基于尺度空间的改进均值偏移目标跟踪

针对在均值偏移算法中颜色直方图不能够很好地对跟踪目标进行描述,提出了基于尺度空间的改进性均值偏移算法。使用跟踪目标的颜色特征和尺度空间特征对其统计直方图进行改进,并且通过尺度因子对目标的位置和大小进行了调整和修正。实验表明改进算法对目标在运动过程中放大变化具有很好的跟踪效果。     

基于改进Mean-Shift的颜色直方图地板块跟踪算法

针对传统Mean-Shift算法中密度估计在速度、光线等因素影响下存在丢失目标的缺陷,在Mean-Shift算法基本原理的基础上,提出一种目标颜色直方图和Mean-Shift迭代算法相结合的跟踪方法。将该算法应用于地板块跟踪领域,研究了在遮挡物以及光线影响下该算法的可行性和跟踪效果。仿真和实验结果表明,该算法兼备跟踪快速、识别准确、稳定性好等优点,优于传统的Lu-cas-Kanade算法、Camshift算法,为地板块跟踪算法的研究提供了一个新的思路。     

基于颜色直方图的粒子跟踪算法在视频监控中的应用

摘 要：本文通过对跟踪目标颜色特征的分析,采用了基于颜色直方图的粒子滤波跟踪算法对目标进行实时跟踪。该算法首先确定目标跟踪模型并归一化颜色直方图,其次设定粒子初始化参数、计算粒子参数、比较颜色直方图从而确定目标位置,最后通过重采样更新粒子。该算法充分利用颜色直方图作为目标的描述特征,同时兼顾粒子滤波对复杂环境的要求,可以实现非线性和非高斯噪声系统的目标跟踪。仿真效果表明,该算法可以很好的对单目标和多目标进行实时跟踪。     

基于OpenCV的运动目标跟踪及其实现

CAMSHIFT算法是一种基于颜色直方图的目标跟踪算法。在视频跟踪过程中,CAMSHIFT算法利用选定目标的颜色直方图模型得到每帧图像的颜色投影图,并根据上一帧跟踪的结果自适应调整搜索窗口的位置和大小,得到当前帧中目标的尺寸和质心位置。在介绍Intel公司的开源OpenCV计算机视觉库的基础上,采用CAMSHIFT跟踪算法,实现运动目标跟踪,解决了跟踪目标发生存在旋转或部分遮挡等复杂情况下的跟踪难题。实验结果表明该算法的有效性、优越性和可行性。     

一种改进的粒子滤波和Mean Shift联合跟踪算法

为了提高视频运动目标跟踪的准确性和实时性,提出一种改进的粒子滤波和Mean Shift联合跟踪算法.针对传统粒子滤波跟踪算法中颜色直方图观测模型存在的局限性,提出了一种基于分块颜色直方图的观测模型描述方法,并根据该分块直方图的特点,重新设计了粒子权值的更新策略;针对粒子滤波算法实时性差的问题,提出了一种基于积分直方图的颜色特征快速计算方法,极大地降低了算法的运算量;为了降低相似背景干扰对跟踪效果的影响,提出了一种基于Gabor幅度谱的Mean Shift跟踪算法,并利用改进的Mean Shift算法对粒子滤波跟踪结果进行优化,提高了跟踪算法在复杂背景下的搜索能力.实验结果表明了算法的有效性.     

基于直方图处理和新型相似性度量函数的小尺寸目标跟踪算法

小尺寸目标跟踪是视觉跟踪中的难题.本文使用均值移动算法跟踪小尺寸目标.论文首先分析了基于均值移动的小尺寸目标跟踪算法的两个主要问题:跟踪算法中断和跟踪目标丢失.然后,论文在这两个方面对小尺寸目标跟踪算法进行改进.给出了一种新的直方图单元编号方法,使包含目标颜色分量的直方图单元分布得更为集中紧凑.当候选目标与目标模型不匹配时,给出一种平滑算法来处理候选目标的直方图.论文提出一种新的相似性度量函数,推导了相应的权值计算公式,在此基础上建立了基于均值移动的目标跟踪算法.多段真实场景视频序列的跟踪实验表明,本文提出的算法可以有效地跟踪小尺寸目标,跟踪精度也有一定提高.     

基于均值漂移的视觉运动目标跟踪方法

视觉运动目标跟踪在军事与民用领域都有广阔的应用前景,由于实际环境的复杂性与运动目标的易变性,视觉运动目标跟踪具有很大的挑战。采用基于颜色分布的核函数直方图,实现了基于均值漂移的跟踪算法,仿真实验表明了这种方法的有效性。     

基于二次加权Mean-Shift的目标实时跟踪

针对经典Mean-Shift跟踪算法需要多次迭代才能达到收敛的缺点,提出一种高效的Mean-Shift跟踪算法。在使用颜色空间作为目标特征的跟踪系统中,目标本身往往可以表征为区别于背景的颜色特征,而颜色特征的分布则与偏移向量的权值相对应。通过分析跟踪算法中不同的权值对收敛速度的影响,对加权系数进行了二次加权,使改进的算法只需要一次粗定位和一次精确定位2次迭代便可准确地对目标进行定位。试验结果表明,该算法在保证了经典算法准确性的同时,大大加快了向目标收敛的速度。     

一种对光照变化鲁棒的均值漂移跟踪方法

颜色作为一个有效的视觉特征,被广泛的用于基于表面模型的跟踪中。但在跟踪过程中,由于光照、视角及摄像机参数等的变化,往往会造成目标颜色的改变,使得跟踪不稳定。该文提出了一种新的基于局部背景动态修正模糊颜色直方图的均值漂移跟踪方法,在颜色-空间域运用核密度估计建立目标的模糊颜色直方图模型,利用目标的局部背景动态修正目标模型,克服了基于传统颜色直方图建立目标模型时对于光照变化较为敏感的缺点。实验验证了该文算法可以平滑相似性表面,减小局部极值点对跟踪的影响,在光照剧烈变化的情况下能够实时鲁棒地跟踪目标。     

基于HSV非均匀量化的CAMshift目标跟踪算法

针对经典CAMshift(Continuously Adaptive Meanshift,连续自适应均值偏移算法)算法易受色度相似背景像素干扰的问题,提出了基于HSV菲均匀量化的CAMshift目标跟踪算法,有效地解决了经典算法存在的缺陷.通过在经典CAMshift算法颜色直方图中引入亮度和饱和度分量,并对颜色空间进行非均匀量化,提高目标与背景的区分度,抑制背景像素对目标的干扰.在多个视频数据上的仿真实验结果表明,该算法有效地克服了经典CAMshift算法对背景像素敏感的问题,提高了与背景色调相近场景下目标跟踪的准确性.     

分层结构直方图及其应用

针对传统直方图特征存在的特征分辨能力不强的问题,提出了一种图像分层结构直方图.该特征首先将图像按照亮度幅值的大小进行分层,然后根据预先设计的结构图元对所有的分层图进行基于结构图元的直方图统计,最后将所得的直方图进行集成得到最终的分层结构直方图.以图像匹配与视觉跟踪为例,对分层结构直方图的应用进行了大量的仿真实验,结果表明该特征较参考特征具有更强的特征分辨性能和局部描述能力.利用分层结构直方图进行图像匹配得到的相似性度量图单峰特性更加明显,能够显著降低视觉跟踪算法的跟踪误差.     

基于Contourlet直方图的目标跟踪算法

提出一种基于Contourlet直方图的目标跟踪算法。对图像先进行Contourlet变换,并利用变换后的Contourlet系数建立Contourlet直方图,将其作为meanshift算法的迭代参数来实现目标跟踪。实验结果表明,本算法具有较好的鲁棒性,能够在遮挡、小目标等情况下实现快速准确的跟踪。     

一种特征融合的带宽自适应Mean Shift跟踪算法

传统Mean Shift跟踪算法在目标颜色特征和背景颜色特征相近、尺度变化等情景下效果不理想。提出了一种特征融合且核函数带宽自适应的改进跟踪算法,针对颜色直方图容易受背景区域影响,融合了边缘直方图,并对核函数带宽进行自适应更新。另外,对目标模型的更新进行了相关探索并给出比较结果。结果表明,该算法可以对目标实现更稳定的跟踪,对目标颜色和背景颜色相近、尺度变化等场景具有很好的适应性。     

基于后向投影的目标实时跟踪系统设计

设计一种基于DSP-TMS320VC5416与FPGA的实时图像跟踪系统.该系统首先采用FPGA实现对图像数据的3×3中值滤波,滤波后数据采用乒乓操作的方式传输给DSP处理器.在跟踪算法上采用了直方图作为目标特征,使用直方图后向投影方法实现对动态目标的跟踪.采用浮点数定点化处理,提高了算法的运行速度.实际结果应用表明:该系统具有良好的实时性与稳定性.     

基于颜色和边缘直方图的多目标跟踪

为了解决基于颜色直方图的多目标跟踪方法对复杂场景适应能力差,容易丢失目标的问题,文中提出一种将颜色直方图与边缘方向直方图相结合的多目标跟踪方法。该方法首先采用一种分块连通域标记方法进行多目标提取,并获得目标的颜色、边缘特征;然后融合目标颜色与边缘两种特征来描述目标的外观模型;最后对跟踪过程中的目标模板进行更新。实验结果表明,该方法对于目标在尺度、光照、姿态发生变化以及目标发生旋转情况下能够实现目标的稳定跟踪,具有很强的鲁棒性。实验中对3组挑战性的视频序列进行了测试,目标数目选定为2个,目标窗口大小为64 pixels× 64 pixels的情况下,本文方法跟踪速度最高可达20 fps,基本上可以满足实时性的跟踪需求。     

基于时空二维目标描述的红外小目标跟踪

根据红外弱小目标的时空域特性,提出了一种基于时空二维直方图均值移动的红外弱小目标跟踪方法。本文构建了空域分量和时域分量来表示红外弱小目标,形成时空二维图像。当前帧图像包含目标的空域分布信息,因此将当前帧图像作为空域分量;差分图像包含目标的运动特性,反映了目标的时域特性,因此将前后两帧差分图像作为时域分量。利用时空二维目标表示方法,采用均值移动算法进行目标跟踪,同时根据Bhattacharyya系数来更新目标模板。采用实际拍摄的小目标视频来检测本算法,仿真结果显示本算法能稳健的跟踪红外弱小目标,均值移动算法的跟踪精度得到了较大的提高。