基于颜色的运动目标快速识别与跟踪

在自主式移动机器人对运动目标进行跟踪时,视觉系统主要完成目标的识别与跟踪,提高目标识别与跟踪的实时性和准确性是保证机器人跟踪顺利进行的关键。针对此提出了一种基于颜色色度Hs的向量判定算法,并运用这种算法结合动态窗口和螺旋扫描等技术,有效地提高了目标识别与跟踪的实时性和准确性。     

基于DSP的运动目标识别与跟踪系统的设计

为了实现对运动物体的智能反馈跟踪,设计了墓于TMS320DM642 DSP芯片和Cam-shift算法的嵌入式运动目标识别与跟踪系统.在Cam-shift跟踪算法原理基础上,详细描述了系统视频信号处理的各个模块,并进行了系统的有效性和实时性验证.实验结果表明,系统可对简单背景下的单一运动目标进行连续跟踪,算法稳定、计算量小,满足实时性要求.     

基于LabVIEW的运动目标跟踪系统的研究

主要对创新实验室二维视觉跟踪转台的算法进行改进。传统的算法只能实现在白色背景下对黑色目标的识别与跟踪,为实现对不同目标复杂背景的跟踪,针对跟踪系统设备和系统指标要求,确定了图像预处理、图像分割、形心跟踪等算法。针对目标的特点,根据识别的目标用形心跟踪算法进行跟踪。文中所有控制程序都基于LabVIEW,在MFC框架下用C++编写图像处理程序。结果表明,在LabVIEW平台下的识别跟踪过程中,二维转台最终实现良好的控制,使整个系统快速、准确的跟踪运动的特征物体,完成了二维目标视觉检测与跟踪的目的。     

基于模糊相似度的地面目标跟踪算法研究

研究了基于Dempster-Shafer证据理论和模糊相似度的地面运动目标识别与跟踪问题。应用Dempster-Shafer证据理论对地面运动目标进行身份识别,用目标的类型、速度和数量等属性构造目标的模糊相似度,利用模糊相似度作为目标跟踪的主要依据。详细地分析了地理信息,提出了基于证据推理的地面运动目标识别与跟踪算法,并且用α-β滤波器更新目标位置和速度。经过实际外场试验运行表明,该算法是有效的。     

卡尔曼滤波在跟踪运动目标中的应用及仿真

在智能监控系统中,通过帧差法对运动物体的识别、定位,利用卡尔曼滤波算法对目标运动进行预测、跟踪,从而控制摄像头转动,跟踪目标物,使目标物体始终出现监控画面的中心.在此采用卡尔曼滤算法,进行目标运动的预估,利用Matlab对其仿真.仿真结果显示跟踪效果非常好,证明采用该算法来跟踪动目标物有效可行,具有一定的研究价值.     

图象目标识别图形的自适应步级检测

建立图象目标识别模型，用形状、灰度和运动特征描述图象目标。基于目标建模，把目标识别、门限及目标图形区域步级检测、虚漏警调节和目标空域条件有机地结合起来，给出牵引式跟踪系统中图象目标识别图形的自适应步级检测算法。该算法用于检测具有识别特征的图象目标图形，并成功地应用到实际的实时跟踪系统中的图象目标识别和跟踪。对实际图象的处理结果和在实时跟踪系统中的实验说明本文研究的技术的有效性和适用性。     

智能化无人机入侵检测与跟踪拦截系统设计与实现

近年来民用无人机领域发展迅猛,导致无人机“黑飞”事件频出,给国家安全及社会稳定带来了不小的挑战,迫切需要发展反无人机技术。对此,提出一种跟随式定向干扰方案,设计了一套基于视觉的无人机入侵检测与自动跟踪拦截系统。采用HOG+非线性SVM方案来识别无人机,加入ViBe运动目标检测算法来提高识别速度,并通过KCF算法实现无人机目标跟踪。设计制作无人机拦截系统的硬件设备主要包括跟踪伺服系统、底座和托盘等。实验表明,该系统的识别准确率达到90.54%,识别速度为20.56 fps,拦截平台能够在0.5 s内实现对目标无人机的瞄准,跟踪效果良好。在搭建的实物平台上进行系统测试,结果表明,该系统可实现对入侵无人机的运动检测、识别、跟踪与干扰,且识别准确率高,实时性好,能够对入侵的无人机进行自动拦截。     

铁路视频监控中运动目标检测算法研究

运动目标的正确检测影响着运动目标能否被正确跟踪与分类,因此成为视频监控系统研究中的一项重要课题。文中对运动目标检测算法进行研究,实现对铁路沿线前方目标的有效识别,针对得到的视频序列,通过混合高斯模型进行背景建模,并与混合差分算法结合实现前景的提取与检测。通过与混合差法相比较,其仿真结果表明,该算法具有一定的可行性。     

运动目标检测与跟踪算法的改进与实现

提出了一种对视频图像中运动目标检测并进行实时跟踪的新方法。该方法利用基于背景建模的背景差分与改进的带时间戳的运动历史图像(tMHI)的目标分割相结合的算法对运动目标进行检测,在获取到视频流中的运动目标轮廓后使用基于tMHI的运动梯度算法来实现运动目标的跟踪。实验结果表明,该方法能够对指定区域内的目标进行有效识别和准确跟踪,并且弥补了运动目标暂时性停止时无法检测出来的不足。     

基于特征点的多运动目标跟踪

该文针对智能监控的需求,提出基于特征的多运动目标跟踪算法。通过自适应Marr小波核函数背景建模算法,在冗余离散小波域进行多运动目标识别。运动跟踪采用SIFT特征粒子滤波算法,并采用队列链表法记录多运动目标之间的数据关联,在提高识别准确率的同时降低了运算的复杂度。实际测试表明,该算法对于多运动目标识别跟踪具有更优越的实时性和抗遮挡性,在智能监控领域具有较广泛的应用前景。     

舰船红外成像目标智能跟踪算法研究与实现

研究了舰船红外成像目标的智能跟踪技术。通过对成像阶段和跟踪算法的分析,提出了一种新的复合跟踪算法,对MAD跟踪算法和形心跟踪算法作了改进,跟踪算法之间的切换依据高亮点数原则。设计了一个舰船红外成像目标智能跟踪系统,硬件平台是以TMS320C6201芯片为核心、采用DSP+FPGA技术构建的。为了保证跟踪系统的智能性和稳定性,提出了置信度因子和局部分割技术。外场实验表明,该跟踪系统能够对目标进行稳定、智能的跟踪。     

基于卡尔曼滤波的机动与非机动目标的定位跟踪

目标跟踪理论在国防、商用等领域都具有重要价值,并且是实现智能交通系统的基础。针对智能交通系统中需要对特定的运动目标进行跟踪和监测的要求,利用卡尔曼滤波算法对目标进行跟踪并对其下一时间的运动位置、运动方向、速度等信息进行预先估算以达到及时监测的目的。通过分别对机动目标和非机动目标的仿真试验,得出了卡尔曼滤波算法可以对运动的目标实现实时跟踪,且非机动目标的跟踪效果要优于机动目标的结论。     

一种基于多普勒信息的雷达目标跟踪方法

机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标中断和重起批。针对多普勒盲区条件下的目标连续跟踪问题,文中提出了一种基于多普勒预测的扩展卡尔曼滤波算法(Doppler Prediction EKF,DP-EKF),该方法将多普勒盲区的先验信息并入到扩展卡尔曼滤波算法中,通过状态预测判断目标在未来时刻是否落入多普勒盲区,从而自适应地调整跟踪滤波规则,解决多普勒盲区条件下目标连续跟踪问题。仿真结果表明,该算法对于运动模型已知的航迹不连续目标具有较好的跟踪效果,能够维持其航迹的连续性。     

基于角点增强改进的TLD目标跟踪算法

针对TLD算法的特征点无法有效表述目标问题,提出了一种基于角点增强改进的TLD目标跟踪算法。改进算法在跟踪模块加入了对目标表述能力更强,具有光照不敏感性和旋转不变性的Shi-Tomas角点作为跟踪特征点。跟踪器运行时,在角点经光流法跟踪和双向误差检测后,利用剩余的稳定角点定位目标窗口。对照结果表明,改进算法在面对目标抖动和形变时可以稳定跟踪;有效抑制因跟踪平滑点造成的漂移现象;提高了跟踪的稳定性。针对TLD算法跟踪过程中因在线模板积累造成的计算量持续增大、实时性持续降低的问题,提出了一种依据相似度中值的模板判断删除机制。该删除机制在模板积累到设定阈值时运行,根据模板与当前目标的相似度,删除不再具备代表性的模板;调整模板空间并更新模板数目。实验表明,该删除机制在应对模板更新快、持续时间长的跟踪情景时有效降低算法计算量,实时性可提高约20%。     

基于Canny检测算法实现的目标跟踪

为了设计一种实时高效、稳定可靠的图像目标跟踪系统平台,避免因图像边缘提取效果差而引起跟踪失败,采用自适应Canny边缘检测算法。该自适应算法能够很好的确定平滑参数以及高、低两个阈值,更好的获得图像边缘图。经Canny算法处理图像目标后,获得目标的单像素边缘图,根据边缘图计算得到目标质心。利用最小二乘法拟合出目标的运动轨迹,同时可根据时间间隔预测出目标质心的下一位置,控制伺服机构,实现目标跟踪。实验表明,采用Canny算法的目标跟踪系统,能够满足实时跟踪的需要。     

基于梯度方向检测的自适应带宽meanshift目标跟踪算法

传统核窗宽固定的meanshift跟踪算法不能很好地对尺寸变化的目标进行有效的跟踪。在结合增量试探法和梯度方向检测的基础上,提出了一种适应带宽的meanshift目标跟踪算法。算法能够对逐渐放大和逐渐缩小的目标都能够进行有效的跟踪,解决了增量试探法难以很好地对放大目标进行自适应带宽跟踪的f＊l题,提高了自适应带宽跟踪的准确性。两段不同场景下的运动目标跟踪实验,证实了该算法的有效性。     

基于梯度方向检测的自适应带宽mean shift目标跟踪算法

传统核窗宽固定的mean shift跟踪算法不能很好地对尺寸变化的目标进行有效的跟踪。在结合增量试探法和梯度方向检测的基础上,提出了一种适应带宽的mean shift目标跟踪算法。算法能够对逐渐放大和逐渐缩小的目标都能够进行有效的跟踪,解决了增量试探法难以很好地对放大目标进行自适应带宽跟踪的问题,提高了自适应带宽跟踪的准确性。两段不同场景下的运动目标跟踪实验,证实了该算法的有效性。     

基于粒子滤波的TLD目标跟踪算法

在复杂背景下运动目标速度快速变化、目标丢失、或大面积遮挡时,TLD算法跟踪的稳定性明显下降,跟踪效果差。针对这一问题,在TLD算法的跟踪模块中引入粒子滤波,使其在长期稳定跟踪的基础上,更好地完成复杂背景下快速运动目标的跟踪。实验以OpenCV和VS2010为测试环境,结果表明,改进后的TLD算法较原始TLD算法能够更好地跟踪快速运动的目标,增强了跟踪的稳定性和鲁棒性。     

一种基于跟踪信息的多基雷达系统航迹起始算法

多基雷达系统(MSRS)可以大大提高目标定位性能,然而由于各个雷达站信噪比的差异,通常存在一些雷达站尚未建立目标航迹,从而不能最大程度地提高目标定位精度。因此,如何利用其它雷达站提供的目标跟踪信息,提高尚未建立目标航迹的雷达站的探测性能是一个值得研究的问题。为此,该文提出一种基于跟踪信息的航迹起始算法。首先将已经跟踪到目标的雷达站提供的目标跟踪信息,送至尚未建立目标航迹的雷达站;然后利用目标跟踪信息和目标运动模型,建立目标预测波门;最终在虚假航迹起始概率恒定的条件下,调整预测波门内的检测门限,完成目标检测和航迹起始过程。仿真实验表明,该算法可以大大提高目标检测概率和目标航迹起始概率。     

基于航迹隶属度的分布式系统数据融合算法

航迹关联与航迹融合是分布式目标跟踪系统数据融合的关键.本文研究了基于航迹隶属度的数据融合算法.综合各传感器航迹估计形成的目标运动状态特征向量与传感器分辨率,根据模糊聚类算法建立各观测时刻航迹隶属度矩阵与系统航迹关联决策矩阵,解决融合中心航迹关联问题.根据加权融合算法思想,结合各观测时刻航迹隶属度矩阵,实时、动态分配航迹号集合中各局部航迹权值,解决目标航迹融合问题.蒙特卡罗仿真表明,算法航迹关联效果明显优于加权航迹关联算法,并得到与简单航迹融合算法一致的目标融合航迹.