模板匹配算法对运动目标自动锁定跟踪的研究

模板匹配技术是运动目标跟踪中常用的方法.在基于差值测度的模板匹配算法中,满足匹配准则的最佳匹配点与真实位置偏差较大,这在运动目标跟踪中,由于偏差的不断累加会造成跟踪不稳定,甚至目标的丢失.针对这一问题,提出了结合目标模板内像素灰度值的空间分布情况,不断地对模板进行修正的算法,使得跟踪的实时性和稳定性得以提高.仿真实验结果证明了该算法的有效性.     

复杂背景下抗遮挡的运动目标跟踪算法

通过对各种跟踪算法的研究,提出了一种适应性较好的目标运动预测与多模板匹配相结合的相关跟踪算法,并给出了模板匹配相关算法中的判断准则、模板更新准则和目标被遮挡判断。实验证明,该方法能够在复杂背景条件下运动目标发生遮挡时进行稳定跟踪。     

基于三步搜索法的特征相关目标跟踪算法

针对相关匹配跟踪算法,提出一种新的基于三步搜索法的特征相关跟踪算法。该算法利用Moravec算子提取目标灰度特征,并根据特征点选取相应的子模板,然后利用三步搜索法进行多子模板的相关匹配。该方法可以在大幅度缩短相关匹配的搜索过程的基础之上适应运动目标的旋转、缩放等情况。实验证明该算法实际应用的可行性。     

一种基于卡尔曼滤波器的模板更新方法

在运动目标跟踪过程中,基于相似性度量的模板匹配法是常用的一种相关跟踪算法.但是,单纯利用模板与图像的匹配准则难以应对跟踪过程中常见的目标姿态变化问题,很难获得比较好的跟踪效果.针对上述问题,利用卡尔曼滤波器对模板像素进行逐像素更新,每个像素依据自身的性质进行修正的幅度都不一样,从而得到自适应和最优的模板图像,最终达到在序列图像中准确匹配的目标.实验证明,该方法在产定程度上解决了跟踪过程中目标的形态变化问题.     

基于光流方程和目标匹配的视频图像目标跟踪方法

提出一种利用图像差分、局部光流法和目标匹配,实现视频对象目标提取和跟踪的方法.首先,对预处理后的图像进行差分;在差分的基础上,运用局部光流场对目标进行运动估计;对估计结果依据相似度进行聚类分析,消除小的非目标区域;当目标未发生剧烈变化时,更新目标模板,否则,利用已有目标模板进行匹配跟踪.实验结果验证了该算法的有效性,并实现了目标变形和部分遮挡时的稳定跟踪.     

视频序列中运动目标的检测与跟踪方法

提出了一种视频序列中运动目标的检测与跟踪算法,该算法采用基于码本背景建模的减背景法与差分法相结合的算法,实现对运动目标的快速精确的检测与提取,也能够在存在前景运动的过程中提取背景,使用卡尔曼滤波对运动目标在下一帧中最可能出现的位置进行估计,在此基础上利用Camshift跟踪算法进行较小范围的搜索和目标匹配,减少了运算量、节约了搜索和匹配的时间、提高了跟踪的速度。实验证明该方法具有一定的实用性。     

新的基于Kalman滤波的跟踪方法

模板更新策略是匹配跟踪算法成败的关键,为了提高基于模板匹配跟踪算法的性能,在分析多种模板更新算法的基础上,给出使用Kalman滤波器更新模板的方法。该方法不再将模板图像视为一个整体,而是使用Kalman滤波器对模板图像逐像素点进行更新,以得到自适应和最佳的目标模板图像,使匹配跟踪算法的性能得到很大提高,特别对于目标被遮挡、目标姿态变化以及环境照度变化有很强的适应性。对匹配算法的改进和遮挡的处理使该算法的性能得到进一步提高。实验结果表明该方法行之有效。     

基于自适应多模板匹配的目标跟踪

为了解决在模板匹配中精度和速度之间的矛盾,本文结合了DSP便于实现算法和FPGA高速并行运算的优点,提出了一种基于DSP和FPGA协同作用的快速目标跟踪系统,主要在DSP上完成跟踪算法流程控制,在FPGA上实现耗时模块MAD的计算工作,建立两方通信,使该跟踪系统正常工作。将传统的模板匹配算法扩展成为多级模板匹配,并在跟踪算法中加入了抗旋转模板。最后,在Blackfin561系列Visual DSP 和EP3C25系列FPGA组成的系统平台上实现了该算法,并进行了相关的性能测试。实验表明,该系统可以准确、实时地跟踪运动目标,并能够有效地抗目标旋转和尺度变化。     

一种快速目标检测跟踪方法研究与实现

阐述目标检测跟踪详细过程,提出一种近距离复杂背景下使用快速模板匹配方法对运动目标检测跟踪的方法。该方法针对目标的环境,利用高斯-拉普拉斯滤波器预处理,进而对相邻图像的差分图像获取和识别运动目标中心和区域大小,然后利用相关匹配算法并结合改进的十字搜索法对目标进行快速持续的检测跟踪。实验表明该方法是有效的。     

基于粒子群算法和卡尔曼滤波的运动目标跟踪算法

针对目前一些常用的运动目标跟踪算法存在跟踪精度不高、实时性低、对遮挡问题处理不佳等问题,提出一种粒子群算法与卡尔曼滤波相结合的新的运动目标跟踪方法。利用卡尔曼滤波预测目标中心在下一帧图像中的位置,从而极大减少了搜索范围,并以该位置为中心建立目标搜索区域。然后以目标的灰度统计特征对目标模板和候选区域进行匹配,确保跟踪准确性。为了有效减少搜索匹配次数、提高实时性,利用粒子群算法在搜索区域找到和目标模板最相似的区域,从而找到最优中心位置,并以该位置作为卡尔曼滤波的观测值,进行下一帧跟踪。仿真实验结果表明新算法显著提高了跟踪的实时性、精确性,并对部分遮挡能较好地处理。     

结合扩展卡尔曼滤波的CamShift移动目标跟踪算法

CamShift算法是一种利用颜色信息对移动目标进行跟踪的算法,当目标快速运动或者受到干扰时容易导致跟踪失败.因此提出了一种结合CamShift与扩展卡尔曼滤波的移动目标跟踪算法,使用扩展卡尔曼滤波对目标运动速度和空间位置进行预测,同时采用目标加权直方图改进CamShift算法.所研究的算法能有效地克服目标背景干扰,存...     

适用于光电跟踪仪的高速目标跟踪控制算法

为了提高光电跟踪仪对于高速运动目标的跟踪精度和稳定性,提出一种适用于光电跟踪仪的高速目标跟踪控制算法。利用光电跟踪仪、火炮、载体惯导系统、视频跟踪器和激光测距机输出的相关参数,通过一系列坐标转换、递推迭代和坐标反变换,完成瞄准线坐标系下方位速度环和俯仰速度环跟踪前馈补偿参数的计算,并将该参数分别叠加到方位、俯仰跟踪控制回路,参与跟踪控制;采用模拟航路进行验证,该跟踪控制算法对速度2.5 Ma的高速运动目标,跟踪系统误差和随机误差均小于0.15 mrad。实验结果表明,该方法能有效提高光电跟踪仪对高速运动目标的跟踪精度,响应速度快、动态滞后小。     

基于图像处理技术的目标跟踪研究

基于视频的交通信息采集目前已成为计算机视觉领域新兴的研究方向,准确的运动目标跟踪是其关键技术并为智能交通系统奠定基础。详细介绍了几种常用的目标跟踪算法,并对目前算法相对成熟、匹配效果较好的Hausdorff算法深入研究,随后针对其计算量大的问题,采取了一种新策略,即Hausdorff算法与Kalman滤波器对目标运动进行预测估计相结合的方法进行运动目标的跟踪。     

基于Camshift和SIFT线性融合的目标跟踪算法研究

Camshift算法是对MeanShift算法的改进,它可以解决目标尺度缩放、持续跟踪等问题。但是当目标颜色与背景颜色接近或者目标遇到旋转问题时,Camshift算法容易失效。而SIFT算子对旋转、亮度变化保持不变性,对颜色相近也保持一定的稳定性,所以本文提出一种Camshift与SIFT算子线性融合的目标跟踪算法。首先利用Camshift算法来对目标进行初步的跟踪,得到跟踪区域,再利用SIFT特征向量来匹配目标区域与跟踪区域,得到SIFT的匹配和校正结果,再将两种算法的结果进行线性融合,得到最终的跟踪结果。实验结果表明,本文提出的方法可以有效地解决跟踪过程中出现的旋转、颜色相近等问题。     

光电跟踪系统高精度模板匹配跟踪算法

为实现在光电跟踪系统条件下的高精度测量并且满足复杂环境下高精度目标匹配，本文选用去均值归一化互相关匹配算法。为提高匹配速度以及跟踪实时性，利用和表法计算公式中图像求和、平方和图像匹配互相关来简化计算复杂度；采用小波分层金字塔法作为搜索策略，并将模板质心作为参考点进行十字形搜索，引入终止阈值减少误匹配点进一步提高搜索速度。为验证该算法的有效性，实验中将光电跟踪系统放置在二维转台上，调整转台利用该算法跟踪目标靶板。实验结果表明，目标脱靶量控制在3个像素以内，该算法在光电跟踪系统上可实现高精度稳定跟踪。     

基于Hausdorff距离的多分辨率目标跟踪方法

针对目前运动目标跟踪算法的计算结果和效率不能令人满意的现状,提出利用改进的Hausdorff距离进行模板匹配,它具有计算量小,适应性强的特点.为了能较快的跟踪目标,采用多分辨率分析的方法处理序列图像.实验结果表明,本文的算法能显著提高运动目标跟踪的准确程度和效率.     

基于改进迭代扩展卡尔曼滤波的3星时频差测向融合动目标跟踪方法

针对传统3星时频差定位系统在未知高程情况下,对运动辐射源会产生由目标速度引发的定位误差的问题,该文提出一种利用主星的干涉仪测向信息的改进迭代扩展卡尔曼滤波(IEKF),结合3星时差、频差信息的无源融合动目标跟踪新方法。首先,在坐标系转换的基础上建立了定位模型,并在此基础上利用改进的迭代扩展卡尔曼滤波算法对未知高程的运动目标进行跟踪。仿真结果表明,该方法无需获知目标的高程信息即可实现对运动辐射源的定位、跟踪和测速,且对目标的位置、速度估计性能有较大的提高。     

基于方向直方图的Mean shift目标跟踪新算法

Mean shift算法是一种非参数密度估计算法,可以实现快速的最优匹配。为了有效地将Mean shift算法应用到灰度图像中,使用空间分布和纹理信息作为匹配信息,提出了一种基于空间方向直方图的Mean shift跟踪新算法。利用卡尔曼滤波器来获得每帧目标的起始位置,再利用Mean shift算法得到跟踪位置。实验结果证明,该算法在目标运动较快,目标尺度变化的情况下仍能稳定、实时、高效地跟踪目标。