基于改进Camshift算法的NAO机器人目标跟踪

针对Camshift算法应用于NAO机器人目标跟踪过程中,当目标受到相似颜色背景干扰或被物体遮挡时跟踪失败的问题,提出一种基于ORB特征检测和Kalman滤波多算法结合的目标跟踪方法。首先检测目标ORB特征点初始化搜索窗口,然后利用Kalman滤波作为目标运动状态的预测机制,以预测的位置初始化Camshift算法。利用Bhattacharyya距离判断跟踪窗口的收敛性,若受到背景干扰,则利用ORB算法对当前帧中的Kalman预测区域和目标模型进行特征点匹配,重新检测目标在视频帧中的位置。根据Kalman滤波预测目标被物体遮挡后可能的位置来更新预测器参数。实验结果表明,改进的算法能够在相似颜色背景干扰和目标遮挡的复杂环境下,连续稳定地跟踪运动目标。     

红外复杂背景中一种融合两类跟踪框架优点的小目标跟踪算法

提出了一种融合"滤波、数据关联"跟踪框架和"目标建模、定位"跟踪框架优点的红外复杂背景中小目标跟踪算法.在算法的具体设计中,提出了一种基于非线性量化核函数直方图的小目标建模方法和一种基于目标局部区域背景复杂程度Kalman滤波的当前帧目标模板更新策略.实践证明,此算法不仅降低了传统Mean-shift迭代算法对于小目标跟踪的不稳健性,而且具有比一般Kalman滤波器更强的抗跟踪系统观测噪声扰动的能力.     

采用尺度空间特征点匹配的红外目标跟踪

针对红外图像信噪比低,对比度不高,目标跟踪困难等复杂情况,提出了一种基于尺度空间特征点匹配的红外目标跟踪算法.设计出一种基于尺度因子变化的高斯卷积模板尺寸自适应调整以及连续帧目标区域双向配准的办法,前帧目标区域特征点匹配出后续帧目标区域特征点,以后者特征点集质心坐标去建立目标跟踪搜索窗,完成在视觉效果差的背景下的红外目...     

一种最小二乘与自适应Kalman联合滤波算法

"当前统计模型"滤波算法中采用上一帧的加速度来预测当前时刻的目标位置,当目标做变加速度运动时,预测值不能反应本帧的加速度变化,目标跟踪精度难以保证.针对这个问题,本文提出了一种最小二乘和Kalman的联合滤波算法,在自适应Kalman滤波前,采用最小二乘算法对当前数据进行拟合,用拟合的位置、速度和加速度作为目标的预测位置送入Kalman滤波器进行滤波处理,克服了"当前统计模型"滤波中存在的问题,提高了跟踪精度.     

基于TLD框架的上下文目标跟踪算法

提出了一种基于TLD (Tracking-Learning-Detection)框架的上下文目标跟踪算法.在TLD框架中,融入时空上下文跟踪算法,提高跟踪器的鲁棒性和稳定性.引入Kalman滤波来处理目标被严重遮挡时跟踪失效的问题.此外,采用由粗到精的搜索策略进行目标检测,利用帧差法确定运动目标疑似区域,提高检测效率.实验结果表明所提出的算法具有较好的鲁棒性和实时性.     

基于Kalman预测和Mean-shift算法的视频目标跟踪

提出一种用Kalman滤波理论和Mean-shift算法结合的视频目标跟踪方法,解决了目标变形、部分遮挡和运动速度过快问题。在初始帧中,确定跟踪目标并计算H分量直方图,将每帧图像转化为该直方图的概率投影图;在当前帧中,用Kalman滤波预测搜索窗口,并在搜索窗口中用自适应的Mean-shift算法精确匹配跟踪目标。实验结果表明,本文方法对刚体、非刚体和多目标的跟踪都具有良好的自适应性。     

较大尺度运动下的人体特征点跟踪算法研究

利用光流法可以对视频中运动目标进行特征点跟踪,当目标存在较大尺度运动时,光流法图像一致性假设难以满足,导致特征点跟踪丢失。针对此问题,提出了一种基于Lucas-Kanade(L-K)金字塔光流算法的运动人体特征点跟踪方法。首先,利用帧间差分法得到帧差图像序列,获取行人的运动区域;然后用尺度不变特征变换（SIFT）算法检测选定初始帧中的特征点;最后运用L-K金字塔光流算法跟踪这些特征点在后续帧中的位置。实验结果表明,该算法对较大尺度运动的特征点跟踪有很好的效果,提高了跟踪的准确性。      

采用SIFT特征的空基动态视频稳定技术

当采用空基平台对道路进行交通检测时,平台沿道路飞行,空基平台姿态不易控制且控制精度较低,此外,由于风速影响和平台自身振动等因素,检测获取的视频图像存在不必要的随机摇摆和抖动,为了去除抖动,改善观测效果,需进行动态观测模式下的视频稳定处理以实现稳定观测.采用改进的SIFT算法进行特征提取,提高了SIFT特征提取的效率,并根据动态视频相邻帧匹配的实际应用,采用邻域搜索方法进行特征匹配,提高了匹配的精度.得到精确匹配的特征点对进行运动参数估计,并采用Kalman滤波对运动参数平滑后进行视频图像的校正补偿,得到稳定的视频输出.该算法精度较高,稳定效果较好,能有效地实现空基平台动态视频稳定处理,便于交通监控,为后续的目标检测与跟踪提供了便利.     

改进的Meanshift运动目标跟踪算法

Meanshift算法在对快速运动的目标进行跟踪时容易丢失目标,并且在目标被遮挡时,也容易造成跟踪失败,跟踪的过程中跟踪框不能随着运动目标的大小变化而变化.提出一种基于Meanshift运动目标跟踪算法的改进算法.该算法基本思想是采用改进的三帧差分法对运动目标区域进行提取,求得跟踪框轮廓,同时用Meanshift算法对运动目标进行跟踪,获得目标最大概率区域,将该区域中心作为跟踪框的中心.跟踪过程中通过巴氏系数判断是否目标被遮挡,若被遮挡则调用Kalman滤波进行预测跟踪.实验结果表明,该算法能够快速、准确地跟踪目标.     

基于Kalman和双级联随机森林的在线目标跟踪算法

针对传统的基于检测的在线目标跟踪算法容易产生跟踪漂移的现象,提出了一种新的在线目标跟踪算法.以基于主方向模板特征的双级联随机森林分类器作为检测器,卡尔曼滤波器作为跟踪器.首先利用卡拉曼算法跟踪目标,然后以跟踪的目标位置为中心向外扩展一定的范围作为双级联随机森林分类器的检测区域,利用全局随机森林分类器和局部随机森林分类器进行目标检测,并将检测结果作为Kalman跟踪算法下一帧的观测值.实验结果显示,提出的算法在跟踪大小420×320的图像时,跟踪速度达到24.3 f/s(帧/秒),目标中心位置误差在30 pixel时,算法准确率可达到80％以上.     

基于粒子滤波的视频图像目标遮挡算法研究

基于粒子滤波的视频图像目标遮挡算法是当前的一个热门研究领域.在对于视频图像目标跟踪方面,综合运用了多种算法进行检测和跟踪,详细分析光流法、帧间差分法、背景差分法和视频图像目标特征的提取,并在最后对帧间差分的算法进行了改进.通过实验证明,采用基于粒子滤波的视频图像目标遮挡算法能够更加有效地解决对跟踪目标的准确判断.     

实时红外目标跟踪方法

针对红外图像的特点,提出一种实时目标跟踪方法。该方法采用局部二元模式(LBP)算子提取图像的多尺度LBP编码直方图作为图像特征向量,使用卡方统计度量模板图像和样本图像的相似度。结合Kalman滤波和多尺度模板更新机制,使得算法在目标尺寸大幅变化,目标部分遮挡、短暂消失等情况下仍能保持跟踪的正常稳定进行。针对该算法,设计了专用图像处理板卡,介绍该算法在图像处理板上的硬件实现方法,使目标跟踪满足50 Hz/s的实时处理要求。最后,使用两组实录红外序列图像进行了仿真实验,验证了该算法的有效性和鲁棒性。     

基于压缩感知和熵计算的关键帧提取算法

针对关键帧提取问题,提出了一种基于压缩感知理 论和熵计算的关键帧提取算法, 首先通过构造符合有限等距性质要求的稀疏随机投影矩阵,将高维多尺度帧图像特征变换为 低维多尺度帧图像特征, 并形成视频镜头低维多尺度特征列向量组;然后通过随机权值向量与低维多尺度特征向量的 阿达玛乘积运算生成各 帧图像的匹配特征,并根据匹配特征的相似性度量完成镜头内部的子镜头分割;最后通过交 叉熵计算在每个子镜头 中得到可能的关键帧,并由图像熵计算确定最终的关键帧。实验表明,与传统方法相比,本 文算法提取的关键帧能够更精确、更稳定描述视频镜头内容。     

基于卡尔曼和图像信息量的Mean Shift改进跟踪算法

Mean Shift算法在目标实时跟踪领域取得了广泛的应用,但是对于速度过快或尺度变化大的目标跟踪存在较大的缺陷.提出了一种基于Mean Shift和Kalman预测带宽的自适应跟踪算法.该算法提出以Kalman预测目标在下帧中的中心位置作为Mean Shift迭代初始位置;同时引入图像信息量度量方法以适应目标的尺度变化.实验结果表明,改进的跟踪算法能很好地跟踪尺度变化的目标,跟踪效果很好.     

一种新的无人机航拍序列图像快速拼接方法

 无人驾驶飞机航拍序列图像的邻近帧间含有大量的相交区域,这些相交区域是进行基于特征的图像拼接的基础,但是也成为了降低拼接效率的冗余信息.因此,本文提出一种既稳定又具有较小时间开销的无人机航拍序列图像的自动拼接方法.利用图像拼接过程中查找到的匹配特征点,自适应提取出适于航拍序列图像快速拼接的关键帧;在分析了序列图像的拼接时的相交区域的运动模型的基础上,建立了无人机航拍序列图像配准过程中的特征搜索区域预测的卡尔曼滤波器,减少了特征搜索和配准的时间;然后给出了详细无人机航拍序列图像的快速拼接方法,实验结果显示,本文的方法具有较好的拼接效果和拼接效率.     

尺度估计和多特征融合的目标跟踪算法研究

针对核相关滤波器跟踪算法（Kernel Correlation Filter,KCF）在特征提取单一以及尺度估计不足而导致跟踪效果不佳的问题,本文提出了一种多特征融合的尺度自适应核相关滤波目标跟踪算法。首先,使用帧差法将相邻帧图像对应像素值相减得到差分图像;其次,对差分图像提取方向直方图特征,再与目标的均一局部二值纹理特征和颜色特征进行线性加权融合;最后,引入一种尺度估计策略,将尺度滤波器的估计值与分块算法的估计值融合计算得出目标的尺度和位置。实验数据表明,本方法能有效的改善核相关滤波器的跟踪性能,且与其他主流算法相比,在尺度变换下也有较好的跟踪效果。      

基于分块CNN的多尺度SAR图像目标分类算法

针对合成孔径雷达（Synthetic Aperture Radar, SAR）图像目标分辨率差异大,多尺度SAR图像目标分类准确率不高的问题,提出了一种基于迁移学习和分块卷积神经网络（Convolutional Neural Network, CNN）的SAR图像目标分类算法。首先通过大量与目标域相近的源域数据对分块CNN的参数进行训练,得到不同尺度下的CNN特征提取网络;其次将CNN的卷积和池化层迁移到新的网络结构中,实现目标特征的提取;最后用超限学习机（Extreme Learning Machine, ELM）网络对提取的特征进行分类。实验数据采用美国MSTAR数据库以及多尺度SAR图像舰船目标数据集,实验结果表明,该方法对多尺度SAR图像的分类效果优于传统CNN。     

多尺度Gabor小波变换在图像检索中的应用

在基于内容的图像检索中,纹理特征是一种重要而又难以描述的特征。为提高图像检索中纹理特征的提取效率,通过对Gabor滤波器滤波特点的研究,提出一种基于多尺度Gabor小波纹理的图像检索方法。设计了一组具有多种尺度和多个方向的滤波器组,选择并优化滤波器组的各参数,对图像进行滤波和特征提取。设计并实现了一个基于Gabor纹理...     

基于多尺度特征提取的运动目标定位研究

从尺度不变特征变换算法的实时性与鲁棒性分析入手,针对其在特征点匹配精度和匹配效率两方面不足,提出一种基于运动目标的多尺度特征提取算法.该算法通过设计出一种基于尺度因子变化的高斯核模板尺寸自适应调整以及时间轴帧图像双向配准的办法,成功地修正了运动目标图像配准的实时性与鲁棒性的不足.实验证明,多尺度特征提取算法能够有效而快...