基于模板相关匹配的红外目标跟踪FPGA算法实现

为了红外复杂背景下能够较好地跟踪目标,文章选用了基于模板相关匹配的红外目标跟踪算法,并且采用大规模可编程逻辑器件FPGA实现了算法,解决了系统应用中所面临的实时性问题.实验结果表明:用FPGA实现模板相关匹配跟踪算法具有运算速度快、可靠性高、功耗低等特点,满足制导系统的实时性要求.     

一种基于特征自动选取的跟踪算法

在复杂的环境下,基于单一特征的视觉跟踪算法,往往不能满足实际环境的需要,对此文中提出了一种基于特征自动选取的跟踪方法。考虑到不同特征在不同场景下对目标与背景的区分能力的不同,重新定义了适合跟踪的背景区域,并在此基础上提出了特征自动选取的策略。基于此策略,利用目标的颜色特征和纹理特征,具体实现了特征自动选取的跟踪算法。实验结果证明了该策略的可行性。     

基于Camshift与Particle Filter的运动目标跟踪系统的设计及实现

采用Camshift算法对图像序列中的运动目标进行跟踪,同时根据系统环境及运动目标跟踪的非线性非高斯的特点,引入Particle Filter对跟踪算法进行改进,在保证系统的实时性的前提下提高其鲁棒性。最后在室内环境下验证该跟踪算法的实时性及可靠性,为自动跟踪的智能监控系统提供了一种候选方案。     

自由空间激光通信中APT粗跟踪研究

自由空间激光通信APT(Acquisition,Pointing and Tracking)系统主要由粗跟踪系统和精跟踪系统组成,粗跟踪系统主要是完成对目标信号的捕获,以确保入射的信标光在精跟踪控制系统的动态范围内.介绍了粒子滤波在APT粗跟踪系统中的应用,针对粒子滤波在跟踪算法中存在的问题进行了改进,设计了颜色和轮廓双重信息融合的似然模型;为提高目标跟踪算法在异常情况下的有效性,采用了异常检测和恢复策略,并设计了跟踪光斑目标的模拟系统.实验表明:所提出的多信息融合的似然模型跟踪算法在目标尺度变化、背景干扰、姿态变化、部分遮档等环境下均能稳定地跟踪目标,提高了大气激光通信链路的可靠性.     

采用Mean-Shift算法的目标跟踪系统设计

为了提高对目标的精确识别和稳定跟踪,在深入分析研究Mean-Shift算法及跟踪原理的基础上,提出一种基于Mean-Shift算法的目标跟踪系统设计思想.通过对海上及陆上目标的实际跟踪验证,表明该设计能够有效地太除海浪散射等背景干扰,实现对目标的稳定跟踪,验证了在复杂背景下基于Mean-Shift算法的目标跟踪系统设计...     

矿井安全监控中运动目标检测算法研究宰

安全监控系统中井下危险区域运动目标检测和跟踪具有重要作用,通过提前预警并结合联动系统可有效防止危险事故发生.提出基于背景差法改进的在线调节学习速率混合高斯模型和结合颜色梯度以及数学形态学的背景建模方法分别对于光线缓慢变化和突变不同环境下的移动目标进行检测.实验证明新算法能够准确定位和跟踪运动目标.     

基于高速视觉目标跟踪系统的自动调焦算法的设计

为了解决高速视觉目标跟踪系统在进行目标跟踪过程中目标的尺度与清晰度的变化,提出一种基于尺度不变性的自动调焦算法。该算法包括基于改进型二维OTSU分割的自动变焦算法和基于二维图像信息熵的对焦算法,通过高速视觉目标跟踪系统获得目标区域,计算目标像素面积和清晰度评价值,转化为可调焦镜头变焦步数和对焦步数后通过FPGA发送调焦指令,最终完成自动调焦动作。设计了自动调焦验证系统以验证算法的性能并得出满足追踪要求的最佳调焦参数。实验证明,该算法在高速目标跟踪系统的跟踪过程中可以较好地完成自动调焦任务。     

一种交互多模型的远距离弱机动目标跟踪算法研究

远距离弱机动目标的检测、跟踪算法很多,但是在太空背景条件下,由于背景复杂和成像系统模糊等影响,使得这些算法只能适应于特定的环境。因此需要我们在分析天基探测的背景、环境和算法处理实时性两方面的基础上,对现有跟踪算法进行优化,适应空间目标跟踪要求。本文提出了一种基于反馈分层融合的交互多模型机动目标算法——msIMM,并给出了算法的基本步骤。仿真表明msIMM算法在跟踪性能和算法的鲁棒性方面比mscsm具有明显优点。     

红外复杂背景中一种融合两类跟踪框架优点的小目标跟踪算法

提出了一种融合"滤波、数据关联"跟踪框架和"目标建模、定位"跟踪框架优点的红外复杂背景中小目标跟踪算法.在算法的具体设计中,提出了一种基于非线性量化核函数直方图的小目标建模方法和一种基于目标局部区域背景复杂程度Kalman滤波的当前帧目标模板更新策略.实践证明,此算法不仅降低了传统Mean-shift迭代算法对于小目标跟踪的不稳健性,而且具有比一般Kalman滤波器更强的抗跟踪系统观测噪声扰动的能力.     

基于SIFT的压缩跟踪算法

为了克服基于灰度特征信息的跟踪算法在复杂的环境下无法区分目标和背景的缺陷,提出基于SIFT的压缩跟踪算法。该算法采用改进的SIFT特征提取方式,结合压缩感知理论对特征进行有效的降维,以在线多实例学习算法训练分类器,实现在出现目标偏移、姿态变化和光暗变化等情况下对目标实时准确的跟踪。实验结果表明,该算法能够在复杂环境下实现目标的准确实时跟踪。