom, Yaakov, Li, X Rong, Kirubarajan, Estimation with applications to tracking and navigation. Johh Wiley and Sons, New York. 2001.
  4. La Scala B.F., Mallick M., and Arulampalam S. Differential geometry measures of nonlinearity for filtering with nonlinear dynamic and linear measurement models. In SPIE Conference on Signal and DataProcessing of Small Targets, Vol. 6699, August 2007, 12 p.
  5. Shar P., and Li X.R. A practical approach to observability of bearings-only target tracking, SPIE Vol 3809, 1999, pp. 514–520.
  6. Ferdowsi M.H. Observability conditions for target states with bearing-only measurements in three-dimensional case. Proceedings of the 2006 IEEE International Conference on Control Applications Munich, Germany, October 4-6, 2006, pp. 1443–1449.
  7. Barbara La Scala Mark Morelande. An analysis of the single sensor bearings-only tracking problem 2008 11th International Conference on Information Fusion June 30, 2008, July 3, 2008, pp. 525–530.
  8. Aidala V.J., Kalman filter behavior in bearings-only tracking applications. IEEE Trans. Aerosp. Electron. Syst., Jan. 1979, Vol. 15, pp. 29–39.
  9. X. Lin X., Kirubarajan T., Bar-Shalom Y., Maskell S. Comparison of EKF, pseudo measurement, and particle filters for a bearing-only target tracking problem, Proc. SPIE 4728, Signal and Data Processing of Small Targets 2002, pp. 240–250.
  10. Jazwinski A.H. Stochastic Processes and Filtering Theory. New York: Academic, 1970.
  11. Kwon W.H., Kim P.S., Han S.H. A receding horizon unbiased FIR filter for discrete-time state space models”, Automatica 38 (3) (2002), pp. 545–551.
  12. Shmaliy, Y.S., Liu, F., Zhao, S. & Khan, S. (2016). Unbiased, optimal, and in-betweens: the trade-off in discrete finite impulse response filtering. IET Signal Processing, 10(4), pp. 325–334. doi: 10.1049/iet-spr.2015.0360.
  13. Skorohod B. Diffuse Initialization of Kalman Filter, Journal of Automation and Information Sciences, V. 43. 2011, pp. 20–34. Begell House Publishing Ins., USA.
  14. Skorohod B. Diffuse Algorithms for Neural and Neuro-Fuzzy Networks: With Applications in Control Engineering and Signal Processing. United Kingdom1: Elsevier, 2017.
  15. Skorohod B. Covariance Analysis of the Receding Horizon Optimal FIR Filter. International Russian Automation Conference (RusAutoCon), September 2021. DOI: 10.1109/RusAutoCon52004.2021.9537565.

Loading