机载光电跟踪系统连续帧图像快速识别定位

针对机载光电跟踪系统连续帧图像快速识别、准确定位的要求,本文在深入分析连续图像序列特性和机载光电跟踪系统特点的基础上,结合精密转台的运动变化信息,提出了基于转角信息的连续帧图像处理算法.该方法根据精密转台的转角变化信息,采用连续的图像序列进行多帧间差值运算以获得目标残差图,残差图之间相乘.除去大部分随机噪声点,结合中值滤波和自适应渡门跟踪算法,大大的减小了运算量,实现了运动目标的快速跟踪定位.通过对目标实测图像序列的试验,结果表明,该算法具有快速、稳定等优点,能满足机载光电跟踪系统实时图像跟踪的要求.     

适用于快速扩展目标的跟踪算法

提出了一种算法──偏移质心算法,阐述了偏移质心算法的原理及实现过程。该算法适用于对高速运动扩展目标的跟踪,已成功地用于ＯＦＤ－６３０电视跟踪器,并通过了连云港动态打靶试验。由于这种算法快速简捷、方便易行,且能实时稳定的对目标进行跟踪,在图象跟踪系统中不失为一种简单实用的跟踪算法。     

智能目标检测与跟踪系统的设计与实现

为了实现复杂背景下对任意目标的智能检测与稳定跟踪,设计了基于双DSP结构的集视频处理、云台运动控制于一体的实时电视跟踪系统.系统采用模块化硬件结构,并提供直接用户接口可使系统脱离上位机独立工作.同时改进了目标识别算法,提出一种基于区域分割的相关模板提取方法.利用自适应空域滤波器分割出目标区域,再用二次投影法快速提取目标,并以模板评价函数为准则实时更新模板.具有模板自适应性强,目标判断准确,跟踪鲁棒性好等优点.外场实验表明,在目标变化和有物体遮挡干扰的情况下,系统能准确提取任意指定目标,并保持连续稳定的跟踪.     

采用TMS320C6203的实时图像处理系统设计

针对高帧频、大视场图像中的实时目标检测、识别和跟踪,设计了一种以TMS320C6203为核心运算处理器,FPGA为辅助控制处理器的实时图像处理系统。在对弱小目标检测识别算法的实验分析基础上,开发了实时图像处理软件,使得该系统对弱小多目标的检测、识别和跟踪的能力达到了实际工程的实时性需求。     

保持稀疏重构的半监督字典学习在扶梯场景下的应用

基于目标检测、场景识别的行人安全检测手段已经成为扶梯安全监测领域的新思路,经过优化的图像识别算法可以在高速GPU平台上对视频进行实时分析。针对复杂的扶梯场景,通过增量张量子空间的背景模型分割前景获得目标的运动区域后,需要快速、准确地判断该运动区域是否为人体。该文研究了基于保持稀疏重构的思想,迫使跟踪结果中确实是目标本身的数据共享少量字典模板,排除目标运动区域像素被噪声污染或被其他物体遮挡的可能性,进而采用半监督字典学习的方法,剔除跟踪结果中的非目标样本,同时也为下一步鲁棒的人体跟踪提供了可靠的模板。     

实时图像识别系统

基于图像目标识别的智能性及实时性要求，设计出了一种实时图像识别系统。图像目标识别算法由知识型图像分割、基于子波变换的旋转不变性参数提取和神经网络分类器三部分组成：硬件系统由主控计算机；Ｉｎｔｅｌ８０８６０芯片、图像输入输出与预处理模块三部分硬件系统的性能指标超过ＴＲＷ公司的ＭａｒｋⅢ，接近ＭａｒｋⅢ，接ＭａｒｋⅣ。采用此系统实现了对非均匀光照或复杂背景下目标的实时识别。     

一种高速目标检测算法研究及实现

为了实时有效的实现雷达跟踪高速运动目标检测,研究了小波检测器的算法和硬件实现。小波检测器的快速算法并对其作了优化设计构成检测系统的软件基础,采用ADSP21160DSP芯片开发出恒虚警检测并行处理系统。仿真结果和检测性能分析表明,该系统能有效检测低信噪比下高速运动目标,并且有很好的实时性。     

FPGA双线性插值图像变换系统的设计与实现

运动目标模拟作为一种系统仿真技术是研究图像的检测、跟踪以及图像导引装备的基础技术.该设计通过FPGA对输入图像的实时运算实现对图像的缩放、平移、旋转等变换,并在VGA监视器上显示,为图像识别、跟踪提供背景模拟.在FPGA中实现实时算法使得系统不再依赖DSP进行信号处理,大大降低了成本并缩减了系统体积.     

基于MATLAB的目标跟踪实时仿真库的设计与实现

利用 MATLAB/SIMUNKK 的代码产生原理,针对以 c6201 DSP 为核心的图像处理平台,开发目标跟踪实时仿真库,建立了目标跟踪实时仿真系统。在此环境下可将算法模型快速生成 DSP可执行程序,并可直接运行。此环境为算法研究者建立了算法到 DSP 程序开发的桥梁,使算法快速得到实时验证,大大节省 DSP 程序移植的时间。     

人眼微动机制实时红外图像边缘提取

图像边缘特征提取是视频跟踪和目标提取的关键步骤,其性能和处理时间直接影响了后续图像处理的性能及视觉系统的整体响应时间.本文研究了一种基于人眼固视微动的实时图像边缘提取算法,针对算法具有边缘识别能力强,但运算量大的特点.通过采用并行处理结构及流水线技术在FPGA内实现了该算法,试验结果说明该算法在FPGA内实现具有与视频流同步的实时性,并且边缘提取的效果很好.在图像目标实时跟踪系统中应用,极大提高了目标的跟踪精度和稳定性.     

一种实时跟踪的算法

目标跟踪算法适用于噪音和多目标背景情况下的实时视频跟踪器。这个算法包括快速和可靠的图像分解,初始目标捕获,多目标跟踪器和结构识别。此算法可通过快速的并行处理技术实现。     

舰船红外成象目标实时识别跟踪算法研究

对前视海面舰船红外成象目标的实时识别与跟踪技术进行了研究，提出了一种新的海面舰船红外成象目标的识别跟踪算法。重点论述了其中的跟踪算法；同时基于本文算法及实际系统使用性能的要求，设计了一种适合本文算法的舰船红外成象识别跟踪系统，给出了硬件原理框图，对系统的实时性进行了分析。     

结合颜色和结构信息的粒子滤波跟踪算法

单纯依靠颜色信息往往使得目标跟踪不稳定.为了在复杂背景和光照变化等干扰情况下,能够准确地跟踪到感兴趣的目标,本文提出了将颜色和结构信息相结合的方法.该方法在基于颜色直方图的粒子滤波跟踪框架中,利用目标的灰度图像建立结构模型,通过结构相似性质量因子衡量目标在两帧图像之间的相似性.实验表明,该算法在使用相同粒子数目的情况下较传统的基于颜色直方图的粒子滤波跟踪算法鲁棒性更高,可以用于特定场合可疑目标的跟踪.     

基于ARM的嵌入式停车场数字图像监控系统

本文设计了基于ARM9 S3C2410的嵌入式图像采集处理系统，在内嵌工Linux操作系统的基础上实现了并行数据总线／USB接口图像接入、图像快速处理、IP化数据传输。根据停车场监控管理的需要，设计了一种基于连续图像帧差法的目标识别快速算法，完成了可疑目标的实时自动识别与跟踪、异常事件识别功能，并实现重要图像信息的本地压缩存储与IP化传输。     

一种新的基于区域的高速公路多车辆跟踪方案

提出一种新的基于区域的高速公路多车辆跟踪方案,包括背景建模、目标识别、目标跟踪等过程。针对高速公路监控图像质量差和干扰信号强的特点,在常规的颜色混合高斯背景模型的基础上,提出一种新的基于扰动区域的高斯背景模型来消除强噪声和背景小幅度运动的影响,并在时间序列上通过Kalman滤波迭代加权算法实现背景模型的自适应性更新。该背景模型明显提高了背景分割的准确性和自适应性。提出了一种改进的非递归区域生长算法用以有效地实现多目标的识别,算法复杂度仅为O(n)。采用目标特征匹配和区域运动预测规则对多车辆进行实时跟踪和识别。实现了一个高速公路实时监控原型系统,运行结果表明,该跟踪方法不仅能准确跟踪和识别多目标,而且对道路环境和车辆运动方向具有很好的适应性和鲁棒性。     

基于STUKF的非线性结构系统时变参数识别

针对非线性结构系统时变参数识别问题,传统无迹卡尔曼滤波(Unscented Kalman Filter,UKF)难以有效跟踪结构参数的变化。将强跟踪滤波原理引入无迹卡尔曼滤波,提出一种强跟踪无迹卡尔曼滤波(Strong Tracking Unscented Kalman Filter,STUKF)算法,以识别结构参数的变化。在UKF量测更新后,依据输出残差计算渐消因子矩阵;引入两个渐消因子矩阵实时调整状态预测协方差矩阵,使残差序列强行正交,快速修正结构参数估计值,使STUKF具有对结构参数变化的跟踪能力;此外,为节省计算时间,调整状态预测协方差矩阵后不再进行sigma点采样,保证了算法的高效性。数值分析结果表明,该算法能有效识别非线性结构系统的参数及其变化,并具有较强的抗噪性。     

基于混合相关滤波信息融合再检测的目标跟踪算法

为了减小在目标跟踪过程中目标形变和复杂背景变化对跟踪效果的影响,提出一种基于混合相关滤波信息融合再检测的目标跟踪算法。首先,利用相关滤波算法提取到目标的方向梯度直方图HoG特征,利用颜色模板得到目标的颜色特征,计算两个模板的采样得分;其次,再将两者的特征信息用线性组合的形式进行特征信息融合确定目标位置,跟踪过程中,根据设定的阈值条件选择两个模板采样较大的得分再检测目标的位置;最后,输出所有帧目标位置的结果。与其他的算法进行比较,该算法在应对目标形变和背景杂波方面有较好的跟踪效果。     

复杂背景及遮挡条件下的运动目标跟踪

CamShift算法应用于复杂背景及遮挡条件下视频跟踪时,极易出现跟踪失效和目标丢失。本文提出基于颜色、纹理及目标运动信息的综合特征用于改进CamShift算法,结合Kalman滤波器对目标运动状态进行预测提高了复杂背景下运动目标的跟踪稳定性和跟踪精度。在目标发生遮挡时,通过目标遮挡前的先验信息进行最小二乘拟合及目标运动轨迹外推,预测目标运动位置信息,有利于遮挡结束时对运动目标的重新捕获。多组实验结果及性能分析表明,该算法在复杂背景及目标被短时遮挡情况下,可以实现目标的持续、稳定跟踪,并具有较好的实时性。     

光电成像跟踪系统的实时数据融合技术研究

光电成像跟踪系统需要保证不同目标的自适应识别,同时严格按照时间序列执行的图像处理又是一个强实时性过程。实时融合跟踪技术提出并行执行多个算法组以适应不同类型目标的识别,并通过像素级、特征级和决策级的同时融合处理保证了系统跟踪的稳定性,最后在嵌入式并行处理硬件平台上有效解决了对运动目标的自适应跟踪。文中详细阐述了实时融合跟踪技术的技术思想和技术路线,在剖析其并行结构的基础上完成了光电成像跟踪系统的嵌入式硬件并行平台的设计和实现,取得了显著的工程应用成果。     

集成轮廓跟踪

本文将跟踪看作是二分类问题,提出了一种基于Adaboost集成学习和快速水平集的轮廓跟踪算法.该方法首先在线地训练一个弱分类器的集合用以区分目标和背景,而通过Adaboost将集合中的各弱分类器组合成一个强分类器,并用于标定下一帧中的各像素的类别属性,从而确定快速水平集算法的速度函数,然后采用基于动态邻近区域快速水平集来演化目标边界曲线以实现目标的轮廓跟踪.为适应目标和背景的变化,在跟踪过程中在线训练新的弱分类器,而时间相关性则通过更新包含新弱分类器的集合来实现.实验结果表明,在摄像机运动、光照变化,部分遮挡或目标尺度变化等情况下,能实现刚体或非刚体目标的轮廓跟踪.