一种用于目标物体跟踪的人工标志

论文提出一种用于AR系统中进行运动目标跟踪的点阵图像,并给出了提取这个点阵图像特征点的算法。目标物体跟踪系统在CCD实时采集的、包含被跟踪目标的场景图像中提取点阵图像的特征点,这些特征点的坐标作为计算目标运动状态提供必要的参数。该标志可以用在具有复杂背景的目标物体跟踪系统中。     

基于全景摄像头的柱面展开及实时目标跟踪

传统摄像头在获取大范围复杂场景中的感兴趣目标时,容易出现目标物体丢失或遮挡等问题。为此,提出一种基于全景摄像头的柱面展开及运动目标实时跟踪算法。通过改进的柱面展开算法对360。摄像头获取的全景图像进行还原展开,解决全景图像中的成像扭曲问题。利用CamShift和Kalman预测相结合的算法跟踪运动目标。实验结果表明,在运动目标存在遮挡、短暂消失或同色物体干扰的情况下,该方法能实现对全景范围复杂环境中运动目标实时鲁棒的跟踪。     

一种重叠视域多摄像头协同运动目标跟踪方法

针对重叠视域范围内多摄像头目标跟踪匹配问题,提出一种基于视野分界线的运动目标检测跟踪方法,通过Sift算法与Harris算法相融合对存在重叠视域范围的图像自动获取特征匹配点,利用所获特征匹配点对生成视野分界线,当目标通过分界线时,依据颜色信息的投影不变量方法,通过目标中心位置与视野分界线之间的距离来判断运动目标,进而实现运动目标的交接,完成后续动态目标的追踪.通过设置相同的视频帧数和实验场景与已有文献进行对比实验,所提算法对运动目标跟踪准确率分别为76％、87％、88％,均高于文献算法跟踪精度.实验结果表明所提出的算法能够实现多摄像头间的目标连续跟踪既能解决对同一运动目标的实时跟踪,又可以解决多视角协同重叠视域范围内的运动目标跟踪距离较近而导致运动目标丢失的问题,通有效提高目标跟踪的准确性,为多视角运动目标跟踪提供了一种新的解决方法.     

PTZ摄像头下候选区匹配的实时目标跟踪

提出一种基于候选区匹配的控制PTZ(Pan,Tilt,zoom)摄像头的目标跟踪方法.该方法将图像的中心区域或者检测的目标运动区域作为候选区对目标定位,并根据目标的预测位置计算摄像头运动参数,实现摄像头自动控制跟踪目标.采用对称差分来检测图像中的目标运动区域,利用颜色和纹理信息等特征来表示目标,通过相似性度量从候选区定位目标.同时考虑摄像头命令的传输和执行延时,利用目标运动轨迹对目标位置加以预测,并根据目标预测位置自动控制PTZ摄像头主动追踪目标.实验表明,该方法在较大区域内,以及瞬时遮挡条件下,能连续实时地主动追踪感兴趣目标.     

室内人体运动目标的自动跟踪方法

针对人体运动目标的自动实时跟踪,设计一种新的基于P89v51内核的运动摄像头云台控制系统.对人体运动的图像检测与跟踪,提出一种快速的模板匹配方法.用改进Surendra算法自适应地获取背景图像以提取匹配模板,通过摄像头运动前后帧相同的运动区域来缩小匹配区域,进行快速目标匹配,达到实时性要求.该系统已应用在视频教学及会议中,实现自动人体运动目标跟踪与摄像.     

图像单个运动目标识别与跟踪的一种解决方案

就图像单个运动目标识别和跟踪问题提出了一种解决方案。在图像分割部分,提出了基于数学形态学中流域分割的实现方法,依据单运动目标的特征通过合并过渡分割区域算法较好地解决了过度分割的现象,实现无需人工设置任何阈值,全智能化图像分割;在目标提取部分,提出了一种在连续多帧图像中自动提取单运动目标的方法,能适应摄像头固定和摄像头随运动目标移动等各种情况;在目标跟踪部分,对进行匹配的模板设置掩码,并自动进行调整,使得对运动目标的跟踪更为鲁棒。     

基于发布订阅结构的计算机视觉跟踪研究

文中报道了使用发布订阅中间件搭建的一个跟踪系统,通过单摄像头采集图像,经过分析处理,计算出运动物体的相对位置,同时控制摄像头转动,对运动物体进行实时追踪.整个系统主要包括4个方面,以发布/订阅为中心结构连接3个子系统、目标获取、目标跟踪、采集摄像头控制.文中为卡尔曼滤波定义了新的向量,预测目标运动趋势;根据物体的运动信息自行设计了摄像头控制程序.算法有充分的理论依据和实验验证.     

基于活动轮廓的机器人视觉伺服

本文提出了基于活动轮廓的视觉伺服反馈控制方法．利用活动轮廓对运动物体的图像进行实 时跟踪,抽取物体图像的边缘信息,并以此信息控制摄像头的运动,达到机器人定位、跟踪 等目的．该方法跟踪精度高,鲁棒性好,便于实时跟踪．实验结果表明了该方法的正确性和 有效性．     

基于分块运动估计的对象跟踪方法

针对摄像机运动和场景光照突变的情况,提出了一种基于分块运动估计的对象跟踪算法。首先,对图像进行分块角点匹配,得到各块运动参数,然后对各块进行分块运动补偿和光照补偿;对补偿后的图像进行相邻帧差分得到目标的近似质心位置;跟踪过程则融合运动目标加权颜色直方图和梯度直方图作为目标特征,以所得质心为初始搜索点,采用螺旋搜索算法,进行目标模板和候选目标相似性检测,搜索最佳匹配点得到目标对象在当前帧的准确位置。实验结果表明,该算法能够有效克服光照剧烈变化,在动态背景下能达到对对象的准确跟踪。     

基于非重叠多摄像头的实时监控系统

针对室内外环境的动态特点,描述了一个可扩展的多摄像头实时监控系统,提出了新的基于非重叠多摄像头的运动目标跟踪方法.该方法利用亮度信息在单摄像头内检测和跟踪目标,结合运动目标的亮度特征和路径特征,在多摄像头内估计运动目标外形变化,并建立运动目标路径模型,使用融合算法实现基于非重叠多摄像头的目标跟踪.与其他监控系统相比,该系统不要求摄像头校准,在有亮度变化的非重叠多摄像头场景中能立即准确跟踪目标.实验证明,提出的方法有好的跟踪效果.     

Automatic feature point extraction and tracking in image sequences for arbitrary camera motion

An automatic egomotion compensation based point correspondence algorithm is presented. A basic problem in autonomous navigation and motion estimation is automatically detecting and tracking features in consecutive frames, a challenging problem when camera motion is significant. In general, feature displacements between consecutive frames can be approximately decomposed into two components: (i) displacements due to camera motion which can be approximately compensated by image rotation, scaling, and translation; (ii) displacements due to object motion and/or perspective projection. In this paper, we introduce a two-step approach: First, the motion of the camera is compensated using a computational vision based image registration algorithm. Then consecutive frames are transformed to the same coordinate system and the feature correspondence problem is solved as though tracking moving objects for a stationary camera. Methods of subpixel accuracy feature matching, tracking and error analysis are introduced. The approach results in a robust and efficient algorithm. Results on several real image sequences are presented.The support of the Advanced Research Projects Agency (ARPA Order No. 8459) and the U.S. Army Engineer Topographic Laboratories under Contract DACA 76-92-C-0009 is gratefully acknowledged.     

基于图像矩的运动目标3D平动视觉跟踪

区别于图像的简单几何特征,本文利用图像的全局特征描述子 图像矩特征作为图像 特征信息,实现了基于图像的运动目标3D平动的视觉跟踪．针对任务要求,本文选取了一组 矩特征用以完成任务．基于所选的矩,本文给出了矩特征变化量与相对位姿变化量之间的关 系矩阵,即图像雅可比矩阵,然后利用所推导的图像雅可比矩阵,设计了由图像反馈与目标 运动自适应补偿组成的视觉伺服控制器,实现了在未知目标成 深度及摄像机焦距的情况下 对运动目标的3D平动跟踪．     

双摄像机系统对移动目标的跟踪

提出了一种由一个静止摄像机加上一个动态摄像机组成的双摄像机实时跟踪系统．该系统利用两种形式摄像机各自的优点，克服它们自身的不足，实现了对运动目标的实时跟踪．文中给出了双摄像机系统的组成以及功能划分．利用由近似的摄像机投影模型导出的单应性关系，实现两个摄像机图像之间的目标匹配．系统在静态摄像机的图像平面上建立目标的2D运动模型，采用卡尔曼滤波实现目标位置的预测，由单应性关系求出动态摄像机图像平面上对应目标的预测位置，然后计算摄像机动态平台的旋转角度，实现对动态平台的伺服控制．     

高炉红外摄像监测系统的设计与实现

论述了高炉红外摄像监测系统的中上位机各个功能的实现技术.该系统主要由三部分组成,即红外摄像头、下位机和上位机.红外摄像头获取高炉炉腔的实时图像,然后通过视频数据线传输给上位机的视频采集卡并转换为数字视频数据后在上位机显示.系统根据图像的灰度信息得到炉内的温度分布情况,并将这些数据保存到数据库以用于数据分析和问题跟踪.     

ASSET-2: Real-Time Motion Segmentation and Object Tracking

This paper describes how image sequences taken by a moving video camera may be processed to detect and track moving objects against a moving background in real-time. The motion segmentation and shape tracking system is known as a scene segmenter establishing tracking, version 2 (ASSET-2). Motion is found by tracking image features, and segmentation is based on first-order (i.e. six-parameter) flow fields. Shape tracking is performed using two-dimensional radial map representations. The system runs in real-time, and is accurate and reliable. It requires no camera calibration and no knowledge of the camera's motion.     

一种人头部实时跟踪方法

为了能够在视频监控、人机交互、视频会议等领域对人头部运动实施实时跟踪 ,给出了一种使用黑白摄像机对人平移或转身时的头部运动进行实时跟踪的方法 .该方法主要由基于块特征的跟踪和基于头部几何特征的校正两个步骤组成 .块特征跟踪算法仅利用图象低层信息而不依赖于目标的具体模型 ,可实现对头部自由运动的跟踪 .为解决块特征跟踪误差累积等原因造成的目标丢失问题 ,又采用了头部轮廓几何特征检验方法 ,根据跟踪窗口中头部轮廓位置的偏移来对块特征跟踪结果进行校正 .另外 ,为提高转身运动时相邻两帧图象的特征跟踪正确率 ,还引入圆柱模型来拟合头部 ,并在展开柱面内进行块特征选取和跟踪 .本文方法在 P 35 0微机上进行了实验 ,实验结果表明 ,系统能对长时间图象序列中人平移或转身时头部运动实施准确跟踪 .当跟踪窗口大小为12 0× 180 pixels,块特征数目为 80个时 ,系统的处理速度达到 30帧 /s     

基于立体视觉的串联机器人跟踪检测系统

建立一种六自由度串联机器人视觉跟踪检测系统框架,包括图像采集、摄像机标定、机器臂跟踪检测、机器臂位姿建模与计算等。提出利用CamShift算法对机器人进行在线粗跟踪,搜寻和画定出机器臂操作器在当前窗口的区域位置。对跟踪到的机器臂按照SURF算法进行特征提取与立体匹配。该方法被用于对串联机器人位姿检测进行实验。实验结果表明,2种算法的结合适用于六自由度串联机器人在空间复杂运动的跟踪检测。     

Robust camera pose tracking for augmented reality using particle filtering framework

In this paper, we present new solutions for the problem of estimating the camera pose using particle filtering framework. The proposed approach is suitable for real-time augmented reality (AR) applications in which the camera is held by the user. This work demonstrates that particle filtering improve the robustness of the tracking comparing to existing approaches, such as those based on the Kalman filter. We propose a tracking framework for both points and lines features, the particle filter is used to compute the posterior density for the camera 3D motion parameters. We also analyze the sensitivity of our technique when outliers are present in the match data. Outliers arise frequently due to incorrect correspondences which occur because of either image noise or occlusion. Results from real data in an augmented reality setup are then presented, demonstrating the efficiency and robustness of the proposed method.     

Optimal feature points for tracking multiple moving objects in active camera model

Object tracking is an important task in computer vision that is essential for higher level vision applications such as surveillance systems, human-computer interaction, industrial control, smart compression of video, and robotics. Tracking, however, cannot be easily accomplished due to challenges such as real-time processing, occlusions, changes in intensity, abrupt motions, variety of objects, and mobile platforms. In this paper, we propose a new method to estimate and eliminate the camera motion in mobile platforms, and accordingly, we propose a set of optimal feature points for accurate tracking. Experimental results on different videos show that the proposed method estimates camera motion very well and eliminate its effect on tracking moving objects. And the use of optimal feature points results in a promising tracking. The proposed method in terms of accuracy and processing time has desirable results compared to the state-of-the-art methods.     

三维视觉测量系统平台的软件设计及实现

主要阐述了三维视觉测量系统的软件设计及实现，包括4个部分：图像卡的二次开发、电移台运动控制、图像处理、摄像机标定；利用VC＋＋实现了图像卡的二次开发和电移台运动的实时控制；利用MATLAB强大的矩阵运算能力，与VC＋＋相结合，实现了图像处理和摄像机内外参数的标定；通过实验表明，本系统运行正常，为进一步研究三维视觉自标定、不标定理论和实现在线测量提供了一个好的平台。