基于特征块统计的摄像机跟踪算法

提出一种基于特征块统计的摄像机跟踪算法,可用于视频中摄像机运动的快速跟踪和定位。首先在视频范围内抛洒N个随机点,在随机点周围一定区域内寻找出最具颜色差异的像素块作为特征块,然后分析相邻帧中与此特征块最佳匹配的新位置,根据各块的移动情况求出均值,再去掉移动方差过大的特征块,保留余下的特征块进行统计。用最小二乘法统计方法求出连续视频帧之间运动参数的线性变换方程。实验表明,该算法具有较好的跟踪检测效果,对各类视频文件具有较好的鲁棒性,在普通PC机中实现了较为精确的摄像机运动跟踪检测。     

双摄像机协同人脸鹰眼检测与定位方法

现代视频监控系统需要获取大范围场景中感兴趣目标的清晰图像,这在目标距离较远并且不断移动时单纯采用摄像机调焦方式通常有一定的困难。为了获取宽范围监控场景中远距离行人的主要面部特征,采用广角静止—窄视场运动双摄像机协同工作方式可以同时获得远距离目标的全局和细节信息。首先采用改进的Codebook背景减法从广角摄像机中检测运动目标,然后指引运动摄像机近距离跟踪观察;若行人停止运动,则利用运动摄像机对其进行放大,然后从中检测人脸,并将人脸置于视野中心放大得到清晰图像。当行人再次运动时,广角相机将初始位置再次传递给运动摄像机,由其再对行人进行跟踪。通过实验室内和室外真实场景的实验表明,广角相机的检测算法具有一定的鲁棒性,运动相机能跟踪放大行人人脸图像,算法运行速度满足实时性要求。     

一种五自由度视觉伺服机器人的跟踪控制研究

提出了一种基于图像的视觉伺服机器人系统的结构，以及该系统跟踪平面运动目标的算法. 该系统有5个自由度，包括一个3自由度的机器人和一个2自由度的手腕，手腕安装在机器人末端，而摄像机安装在手腕末端. 由于具有较小的运动惯量，手腕可快速旋转，以实现对运动目标的跟踪. 而在需要时，3自由度的机器人可将摄像机移动到适当的位置， 对目标进行更为仔细的观察. 该系统实现了对运动目标的跟踪. 此外，还提出了提高系统性能的方法，实验证实这些方法是有效的.     

运动摄像机下多目标检测与跟踪

针对摄像机运动情况下多目标的检测与跟踪问题,提出一种将Global K均值与模板匹配相结合的方法.利用六参数仿射模型得到摄像机运动参数,对图像进行全局运动补偿,用GlobalK均值算法对前景点进行循环聚类,判断目标数目并进行跟踪,通过对目标区域进行模板匹配使跟踪结果更准确.实验结果表明,该方法能够在运动摄像机下稳定、实时地跟踪多个目标,对发生形变的目标基本也能稳定跟踪.     

一种用于视频监控的双摄像头系统实现

提出了一种新颖的用于视频监控的双摄像头系统,在此系统中全景摄像机与PTZ摄像机(云台摄像机)结合在一起,既能对大范围内的目标进行检测与跟踪又能对目标的详细图像进行捕捉。在全景摄像机获取的图像中进行运动检测,获取运动物体位置信息后利用PTZ摄像机对其进行检测分析,以实现二者的数据融合。设计了全景摄像机的反射镜面,对该双摄像头系统进行了标定,在实验室环境下的进行实验验证了系统的性能。     

基于图像采集卡的智能安防监控系统设计

本文研究了基于Matrox图像采集卡的智能安防监控系统的总体解决方案,硬件设计部分详细叙述了该系统的图像采集模块设计和云台控制模块设计.通过对摄像机采集的图像进行运动目标的跟踪分析.产生控制信号,控制承栽摄像头的云台运动.以实现运动目标的跟踪:软件设计部分.针对运动目标的检测跟踪各种跟踪方法,详细研究并实现了基于时间差分的运动目标检测方法.完成了系统整体软件设计.实践证明,该系统具有较好的检测效果.     

基于粒子滤波和背景减除的多目标检测与跟踪算法

大多数应用于视频监控领域的目标跟踪模式识别方法,都需要先对移动目标进行模式学习。但是,这些方法不适合同时跟踪多个不同的目标,因为每一个移动目标的模式都应该是预先确定好的。因此,提出了一种新的基于粒子滤波和背景减除的无监督多运动目标检测与跟踪方法来解决这个问题。该方法能够自动探测和跟踪许多移动目标,没有任何学习阶段,也没有任何关于大小、性质或初始位置的先验知识。对多个视频测试集进行了实验验证,测试结果表明,该方法可以成功地处理复杂情况下的目标跟踪。与其他方法进行比较,结果显示提出的方法检测以及跟踪目标性能更好。     

基于运动检测与运动搜索的多目标跟踪

提出一种新的单摄像机多目标跟踪方法,采用全局背景减法得到当前帧所有运动区域,利用kalman滤波器及局部背景减法得到已跟踪目标在当前帧的预测区域,根据全局减法运动区域及预测区域的位置及大小来判断是否有遮挡发生,并用不同匹配方法进行目标跟踪。实验表明,该方法能有效提高单摄像机跟踪对目标合并、遮挡等问题的处理能力。     

多场景视频监控中的人物连续跟踪

针对多场景监控,提出一种能在非重叠的多摄像机之间,实时地检测与被跟踪行人（目标）的视频监控系统。该系统分别对每个摄像机视频进行背景建模、前景检测以及运动目标的特征提取,当目标离开摄像机视域的时候,根据已知的拓扑关系向相关摄像机发布监控任务,当有目标进入处于有效监控状态的摄像机视域时,进行目标匹配,从而实现在多摄像机系统中对行人目标的持续跟踪。实验表明,该系统在非重叠摄像机场景中能实现实时的、鲁棒的目标跟踪。     

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．     

基于金字塔光流法的移动增强现实三维跟踪注册研究

应用于室外场景识别的移动增强现实系统,需要保持高效且精准的三维注册,从而实现稳定的虚实融合。为了减小复杂场景对目标跟踪的影响,提出一种基于AKAZE和金字塔光流法相结合的三维跟踪注册方法,采用AKAZE算法检测视频流图像的特征点,再用光流法对目标区域进行持续跟踪,实现特征匹配后计算摄像机标定结果,最终完成三维跟踪注册。实验结果表明,该方法能实现实时持续的目标跟踪,同时三维注册效果良好。     

视觉监控应用中多传感器协作的人脸检测系统

提出了一种新颖的由两个可控摄像机组成的多传感器视觉监控系统,旨在实现户外环境下的实时跟踪与特征化运动目标.特别地,该系统利用一个在多个缩放级别上可操作的移动摄像机在连续视频帧中自动获取与跟踪人脸.配合它的是一架能执行自动目标跟踪与分类的固定广域摄像机.     

基于深度学习的多旋翼无人机单目视觉目标定位追踪方法

针对无人机对目标的识别定位与跟踪,本文提出了一种基于深度学习的多旋翼无人机单目视觉目标识别跟踪方法,解决了传统的基于双目摄像机成本过高以及在复杂环境下识别准确率较低的问题。该方法基于深度学习卷积神经网络的目标检测算法,使用该算法对目标进行模型训练,将训练好的模型加载到搭载ROS的机载电脑。机载电脑外接单目摄像机,单目摄像头检测目标后,自动检测出目标在图像中的位置,通过采用一种基于坐标求差的优化算法进行目标位置准确获取,然后将目标位置信息转化为控制无人机飞行的期望速度和高度发送给飞控板,飞控板接收到机载电脑发送的跟踪指令,实现对目标物体的跟踪。试验结果验证了该方法可以很好的进行目标识别并实现目标追踪     

基于机器视觉的动态多点手势识别方法

提出了一种高效的基于HSV颜色空间的多目标检测跟踪方法,实现通过摄像机实时检测跟踪多个指尖目标;定义了一套基于指尖运动轨迹的动态手势模型,并提出了动态手势识别方法;对于两点动态手势,通过BP神经网络进行手势学习和手势识别,而对于模拟鼠标手势和四点动态手势,利用指尖之间相互位置关系进行手势识别.测试结果表明,该方法能够快速、准确的跟踪多个运动的指尖目标并进行动态多点手势识别.     

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。     

单目视觉室内无人飞行器运动目标测距技术研究

为了准确检测动态背景中运动目标并对其测距,实现室内无人飞行器避障需求,本文研究一种基于单目视觉的运动目标测距方法。在惯性信息辅助提高运动目标检测跟踪效率的同时,推导基于小孔成像几何约束的测距算法。在初步解算距离情况下,研究针对摄像机俯仰角误差的测距补偿方法。实验结果表明,本文算法不仅能够完整检测和跟踪运动目标,并且便于准确快速求取运动目标到摄像机的距离,具有重要的工程参考价值。     

基于OpenCV的视频运动目标检测与跟踪

针对视频文件中运动目标检测与跟踪这一问题,提出一种先检测后跟踪的方法.首先利用平均背景法完成对背景模型的更新,从而检测出运动目标,在此基础上利用投影法来投影出运动目标的大小,最后再利用MeanShift算法对运动目标进行跟踪.在跟踪过程中,通过OpenCV编写程序实现对运动目标的检测与跟踪.实验验证,该方法在实现运动目标的精确检测与跟踪的基础上,减少了运算量,提高了跟踪的速度.     

一种单摄像机视域的车辆检测与跟踪方法

在单摄像机视域中,针对复杂环境下运动车辆的检测与跟踪问题,提出一种基于高斯混合模型和灰色预测模型GM(1,1)的检测与跟踪方法,该方法通过不断更新高斯分布参数和GM(1,1),从而减小环境对车辆检测与跟踪的影响。实验结果表明,这两个模型结合起来能够快速、准确地实现运动车辆的位置预测和跟踪,提高了视频监控系统的鲁棒性。     

面向不同距离的实时人体检测与跟踪系统

提出一种实时的覆盖不同距离的人体检测与跟踪系统,可快速准确检测和跟踪监控区域内出现的人体目标.该系统通过使用背景减除技术,分割背景与移动前景,缩小检测范围.针对在不同距离下便于提取的人体特征不同的情况,系统结合人体轮廓、头部、人脸等多种不同的特征描述、检测方式,并且充分利用视频信息在时间上的连续性及人体部分几何尺寸位置关系的先验知识,提高检测跟踪的效率和准确度.该系统较好地解决由于目标相对摄像机距离的改变导致跟踪失败或速度过慢的问题.     

WV-CW970第二代智能自动跟踪快球

产品特色： 该产品在智能自动跟踪方面具备一些实在的功能，如摄像机接力、场景变化检测等。 1、智能自动跟踪：该产品通过模板匹配算法，确定要跟踪的目标，从两个相邻帧中检测出移动轨迹。目标的特性被当作一种模板记忆下来，在周围环境中对模板进行比较，摄像机能精确地找出有相同模板特性的目标，然后进行跟踪。