基于分层模板的目标实时跟踪算法

在数字图像处理领域里,相关匹配技术有着广泛的应用,尤其在目标搜索和跟踪应用中.相关匹配算法通过计算目标图像与模板图像的相关值来确定是否图像和模板相关,具有很高的跟踪准确性和稳定性,但当目标仅占模板一小部分时,普通相关匹配算法效果很差.分析了有关相关跟踪算法的特点,提出了分层模板匹配的算法,并应用在实际的工程应用系统中;通过实验证明,该算法能较好地改善对小目标的跟踪效果,并可以克服障碍物对目标的部分遮挡问题.     

一种改进的运动目标跟踪算法

为了进一步增加均值平移算法用于目标跟踪的准确性和鲁棒性,提出了加入目标位置的预测、对大目标间断采样、联合颜色信息与边缘信息建立直方图、采用多个候选目标优选与验证等4种改进方法,减小算法的计算量,提高算法的匹配速度,增强算法的适应性.使用Edinburgh大学提供的Workshop 1 front图像序列进行测试,分别得到了原算法与改进算法的Bhattacharyya距离,通过比较其平均值和标准偏差,说明了改进算法中最优匹配比原算法准确.使用自拍摄的复杂背景图像测试后,说明了改进算法的适应性.实验结果表明,改进后的均值平移算法对运动目标跟踪效果良好.     

复杂背景下抗遮挡的运动目标跟踪算法

通过对各种跟踪算法的研究,提出了一种适应性较好的目标运动预测与多模板匹配相结合的相关跟踪算法,并给出了模板匹配相关算法中的判断准则、模板更新准则和目标被遮挡判断。实验证明,该方法能够在复杂背景条件下运动目标发生遮挡时进行稳定跟踪。     

新的基于Kalman滤波的跟踪方法

模板更新策略是匹配跟踪算法成败的关键，为了提高基于模板匹配跟踪算法的性能，在分析多种模板更新算法的基础上，给出使用Kalman滤波器更新模板的方法。该方法不再将模板图像视为一个整体，而是使用Kalman滤波器对模板图像逐像素点进行更新，以得到自适应和最佳的目标模板图像，使匹配跟踪算法的性能得到很大提高，特别对于目标被遮挡、目标姿态变化以及环境照度变化有很强的适应性。对匹配算法的改进和遮挡的处理使该算法的性能得到进一步提高。实验结果表明该方法行之有效。     

一种基于曲线拟合预测的红外目标的跟踪算法

给出了一种将曲线拟合和相关跟踪相结合的红外目标跟踪算法。该算法以目标质心作为匹配模板的中心，采用SSDA进行相关运算，以图像相关匹配的输出值更新所拟合的曲线，并以曲线的预测值作为下帧图像匹配搜索的初始值，使相关运算仅在很小的窗口内进行。该算法还定义了跟踪的帧内置信度和帧间置信度信号，实时智能的更新模板。实验表明，该算法能有效减少相关匹配的计算量，保证跟踪精度。     

基于块匹配的运动对象检测算法

针对交通监控视频图像的特点，本文对传统的块匹配算法做出改进，提出了一种新的块匹配算法。算法的改进主要在两个方面：引进了零运动阚值；采用自顶向下逐步细化的搜索算法。仿真结果表明，提出的算法对图像的噪声适应性强．而且跟踪对象准确。     

一种新的相关跟踪方法研究

提出了一种基于区域模板相关的实时跟踪算法.首先对图像序列进行熵阈值分割,然后用形态学滤波的方法去掉噪声,最后用相关系数作为相似度度量准则来确定目标的位置实验结果显示,此算法有效地克服了传统的相关跟踪算法的缺点,具有较好的匹配精度和实时性.     

一种新的实时相关跟踪算法

提出一种基于改进的区域模板相关的实时跟踪算法。图像序列首先进行熵阈值分割，然后用形态学滤波的方法去掉噪声，匹配程度的算法选择的是归一化自相关匹配算法。实验结果显示，此算法有效地克服了传统相关匹配算法的缺点，具有较好的匹配精度和实时性。     

基于Simulink的目标跟踪系统仿真

视频图像目标的搜索跟踪是图像处理应用的一个重要领域.基于归一化互相关匹配算法,利用Simulink视频和图像模块,建立了目标跟踪系统的仿真模型,并对仿真结果进行了分析,最后利用金字塔搜索方法对系统实时性进行了改进.     

基于Hausdorff距离的多分辨率目标跟踪方法

针对目前运动目标跟踪算法的计算结果和效率不能令人满意的现状,提出利用改进的Hausdorff距离进行模板匹配,它具有计算量小,适应性强的特点.为了能较快的跟踪目标,采用多分辨率分析的方法处理序列图像.实验结果表明,本文的算法能显著提高运动目标跟踪的准确程度和效率.     

一种基于多传感器数据融合的目标跟踪算法

在制导与跟踪系统中．雷达和红外成像传感器所固有的优缺点，决定了其自身的局限性。为综合利用上述传感器信息，提高目标跟踪精度，提出了一种基于雷达和红外成像传感器数据融合的交互多模目标跟踪算法，算法首先对红外图像进行处理，然后基于上述处理结果．利用交互多模算法对雷达观测信息进行目标跟踪，最后采用分布式数据融合算法得到最终目标的跟踪结果。在有效提高跟踪精度的同时，减少了运算量。     

基于全局运动补偿的红外目标变换相关跟踪算法

提出了一种新的前视红外序列图像目标跟踪方法.利用基于区域分割和模板匹配的全局补偿算法进行运动估计,有效消除了运动平台中摄像机运动对跟踪性能带来的不利影响.同时,采用二元联合变换相关器进行红外目标的检测与跟踪.通过将振幅调制的功率谱转化为脉冲调制的功率谱,可以获得更清晰尖锐的相关峰,提高了算法的鲁棒性.实验结果表明,该方法是有效的和稳健的.     

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。     

基于多模板匹配的双模型自适应相关滤波跟踪算法

为有效提升目标跟踪的精确度和实时性,设计了基于多模板匹配的双模型自适应相关滤波跟踪算法。对多模板匹配模型与核相关滤波跟踪模型参数进行初始化处理：多模板匹配模型选取得分函数作为模板与候选样本间匹配准则,通过候选样本得分获取最佳目标,更新多模板后,通过形变多样相似性实现多模板匹配;核相关滤波跟踪模型利用所采集目标样本数据建立循环矩阵,通过训练核化岭回归分类器获取核相关滤波器,并获取响应置信图,再利用响应置信图获取下一帧图像目标位置。通过自适应融合策略获取两个模型所估计目标位置,再采用金字塔尺度估计策略估计目标尺度变化,通过不断更新各模型参数实现目标精准跟踪。实验结果表明,在目标受遮挡或旋转、光照变化等复杂环境下,该算法的中心跟踪误差均低于15 dpi,平均跟踪精确度均高于98%,且目标定位时间低于100 ms,说明该算法在跟踪精确度和实时性上具有明显的应用优势。     

基于互信息和自适应模板更新的目标跟踪算法

基于归一化互信息的图像目标跟踪算法,在目标发生刚体旋转,出现遮挡或光照条件发生变化时具有较好的稳定性。但是,实用的跟踪系统还要求算法能实时适应运动目标的外观变化,因此,在对归一化互信息跟踪算法研究的基础上,引入基于多尺度图像信息量的模板尺寸自适应更新策略。实验结果证明,改进的跟踪算法,在目标尺寸变化时能够自适应更新模板...     

融合相关滤波和CNN的点状目标跟踪技术研究

在研究点状目标跟踪的基础上,该算法利用多层卷积特征和相关滤波技术进行目标跟踪。为解决目标因淹没在杂波中丢失的问题,该算法使用重检测机制实现目标的长期跟踪。首先,使用VGG模型提取红外点状目标的多层卷积特征,然后在每一层上经过相关滤波计算最大响应值,最后通过权重融合获得最终响应值,实现点状目标跟踪。当目标丢失时,利用重检测技术检测目标,将检测结果作为标签,更新分类器,实现长期跟踪,并进行了理论分析和实验验证。实验结果表明,此算法对于点状目标的跟踪效果显著,具有较高的准确性。     

一种对亮度变化鲁棒的相关跟踪方法

针对复杂背景目标跟踪过程中,目标亮度和对比度发生变化易导致跟踪不稳定或失败的问题,提出了一种对亮度变化鲁棒的相关跟踪方法。该方法利用图像相位一致性特征对亮度变化不敏感的特点,对原始图像进行相位一致性计算,得到相位一致性图像,再采用传统的最小绝对差(MAD)相关跟踪方法对目标进行跟踪。实验结果表明,该方法对图像的亮度变化具有很强的适应性,较好地解决了传统相关跟踪算法因图像亮度变化导致跟踪点漂移甚至目标丢失的问题。     

基于多模型融合的红外序列跟踪算法

作为一种新型图像获取技术,热红外技术能避免光照强度和背景颜色对目标提取的影响。当前利用热红外序列进行目标跟踪的算法大多结合可见光和热红外图像。针对这种局限性,提出了一种纯粹基于热红外序列的跟踪算法。首先,通过改进的码书算法和灰色预测模型,对序列中的背景信息和运动目标的运动方向进行建模;然后,将建模结果结合到压缩跟踪算法中,通过自适应的方法使背景信息、运动信息以及目标特征信息在跟踪过程中互相补充,消除跟踪算法对于可见光图像的依赖性,减少由于目标纹理特征不明显而对跟踪效果产生影响。实验证明,经改进的跟踪算法处理速度快,正确性得到了明显的提高,能更好地适应热红外序列的特点。     

基于不变矩特征的红外成像制导跟踪算法研究

随着红外成像制导技术的发展,它对制导跟踪算法的精度和实时性的要求越来越高。制导系统已被要求在20 ms的时间内输出跟踪结果。某些跟踪算法虽然效果较好,但达不到实时输出。经典的制导算法-相关跟踪算法主要基于像素灰度特征进行跟踪,无法解决跟踪过程中由于目标的旋转、膨胀以及仿射变换带来的跟踪点漂移问题。为了解决经典相关跟踪算法无法解决图像旋转时的跟踪稳定性问题以及目标图像急剧膨胀时的跟踪点漂移问题,研究了图像不变矩的特征。利用图像不变矩的旋转-伸缩-平移不变性,选择合适的不变矩特征用于跟踪。通过用归一化的乘法相关函数以及基于相关系数值的模板更新策略设计跟踪算法,解决了复杂背景及强噪声条件下不能对尺寸和形状发生变化的目标进行稳定跟踪的问题。