基于IFGT的人体目标运动blob自动分割

为了自动地初始化运动人体的跟踪，采用人体blob模型，提出了一种基于IFGT的人体目标运动blob的自动分割方法。该方法通过区域分割预分割运动blob，然后利用基于IFGT的核密度估计方法更新人体模型中的颜色密度，最后采用似然极大原则分类不同运动blob。该方法对于直立运动人体的头部、躯干、下身的分类效果较好，计算复杂度较低。     

基于核密度估计的遮挡人体跟踪

充分利用空间、颜色、运动等信息对图像进行块建模、颜色建模和运动建模.通过混合高斯建模法,将运动人体的前景信息提取出来;基于Epanechnikov核密度梯度估计算法,对存储模型中的人体进行聚类,实现块建模;采用非参数的核密度估计算法和基于高斯分布的运动建模,分别获取颜色密度函数和运动密度函数,并利用颜色密度函数和运动密度函数对当前帧的前景区域进行后验概率估计,以获取后验概率图像,根据对该图像中遮挡人体进行分割以实现人体目标的跟踪.实验结果表明:基于核密度估计的遮挡人体目标跟踪算法有效地解决了遮挡人体目标跟踪问题.     

复杂环境下运动摄像机稳定跟踪运动目标算法

在复杂环境中,运动摄像机跟踪运动目标是一项相当困难的工作。在基于目标颜色特征的Mean Shift跟踪算法中,引入感兴趣区域（ROI,Region of Interest）,减少背景干扰及降低计算消耗。提出基于目标强度和目标面积的目标危机判别函数,对强干扰、遮挡情况进行识别;采用直方图维数和量化等级数自适应选取策略解决强干扰,采用子区域搜索选优策略解决目标遮挡和重新捕获的问题。为使被跟踪目标锁定在摄像机视野中央区域,采用基于速度调节的闭环控制模型,驱动PTZ摄像机,跟踪运动目标。实验结果表明,算法对背景干扰和遮挡具有较强的适应性,摄像机可以平滑稳健地跟踪快速运动目标,而且系统计算代价小,完全达到了实时的运行速度。     

一种结合区域特征的人体标记跟踪方法

为了解决人体标记在运动过程中因为遮挡而出现跟踪错误的问题,提出了一种结合区域特征的人体标记跟踪方法,按照两个部分进行跟踪:一个是对区域的跟踪,另一个是对人体标记点的跟踪。首先,初始化人体模型,并将人体划分出三个固定区域;然后,通过模板匹配的方法对区域进行跟踪;最后,结合区域和标记点的关系实现对标记的跟踪。实验结果证明,该方法能够有效的解决一些标记跟踪错误的问题,提高标记跟踪的准确率。     

基于核相关滤波和卡尔曼滤波预测的混合跟踪方法

针对核相关滤波(KCF)跟踪算法在遮挡场景中出现跟踪性能降低甚至跟踪失败的问题,提出了一种核相关滤波和卡尔曼滤波(KF)预测相结合的模型自适应抗遮挡图像目标跟踪算法KCF-KF。首先,考虑到传统KCF目标跟踪算法中缺少遮挡评估的问题,通过引入响应图的峰值旁瓣比来对图像目标的遮挡情况进行判断,并将遮挡类型划分为部分遮挡和严重遮挡。其次,根据遮挡程度采取不同的模型更新策略,当目标无遮挡或者部分遮挡时,替代传统KCF跟踪算法中采用固定学习率更新模型的方法,通过自适应地调整模型学习率来更新目标外观模型,避免跟踪漂移;当目标被严重遮挡时,停止KCF模型更新。最后,应用严重遮挡之前的运动信息构建卡尔曼滤波器状态空间和位置输出模型,设计卡尔曼滤波算法预测运动目标轨迹来估计遮挡情景下的目标位置,从而解决在遮挡场景中目标跟踪失败的问题。采用OTB-2013标准数据集进行大量实验,结果表明：所提的混合跟踪算法KCF-KF的距离精度为0.796,重叠成功率为0.692。与其他传统跟踪算法相比,该混合算法的跟踪精度和跟踪成功率均优于其他算法,并且在遇到目标遮挡挑战时具有更好的跟踪性能,有效地解决了跟踪过程中的...     

一种改进的CamShift运动目标跟踪算法

Cam Shift算法具有复杂度低,实时性和鲁棒性好等优点,被广泛地应用于目标跟踪领域。但是Cam Shift算法在运动目标接近与其颜色相近的固定遮挡物时,跟踪会出现明显的偏移。针对这一问题,提出了一种解决与运动目标颜色相近的固定遮挡物对目标跟踪的干扰的方法。首先,运用单高斯背景模型对运动目标进行背景建模;其次,通过背景模型与当前帧的运算,确定与运动目标颜色相近的固定遮挡物所在的位置;最后,利用H分量灰度图计算运动目标所在位置。实验结果显示,该方法在运动目标接近相似颜色固定遮挡物时,能很好地跟踪运动目标。     

基于视频检测的卡尔曼滤波车辆跟踪算法及行为分析

采用基于目标检测的运动目标跟踪策略,首先用时间差分法进行运动目标检测,获得运动目标的初始位置;然后采用卡尔曼滤波器预测运动目标下一时刻所在的位置,再利用运动目标检测的结果评估和矫正预测结果,获得运动目标的准确位置,并依据跟踪结果进行车辆的行为分析.实验结果表明,本方法可有效地解决运动目标部分遮挡及短时间全遮挡下的可靠跟踪问题.     

自适应Kalman滤波的运动物体跟踪算法研究

针对实时视频中的运动物体跟踪问题,提出了一种基于自适应Kalman滤波的运动物体跟踪新算法。首先利用基于∑-△背景估计算法检测运动物体,并提取主要颜色特征。然后构建物体运动模型,并生成自适应Kalman滤波的系统状态模型。最后利用主要颜色特征进行物体跟踪,其结果反馈给自适应Kalman滤波器,并通过遮挡率自动调整参数达到正确跟踪。实验结果表明,所提出的自适应Kalman滤波算法在运动物体被遮挡等复杂条件下的鲁棒性好,还具有跟踪准确性高和数据计算量小等优点,可用于实时运动物体的检测与跟踪。     

基于有效特征筛选的Mean shift运动目标跟踪算法

针对现有Mean shift跟踪算法在目标被遮挡、跟踪场景变化时,跟踪误差变大甚至丢失目标的问题,提出了一种基于有效特征筛选的Mean shift运动目标跟踪算法。首先通过对目标特征的优化筛选,改善了现有Mean shift算法因目标特征多而造成计算时间较长,在目标发生较大变化时跟踪精度降低的情况。更能有效地表征目标特征,减少跟踪误差,增强特征集对目标的描述能力。同时给出目标模板更新的方法,在目标发生明显变化时,能自适应地更新特征集,进一步提高跟踪精度。仿真结果表明:文中方法具有更好的跟踪精度,计算时间较小,对遮挡、场景变化有更好的鲁棒性。     

基于Kinect深度信息的人体运动跟踪算法

大多数人体跟踪算法鲁棒性不高的主要原因是对人体的颜色特征进行跟踪,针对此问题设计了基于Kinect深度信息的人体运动跟踪算法。通过分析Kinect获取的深度图信息来对人体轮廓进行区分判定,提取前景目标区域以及计算目标区域的深度直方图。通过对深度直方图进行分析去除背景区域部分,根据获取的深度直方图求取跟踪图像的深度反向投影;最后结合Camshift算法确定当前选取目标区域的尺寸和中心位置来进行对人体的实时跟踪。实验结果表明,该算法提取的目标特征具有较强的鲁棒性,避免了光照变化和背景相似情况下的不稳定问题,能实现复杂场景下的人体目标跟踪。     

人体运动环节质量矩测量仪的研制

人体运动环节质量矩是环节质量与环节质心位置的乘积 ,反映了人体环节的质量分布情况 ,是运动人体科学研究的一个重要指标 .利用现代的传感器技术和计算机技术 ,研制了人体运动环节质量矩测量仪 ,并分别系统地介绍了该仪器的测量原理、机械部分、电子部分和计算机软件部分 .利用该仪器对运动环节质心与人体总质心之间存在的联动关系进行了实验验证 .     

基于视频的人体行走状态分析

提出了一种基于多视角的人体行走状态分析方法.首先,利用基于自适应背景更新的背景差分法检测出运动人体;其次,利用4向链码提取人体上半身质心运动轨迹的周期;最后,通过训练不同运动状态的周期得到对应的模糊集,根据隶属度函数判别慢走、走和跑3种运动状态.实验结果表明,该方法能够准确分析人体运动速度并判断其运动状态,并且对背景噪声、视角变化有良好的鲁棒性.     

一种正则粒子滤波的人脸跟踪算法

本文针对人脸运动的非线性非高斯的特点,引入正则粒子滤波算法来进行运动预测估计,且根据预测精度对预测过程中目标运动速度和过程噪声方差进行自适应更新。实验结果表明,在人脸的旋转、肤色和部分遮挡影响下跟踪精度较高,抵抗光照环境变化,以及人脸大小变化等的鲁棒性较强。     

基于运动平台的运动目标检测与跟踪

为了实现大视场智能监控,本文提出了一种基于运动平台的运动目标检测与跟踪方法．在相邻帧之间通过块匹配进行运动补偿,采用三帧差分法分割出运动目标．当运动目标正常运动时跟踪其形心;当运动目标被遮档时,根据卡尔曼滤波器预测的形心跟踪目标．其中,对于块匹配,采用边缘点作为匹配块的中心点并根据摄像机的运动方向确定搜索范围,使处理速度提高了38．6％．另外,比较得出最小二乘法对运动目标运动状态突然改变时拟合效果差,因此采用卡尔曼滤波器进行预测．实验证明,本算法适应环境变化的能力强,而且平均每秒处理37．6帧,达到实时处理要求．     

动态场景中运动目标快速检测算法

提出了一种基于边界灰度投影匹配的全局运动估计和运动目标提取算法.算法将边界灰度水平投影和垂直投影值作为匹配特征,较好地估计了全局运动参数.由于只需计算一维特征向量所以降低了全局运动估计的计算量.经过全局运动补偿后,可以运用传统的帧间差法得到运动目标.为了减少噪声的影响,准确提取目标,采用了高阶统计量的方法(HOS)来区分背景和运动目标.试验结果证明,所提出的方法在估计全局运动参数和提取运动目标方面有较好的鲁棒性.     

基于图像矩信息的CamShift视觉跟踪方法

为了适应视觉跟踪过程中目标形态的变化,使用核密度估计对视频序列中的运动目标进行色彩分布建模,运用CamShift算法进行跟踪,并结合图像矩信息确定目标区域.采用全局更新策略对目标色彩分布模型进行实时更新,进一步提高了跟踪的准确性.实验结果表明,该方法对目标在平移、旋转、局部遮挡等不同运动条件下均可实现稳定的跟踪,克服了尺度变化对跟踪带来的影响,是一种鲁棒性较强的跟踪算法.     

Robust multiple face tracking via mixture model

Based on particle filter framework,a robust tracker is proposed for tracking multiple faces of people moving in a scene.Although most existing algorithms are able to track human face well in controlled environments,they usually fail when human face appearance changes significantly or it is sheltered.To solve this problem,we propose a method using color,contour and texture information of human face together for tracking.Firstly,we use the color and contour model to track human faces in initial images and extract pixels belonging to human face color.Then these pixels are used to form a training set for setting up texture model on eigenspace representations.The two models then work together in following tracking.To reflect changes in human face appearance,update methods are also proposed for the two models including an adaptive-factor by which the texture model can be updated much more effectively when the human face’s texture or rotation changes dramatically.Experiment results show that the proposed method is able to track human faces well under large appearance rotation changes,as well as in case of total occlusion by similar color objects.     

基于单目视觉的彩色目标跟踪

提出一种基于HSV颜色空间的单目视觉跟踪算法。该方法利用目标在HSV空间的颜色信息提取出场景中的运动目标,在此基础上,对目标进行滤波和形态学处理,从而实现了目标的检测与定位。最后,利用单目视觉跟踪算法有效地实现了运动目标跟踪。实验结果表明,该算法有效地实现了目标定位与跟踪,并具有一定的实时性和抗干扰性。