电力监控场景下基于光流特征点的目标跟踪算法

针对在特定电力系统监控场景下的目标跟踪问题,提出了一种基于光流特征点的目标跟踪算法。首先,对Kanade-Lucas-Tomasi(KLT)跟踪算法提取到的特征点进行背景特征点滤除,分离出关键特征点;其次,利用Density Based Spatial Clustering of Applications with Noise(DBSCAN)聚类方法对关键光流特征点进行聚类处理,区分出不同运动目标;最后,在KLT跟踪算法中引入Kalman滤波器对因遮挡导致的跟踪目标识别不全甚至目标丢失进行了优化。仿真实验结果表明:提出的算法能够在电力系统监控视频中实现对多目标的有效跟踪,并对跟踪目标遮挡情况有较高的鲁棒性。     

一种基于随机场多运动目标跟踪算法

多运动目标跟踪是智能视频监控系统的重要内容。由于目标数量众多且目标之间相互遮挡,会造成跟踪轨迹不连续,这是多目标跟踪问题的难点,也是当前流行算法无法解决的研究的问题。利用目标对相互之间的位置信息受到外界干扰较少的特点,提出基于条件随机场多目标跟踪。与以前针对所有目标的外形特征不同,算法对跟踪子对进行标示。采用分层结构,由低阶状态作为输入序列到高阶,通过代价函数最小化,从而得到最终连续跟踪轨迹。能有效解决复杂环境下多目标不连续的问题。算法对于外形类似的被跟踪目标以及相互遮挡严重的情况有比较明显的优势,与当前优秀的算法相比,实验表明本文算法在定量分析和定性分析上均有较好的结果。     

基于显著特征区域和条件随机场的目标跟踪

针对目标跟踪中的遮挡问题,提出一种基于局部显著特征区域和条件随机场模型(CRF)的跟踪算法。利用目标区域中的显著特征区域相互之间的空间位置关系以及时间域上相邻区域的影响,并结合各个显著特征区域自身的局部信息建立目标的CRF模型;利用CRF模型对 Mean Shift算法的跟踪结果进行概率推断,融合各个显著特征区域的权重,精确定位运动目标的最终位置。在多个视频序列上的实验结果表明,与改进的 MS算法、粒子滤波算法以及分块跟踪方法相比,文中算法具有较高的跟踪精度;尤其是当目标被遮挡时,该算法具有较好的跟踪鲁棒性。该算法充分利用了显著特征区域自身的局部特征和区域之间的空间结构信息以及各个显著特征区域在时间域上的约束条件,能够实现复杂情况下的运动目标的鲁棒跟踪。     

采用局部线性嵌入的稀疏目标跟踪方法

目标跟踪是从复杂的背景中辨认出运动目标,并且对目标进行准确且连续的追踪。如何在遮挡、形变、背景复杂的条件下鲁棒性跟踪目标仍是亟待解决的问题。针对遮挡和形变问题,提出一种局部线性嵌入(LLE)和稀疏表示的算法来有效的学习外观模板。其中LLE是流形学习的一种典型算法。在该算法中每个点的近邻权值在平移、旋转、伸缩变化下是保持不变的,因此可以用来提取目标的本质特征,发现数据的内在规律。算法首先采用局部线性嵌入提取低维特征,提取后的特征作为基向量与琐碎模板组成稀疏原型,稀疏原型用于模板的更新。算法保持了原有稀疏跟踪方法对遮挡处理的优势,同时对目标形变有较好的稳健性。实验结果表明,跟踪算法比其他7个常用的算法在9个视频序列中有较好的鲁棒性能。     

结合YOLOv5和质心匹配的轨迹追踪方法

针对施工场所中目标遮挡引起的安全帽佩戴者的轨迹追踪困难的问题,本文提出了一种结合YOLOv5和质心匹配算法的安全帽佩戴检测及轨迹追踪方法。该方法首先采用YOLOv5网络准确检测未佩戴安全帽的人员,计算其质心坐标;进一步的采用扩展卡尔曼滤波器预测目标位置信息;最后采用基于马氏距离及直方图相关性的质心匹配关联算法,结合预测信息实现了目标遮挡环境中的目标轨迹异常修正,可获得准确的目标轨迹。实验结果表明,本方法有效解决了目标跟踪中由目标遮挡引起的目标互换和丢失等问题,在自建数据集中获得了高于传统算法10%以上的目标跟踪准确度,为智慧工地的发展提供了有力的技术支持。     

遮挡情况下基于卡尔曼滤波的运动目标跟踪

传统的Camshift算法在跟踪的目标发生遮挡时容易导致跟踪失败,针对这种情况提出将Kalman滤波与Camshift相融合的算法.在运动的跟踪目标出现遮挡的情况下,根据Camshift算法得到的运动目标在上一帧的运动参数,利用卡尔曼滤波对当前帧运动目标的参数进行预测,从而保证了实时跟踪.实验对动态遮挡和静态遮挡两种情...     

混合坐标注意力与改进空间金字塔池化融合的物体位姿估计

在物体杂乱放置非遮挡和遮挡构成的复杂场景下,针对位姿实时、准确和稳定地估计的问题,提出了混合坐标注意力与改进空间金字塔池化融合的目标位姿估计算法。搭建了由坐标特征、通道特征和空间特征组成的混合坐标注意力残差模块,有效提高了关键点估计的准确率。改进了空间金字塔池化网络,并通过颈部位置的多尺度特征细化方法,获得边缘姿态及空间位置的高精确估计。将所制作的遮挡数据集,进一步验证所提出算法性能和泛化能力。在公开LineMod及Partial Occlusion遮挡数据集上,所提算法与基于组特征注意力(SA)算法相比ADD指标分别提高2.26%和2.57%,5cm5°指标分别提高5.16%和4.1%,达到了30 fps实时处理速度,为遮挡等复杂场景下的物体位姿估计提供一个有效的方法。     

一种扩展带权值的Mean shift跟踪算法

随着人工智能、数字图像处理、模式识别等领域的突飞猛进的发展,智能视频监控日益成为一门应用广泛的综合性学科,其中目标跟踪技术该领域中一个具有重要研究意义的课题。基于传统Mean shift跟踪算法易受到遮挡、背景信息干扰等情况。提出一种扩展的Mean shift算法,它是将纹理和背景权重相结合,采用LBP8,1中5种特征来表示目标纹理,再引入背景加权因子,使得跟踪精度提高明显。通过试验证明该种方法对于目标跟踪有很好的效果。     

融合SimAM注意力机制的实时多目标跟踪算法

多目标跟踪中的JDE算法首次将目标检测与重识别进行联合学习，极大提升了跟踪速度，但由于复杂背景干扰和遮挡导致跟踪准确度下降。为了解决跟踪速度与准确度的平衡问题，本文提出了SAM JDE，该模型融合了SimAM注意力机制、多尺度融合等思想，通过增强特征提取能力提高目标跟踪的准确性。使用CIoU_Loss作为回归损失函数，通过准确地构建目标框和预测框之间的位置关系来提升定位精度。关联匹配部分使用卡尔曼滤波预测运动信息，匈牙利匹配算法完成时序维度上的目标关联。在MOT16 test数据集上进行测试，MOTA达到664%，跟踪速度为206 FPS，在保证实时性的基础上跟踪准确度较JDE算法提升23%，较好地优化了准确度与速度的平衡问题。     

大矩阵压缩特征目标的低秩跟踪算法

针对压缩感知的矩阵低秩稀疏分解目标跟踪算法实时性差的问题,提出一种大矩阵压缩特征目标的低秩跟踪算法。该算法通过将大矩阵分成多个小矩阵的方法构建观测矩阵,进行矩阵低秩稀疏分解,获得各候选目标的误差向量并构建误差矩阵,求解误差矩阵列向量最小1-范数问题得到跟踪结果。为了适应跟踪过程中目标外观信息的变化,基于向量相似度判别有选择地更新字典。在跟踪结果不可信时,利用轨迹修正更新当前帧跟踪结果。通过6个典型视频序列上的对比实验,新算法的实时性是原算法的3倍。实验结果表明,在目标发生部分遮挡、光照变化、快速运动时,所提出的算法能实现目标的鲁棒跟踪。     

Content-based event retrieval using semantic scene interpretationfor automated traffic surveillance

This paper proposes an object segmentation and tracking algorithm for visual surveillance applications. In order to detect moving objects from a dynamic background scene which may have temporal clutters such as swaying plants, we devised an adaptive background update method and a motion classification rule. A two-dimensional token-based tracking system using a Kalman filter is designed to track individual objects under occlusion conditions. We propose a new occlusion reasoning approach where we consider two different types of occlusion: explicit occlusion and implicit occlusion. By tracking individual objects with segmented data, we can generate motion trajectories and set a motion model using polynomial curve fitting. The trajectory model is used as an indexing key for accessing the individual object in the semantic level. We also propose an efficient way of indexing and searching based on object-specific features at different semantic levels. The proposed searching scheme supports various queries including query by example, query by sketch, and query on weighting parameters for event-based retrieval. When retrieving an interested video clip, the system returns the best matching event in the similarity order. In addition, we implement a temporal event graph for direct accessing and browsing of a specific event in the video sequence     

架空线路绝缘喷涂异物检测识别及机器人运动轨迹规划

异物侵入不仅影响输配电线网绝缘漆喷涂,更会影响电网安全运行。为此,需要开展输电架空线路绝缘喷涂异物检测、识别与清除的智能化方案研究。文中构建了基于分段映射直方图图像增强预处理、基于光流法图像区域特征分离提取、基于改进Camshift算法动态异物跟踪识别的异物检测、识别、跟踪方案;构建了基于关节空间的机械臂D-H运动学模型,采用五项式插值法进行机械臂空间运动轨迹规划;构建了基于双层结构模型预测控制(Model Predictive Control, MPC)的异物高精度控制视觉伺服控制方案,实现异物抓取的高精度控制。试验结果表明异物检测、识别、跟踪算法具有高鲁棒性,能够有效增强图像,提取复杂环境下的特征矩形区域,实现有遮挡情况下的动态异物跟踪;多关节机械臂空间运动轨迹算法具有良好连续平稳性,有效满足机械臂始终指向待抓取异物中心点;基于MPC的视觉伺服控制能够满足机械臂异物抓取的高精度控制。     

改进WMIL的实时人脸检测与跟踪

针对WMIL在光照突变或者全部遮挡的的情况下会出现跟踪失败以及在跟踪错误情况下无法自动恢复跟踪的问题,提出了一种基于改进WMIL算法和AdaBoost的实时人脸检测和跟踪算法。利用AdaBoost的方法检测人脸信息,然后在改进WMIL算法的框架下,对人脸图像进行多尺度表示,采用压缩感知的方法来提取样本特征。最后,利用改进WMIL算法建立分类器对人脸进行跟踪,自适应调整跟踪窗口的大小,并实时更新。实验结果表明,改善了WMIL存在的不足,有效解决了在人脸外观变化,姿态改变、快速运动等情况下,能稳定准确地实现目标的实时跟踪。     

基于一致性特征点匹配的目标跟踪算法实现

在复杂背景环境下针对自由模型目标在随机速度时的跟踪技术是计算机视觉研究领域的一项重要课题。其难点在于在复杂背景和运动方式中如何准确且合理的提取既定目标的特征点。本文提出一种基于一致性特征点匹配跟踪算法,通过长效自由模型目标跟踪,实现对于地面刚性目标物体在随机速度时,通过光线变化区域、部分遮挡区域、目标自身转弯或旋转、采集设备对目标尺度缩放情况下的稳定跟踪问题。该算法经数据集测试结果表明,其能够在上述情况下,实现对标定目标的稳定跟踪,并具有一定的实时性。     

多目标模糊决策在电力市场日有功优化交易计划制定中的应用

介绍了一种兼顾全网发电费用最小和电网收益最大的日有功交易计划制定方法 ,通过定义目标函数的隶属函数从而将确定性问题模糊化 ,然后采用最大隶属度法将多目标问题转化为单目标非线性规划问题 ,然后可求解 ,对一个火电系统算例仿真表明该策略与确定性的单目标模型相比在各单目标轻微伸缩的情况下更能使双目标综合考虑更好。     

Multi‐target detection and grasping control for humanoid robot NAO

Graspirng objects is an important capability for humanoid robots. Due to complexity of environmental and diversity of objects, it is difficult for the robot to accurately recognize and grasp multiple objects. In response to this problem, we propose a robotic grasping method that uses the deep learning method You Only Look Once v3 for multi‐target detection and the auxiliary signs to obtain target location. The method can control the movement of the robot and plan the grasping trajectory based on visual feedback information. It is verified by experiments that this method can make the humanoid robot NAO grasp the object effectively, and the success rate of grasping can reach 80% in the experimental environment.     

结合SURF与Kalman滤波的CAMShift跟踪算法

针对传统的CAMShift目标跟踪算法,在出现颜色干扰,遮挡等复杂背景中容易跟丢的问题,提出了一种结合SURF特征匹配与Kalman滤波的CAMShift跟踪算法。该算法利用CAMShift算法跟踪得到的候选目标与模板目标的色度和梯度方向的综合直方图比较计算得到的Bhattacharyya系数作为判定依据,当系数大于给定阈值时,采用SURF算法对搜索窗口和上一帧跟踪结果进行特征匹配,重新计算目标的大小和位置。同时为了避免目标快速运动时跟踪失败和减少SURF匹配的计算量,利用Kalman滤波对运动目标窗口进行预测更新以确定下一帧搜索窗口的中心位置。实验表明,该算法在图像背景复杂,出现颜色干扰以及部分遮挡时能够稳定跟踪,其跟踪速度与结合SURF的CAMShift算法相比有显著提高。