边界约束的核密度估计红外人体目标跟踪方法

基于核密度估计的均值漂移算法因其良好的实时性而被广泛地应用于目标跟踪,但传统的均值漂移算法极易因颜色等信息的缺乏而使跟踪不稳定,且目标尺度的变化也不利于目标位置的准确估计,为此,提出了一种具有边界约束的均值漂移红外人体目标跟踪新方法。该方法通过各向异性扩散,并联合红外图像的梯度与亮度信息来获取目标边界,自适应调整核窗宽,从而利用均值漂移策略进行红外人体目标跟踪。实验结果表明,该方法在红外人体目标尺度改变时仍能实现良好的跟踪。     

基于各向异性核函数的均值漂移跟踪算法

均值漂移算法是一种将迭代轨迹滑向局部邻域内均值的迭代算法,已应用于目标跟踪领域。传统的均值漂移算法通常采用各向同性核函数进行跟踪,但视频序列中的跟踪目标的结构随时间而变化,尤其当目标结构快速变化时,基于各向同性核函数的均值漂移跟踪算法常常会导致目标的丢失。该文采用各向异性核函数均值漂移算法实现目标跟踪,由于该核函数的形状、大小、方向能自适应于目标局部结构的变化,保证了跟踪效果的稳定性和鲁棒性。实验结果证明该算法是有效的。     

尺度自适应CBWH跟踪算法研究

传统Mean Shift跟踪算法存在固定核窗宽导致目标尺度定位和空间定位不准确的问题。本文在背景加权的均值漂移算法(corrected background-weighted histogram ,CBWH Mean Shift)精确的目标定位基础之上,在RGB颜色空间下使用目标背景加权模型生成目标显著特征的颜色概率图,对其进行阈值分割和图像处理后获取二值图像,以此计算不变矩来调整下一帧的跟踪窗口,并在满足一定条件时及时更新背景加权模型以适应复杂背景下的跟踪任务。实验结果表明,上述方法能够自适应地更新核函数的带宽,提高了算法跟踪尺度变化目标的准确性和鲁棒性。      

基于容积卡尔曼滤波的视频目标跟踪算法

视频目标跟踪是计算机视觉领域的研究热点,具有很强的应用前景。为了提高复杂动态场景下跟踪算法的准确性、实时性和鲁棒性,分析了容积卡尔曼滤波和均值漂移算法的优缺点,本文提出了基于容积卡尔曼滤波结合均值漂移的全自动融合跟踪算法。本算法首先利用基于ORB特征点匹配的改进帧差法对视频目标自动标注,获取目标的初始位置,然后采用融合跟踪算法估计目标的位置和更新搜索窗口,从而实现全自动目标跟踪。本文采用标准视觉目标跟踪数据集VTB进行实验,实验结果表明全自动跟踪算法可以提高跟踪精度,且满足实时性和鲁棒性。     

基于双权值颜色直方图的工作服检测与跟踪

为保障工人的安全,对工人是否穿着工作服进行检测与跟踪具有重要意义.针对均值漂移算法中颜色直方图对工作服特征描述不准确、固定核窗宽不能对尺寸逐渐增大的目标进行有效跟踪两方面问题,提出一种基于目标像素中心加权与背景颜色削弱权值的双权值颜色直方图建模法,建立颜色特征突出的工作服模型,并结合工作服两种显著颜色的质心距离变化,在跟踪中调节核窗宽的大小.实验结果表明,提出的方法能够快速准确地检测和跟踪工作服.     

基于多模板匹配的双模型自适应相关滤波跟踪算法

为有效提升目标跟踪的精确度和实时性,设计了基于多模板匹配的双模型自适应相关滤波跟踪算法。对多模板匹配模型与核相关滤波跟踪模型参数进行初始化处理：多模板匹配模型选取得分函数作为模板与候选样本间匹配准则,通过候选样本得分获取最佳目标,更新多模板后,通过形变多样相似性实现多模板匹配;核相关滤波跟踪模型利用所采集目标样本数据建立循环矩阵,通过训练核化岭回归分类器获取核相关滤波器,并获取响应置信图,再利用响应置信图获取下一帧图像目标位置。通过自适应融合策略获取两个模型所估计目标位置,再采用金字塔尺度估计策略估计目标尺度变化,通过不断更新各模型参数实现目标精准跟踪。实验结果表明,在目标受遮挡或旋转、光照变化等复杂环境下,该算法的中心跟踪误差均低于15 dpi,平均跟踪精确度均高于98%,且目标定位时间低于100 ms,说明该算法在跟踪精确度和实时性上具有明显的应用优势。     

基于自适应背景信息的目标跟踪算法

目标跟踪是计算机视觉应用的重要任务,兼顾算法性能和实时性是所有方法的共同目标。通过分析背景信息在目标跟踪的重要作用和影响,提出一种基于自适应背景信息概率密度函数的背景模板表示方法,改进传统核函数跟踪中的相似函数表达。实验表明,该算法在稍增加原有算法复杂度的情况下,抗背景干扰能力大大增强,并能准确跟踪快速运动目标和小目标。     

多特征自适应均值漂移算法的目标跟踪

针对传统均值漂移(mean-shift)算法存在 对目标 特征描述不完整、目标模型不能动态更新、无法解决目标遮挡 等问题, 本文提出多特征自适应均值漂 移算法的目标跟 踪。首先利用人体躯干侧影改进模型核函数,采用目标颜色特征与纹理特征建立目 标直方图模型,提高算法对目标描 述能力;提出选择性模型更新策略,自适应地调整目标模型,改善了传统整体更新策略由于 过度更新导致的跟踪发散;最后 利用扩展卡尔曼滤波 (EKF,extend Kalman filter) 提取目标运动特征确定目标位置。与传统算法相比,本文所提算法能在背景 干扰条件下准确跟踪目标;同时, 图像处理平均速度 达140frame/s ,满足实时性要求。实验结果表明,本文算法可以实时准确地 跟踪目标,对环境干扰、目标遮挡具有鲁棒性。     

一种基于多特征自适应融合的运动目标跟踪算法

针对复杂背景下的运动目标跟踪问题,提出了一种基于多特征自适应融合的运动目标跟踪算法。通过构建目标与背景的图像特征分布方差的比值函数来衡量目标与背景间的区分度,采用各特征的区分度对特征集进行线性加权自适应表示运动目标并集成在基于核的跟踪方法中。为了克服模板更新过程中的漂移,通过计算前后相邻两帧间目标模型的相似度函数,对跟踪模板进行自适应更新。基于生物视觉认知理论,目标的颜色、边缘特征以及纹理特征被用来实现基于多特征自适应融合的运动目标跟踪算法。仿真实验表明:采用本文算法能有效地对复杂背景下的运动目标进行跟踪。     

复杂环境下基于自适应粒子滤波器的目标跟踪

提出一种基于目标颜色特征的自适应粒子滤波算法,在非遮挡情况下,根据运动预测的准确程度自适应选择粒子数量和运动模型中高斯噪声的方差,保证跟踪的实时性和粒子的有效性;遮挡情况下改变目标的运动模型,使粒子只做布朗运动,并且各粒子经均值漂移算法的一步迭代进行优化,从而可以减少粒子数量以及更快恢复正确的跟踪.实验结果表明该算法具有较强的鲁棒性,能有效实现复杂场景下的目标跟踪.     

基于光学技术的船模运动跟踪

为准确获得水池中船舶模型的位置和运动姿态,实时对自由运动的船模进行追踪,文中提出了基于光学技术的船模运动跟踪方法,满足了船模运动跟踪的实时性要求。通过对船模进行特殊标记,并在算法中利用关于Battacharyya系数的高斯函数调节核的大小,在不影响实现Mean Shift算法快速性的同时增强了算法的鲁棒性。实验结果表明,在追踪过程中,该算法能够调节跟踪窗口大小,使目标始终出现在窗口中心位置,提高了算法跟踪的准确性。     

基于Mean Shift算法的嵌入式实时彩色目标跟踪

为满足Mean Shift算法的实时运行要求,提出了核函数量化以及相关计算权值整数化的方法,将复杂的浮点运算转化为整数运算,减小算法的运算量.设计了以高性能DSP芯片TMS320C6418结合大规模门阵列的嵌入式目标跟踪平台,并与一个具有两自由度伺服系统构成闭环跟踪网络.目标的脱靶量(目标偏离视场中心的距离)作为反馈信号控制伺服系统带动摄像机运动,使目标处于视场的中心附近.实验结果表明系统具有良好的稳定性.     

基于Mean Shift算法的运动平台下红外目标跟踪

运动平台下, 图像的运动包括目标、背景和平台的运动。复杂的运动关系，加上运动平台下成像质量差，增加了目标跟踪的难度。提出了一种有效的运动平台下前视红外(FLIR)成像目标跟踪算法。对于每一个被检测出的目标，计算灰度和局部标准差的分布，通过计算Mean Shift向量，最小化当前帧目标与模板的核密度分布，实现对目标的跟踪。采用自动更新模板的策略克服目标特征分布发生改变的问题，该策略同样取决于得到的模板与目标分布相似性度量。实验仿真证明，该算法能有效地、准确地跟踪红外成像序列中的运动目标，计算量小，可以满足实时性要求高的场合。     

基于Mean Shift的变尺度快速运动目标自适应跟踪算法

为了实现对变尺度快速运动目标的良好跟踪,在对传统Mean Shift跟踪算法改进的基础上,提出了一种运动目标自适应跟踪算法。该算法首先采用目标区域的像素点空域加权后的彩色图像作为初始帧目标模板,目标的真实位置利用Mean Shift算法迭代求得,从而实现对快速运动目标的空间定位,然后将相邻帧的目标采用尺度不变特征变换(SIFT)算子进行特征匹配,根据目标的缩放因子实时更新下一帧的核带宽,修正算法跟踪窗口的尺寸,以适应目标尺度的变化,从而实现对快速运动目标的尺度定位。最后,通过实验表明,与传统的Mean Shift跟踪算法相比,该算法的跟踪准确率达到97%以上,能够实现对变尺度快速运动目标的精确跟踪。     

带宽自适应均值偏移红外目标跟踪

提出一种多特征融合和带宽自适应均值偏移跟踪算法。基于M-估计器建立位置和带宽关于完整参数型带宽矩阵的迭代更新公式。分析权值图像的本质,基于灰度和局部标准差建立融合权值图像。通过先前目标模板模型和确定的目标模型的平均值生成当前目标模板模型。在位置向量的迭代公式中,采用扩大的带宽矩阵,确保定位精度。为防止由于背景杂波导致带宽膨胀或者由于目标自我相似导致带宽收缩,引入规范准则。跟踪的视觉结果和评估尺度表明,提出的跟踪算法相比于另外三种尺度自适应均值偏跟踪算法,具有最好的性能。     

基于颜色的运动目标快速识别与跟踪

在自主式移动机器人对运动目标进行跟踪时,视觉系统主要完成目标的识别与跟踪,提高目标识别与跟踪的实时性和准确性是保证机器人跟踪顺利进行的关键。针对此提出了一种基于颜色色度Hs的向量判定算法,并运用这种算法结合动态窗口和螺旋扫描等技术,有效地提高了目标识别与跟踪的实时性和准确性。     

基于梯度方向检测的自适应带宽meanshift目标跟踪算法

传统核窗宽固定的meanshift跟踪算法不能很好地对尺寸变化的目标进行有效的跟踪。在结合增量试探法和梯度方向检测的基础上,提出了一种适应带宽的meanshift目标跟踪算法。算法能够对逐渐放大和逐渐缩小的目标都能够进行有效的跟踪,解决了增量试探法难以很好地对放大目标进行自适应带宽跟踪的f＊l题,提高了自适应带宽跟踪的准确性。两段不同场景下的运动目标跟踪实验,证实了该算法的有效性。