基于改进光流法的目标跟踪技术研究

针对传统光流法处理视频序列时存在运行效率低及跟踪偏移问题,结合粒子滤波模型提出一种改进光流法的视频目标跟踪技术. 该技术首先通过遍历法搜索运动点,采用质心定位方式捕获目标质心坐标,然后将得到的视频序列进行光流处理,最后经粒子滤波求解质心运动信息,以实现对视频中目标的精确检测与追踪. 在不同场景下对不同数量、不同类型目标进行仿真跟踪试验,并与光流法、ViBe算法及YOLO算法进行比较. 仿真结果表明,该跟踪技术可使目标跟踪的精准率有效提高5.2%,跟踪效率提高13.7%,同时表现出较好的鲁棒性.     

基于实值特征子空间迭代的DOA估计算法

针对相关信号的DOA估计和角度跟踪的传统算法自适应性差和特征值分解运算量大的问题,提出了一种基于实值特征子空间迭代的DOA估计算法．对每次快拍数据,通过梯度算法自适应更新信号和噪声子空间,并将复值特征子空间变换为实值,最后利用基于信号子空间的角度估计方法(Unitary ESPRIT) 或噪声子空间的方法(实值域求根MUSIC) 估计信号角度．由于引入了自适应特征子空间迭代和实值域处理,该算法无需特征值分解,有效地降低了基于子空间类高分辨算法的运算量,可以应用于相关信号的角度估计和跟踪问题．理论分析和仿真结果表明,算法具有较低的运算量和良好的自适应性,对某米波测高雷达实测数据的处理结果也表明了算法的有效性．     

基于E-PASTd的盲扩频码序列估计算法

针对直接序列扩频信号的扩频码盲估计问题,改进了特征分解的方法,提出了一种基于压缩投影近似子空间跟踪的PN码恢复算法。该算法由两个主特征向量估计非同步延迟值,结合利用压缩投影近似子空间跟踪技术的快速收敛特性提取主分量,避免了对自相关矩阵的直接特征分解运算。计算机仿真表明该算法降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能优于已有的梯度算法和神经网络算法。     

多特征融合匹配的霍夫森林多目标跟踪

针对目标遮挡、形变等复杂环境中多目标跟踪准确性低的问题,提出了一种多特征融合匹配的霍夫森林多目标跟踪算法．首先,该算法根据目标检测响应进行初步关联,在线选取正负样本,通过融合颜色直方图、方向梯度直方图特征以及光流信息构建目标的特征模型;然后利用霍夫森林学习,形成可靠的长轨迹;最后采用多特征融合的轨迹匹配算法,引入颜色直方图的相似性度量和基于Gabor滤波器的特征点匹配两种方式,形成加权融合的概率矩阵,将长轨迹逐级关联为目标的完整轨迹．实验表明,该算法在多个复杂环境的视频序列中,可以有效解决目标形变、相互遮挡等问题,能实现多目标的鲁棒性跟踪．     

基于多项式展开及Harris角点的轨迹跟踪系统

提出了一种基于多项式展开帧间估计和Harris角点检测的运动轨迹跟踪系统。系统先将视频监控图像输入系统,转化为灰度图,以便进行特征提取;接下来确定兴趣区域抓取目标点,提取ROI内角点坐标;最后确定角点的新坐标,定位目标在下一帧的位置,从而实现对目标的跟踪。通过对常用的光流检测算法和角点判断方式进行分析比较,最终选择多项式展开帧间估计和Harris角点检测算法作为图像配准和角点跟踪的方案,并进行参数优化,使系统的鲁棒性和得到了提升,并更能够适应复杂的环境条件。     

适用于目标跟踪的加权增量子空间学习算法

为了克服目标物外观变化给跟踪造成的困难,提出一种基于加权增量子空间学习的目标跟踪算法.该算法构造了一个可在线更新的子空间作为视频中目标物的外观模型,根据概率转移模型预测得到一组图像样本作为目标物在当前帧中可能出现的图像区域;然后将图像样本投影到该低维子空间中估计每个图像样本为目标图像区域的似然度,以具有最高似然度的样本作为目标在当前帧中的图像区域,通过加权增量的方式调整子空间.实验结果表明：相比基于其他增量子空间学习的跟踪算法,该算法能够稳定、准确地对运动目标进行跟踪.     

一种改进的两阶段目标跟踪方法

针对动态场景中使用固定模板进行跟踪容易丢失目标的问题以及利用动态模型估计目标位置时产生的漂移问题,提出一种改进的基于偏最小二乘法的两阶段目标跟踪方法。该方法利用偏最小二乘分析法对在高维特征空间中搜集的正负样本降维,获得特征子空间构建目标表观模型集。跟踪在贝叶斯推理框架下进行:在初始跟踪阶段,利用粒子滤波原理及似然函数估计目标的初步位置;在校正阶段,采用一种适应性的基准模型确定最终的目标位置。对一些视频序列的实验结果证明了所提出方法的有效性。     

基于局部图像描述的目标跟踪方法

针对视频目标跟踪问题,介绍了一种基于局部图像描述的目标跟踪方法.以高斯差值函数图像金字塔中的空间极值点作为图像关键点,在关键点邻接域中,以基于局部二进制模式(LBP)的纹理统计和色彩分布作为特征量,应用特征量在视频序列中的匹配实现目标跟踪.当视频序列中存在目标全局运动、有限度的尺度变化、旋转等复杂因素时,采用纹理和色彩分布得到的局部图像描述具备一定的稳定性,运用权值调整算法寻找稳定特征量集合,能够进一步自适应跟踪目标的外观变化.测试了不同条件下的视频序列,该方法具备良好的跟踪效果和一定的稳定性.     

一种二维到达方向估计的ESPRIT新方法

提出了一种在高斯白噪声环境下基于L型阵列的二维到达方向估计新算法。该算法利用阵列结构的特点形成多个相关矩阵。然后构造一个特殊的大矩阵并由其特征分解获得信号子空间的估计。进而利用2-D ESPRIT方法实现二维角度估计．新算法具有估计精度高,运算量小的优点。而且能够很好地解决信号参数配对问题．     

一种在相干信源下的快速DOA估计算法

针对利用信号的协方差特征值分解求取信号的波达方向计算复杂的问题,本文提出了一种基于传播算子方法的空间平滑技术波达方向估计算法。与传统的子空间方法相比,通过简单的线性分割变换来快速估计噪声子空间,避免了传统子空间算法中运算量极大的特征分解,从而降低了运算复杂度。空间平滑技术处理相干信号源具有良好的性能,通过使用双向空间平滑矩阵和它的共轭复数的区别,构造出广义的协方差阵,可以完全消除空间非均匀噪声。仿真结果证明,空间平滑技术与传播因子算法的结合,能够有效地保持平滑技术良好的性能,进一步降低运算复杂度。     

动态场景下基于视差空间的立体视觉里程计

针对实际的复杂动态场景,提出了一种基于视差空间的立体视觉里程计方法.利用SIFT特征点的尺度和旋转不变性及一些合理的约束条件,实现左、右图像对和连续帧间的特征点匹配和跟踪.通过结合了RANSAC的最小二乘估计滤除运动物体上的干扰特征点,得到较为准确的运动参数的初始值,在视差空间中推导出视觉里程估计的数学模型,通过最小化误差函数得到最终运动估计.实验结果表明,该算法在室内外存在运动物体的复杂动态场景中都具有较传统方法更高的精度.     

基于主成分分析和噪声估计的在线子空间辨识

提出一种在线子空间辨识方法,该方法主要采用Hessenberg QR分解和特征值分解,通过对噪声项进行估计,并结合主成分分析提取子空间矩阵,获得系统的状态空间方程.引入遗忘因子机制,实现对时变系统的辨识.为了验证所提方法的适用性和有效性,分别采用数值模型和工业污水处理过程进行仿真验证.仿真结果表明,相比于其他子空间辨识方法,所提方法在辨识线性时不变系统时,能够获取很好的辨识精度;在辨识线性时变系统时,能够快速跟踪系统变化,并能够获取较好的辨识精度。     

异步DS-CDMA系统盲空时信道估计及干扰抑制

采用噪声子空间技术进行异步DS-CDMA系统盲空时信道参数估计,同时利用了多径传播和接收机同步失调特性,使用一种修改的ULV更新算法进行噪声子空间跟踪。为了抑制多址干扰(MA I),提出一种基于投影的辅助矢量(PAV)算法。仿真结果验证了该算法的有效性。     

基于栅格粒子滤波的人体头肩三维姿态估计

为了实现单目视频中人体头部和肩部位置的自动跟踪,并估算出人体头肩部的三维姿态.提出了一种新的基于头-肩三维模型的栅格粒子滤波方法,使用Chamfer距离进行边缘相似性度量.算法使用一个预先生成的离散化的栅格状态空间,在每一个时间步将该状态空间的一个较小的子空间作为粒子的搜索空间,有效地限制了所用粒子数量,提高了粒子滤波过程的执行效率.由于三维信息的缺失,单目视频中人体三维姿态估计一直是一个难点问题.而实验结果表明,本方法能够有效并准确地估计出人体头肩部的三维姿态,为人体姿态分析和行为理解的研究提供了一个新的基础.     

基于双视点立体系统的特征点匹配物体跟踪算法研究

在双视点立体系统中,运动物体跟踪是计算机视觉中一个热门的研究领域.为了精确地获得运动物体的像素点,我们提出了一个新的物体跟踪算法:首先计算运动物体的特征点,然后对其进行匹配,最后连接匹配的特征点并形成轨迹.算法在分辨率为640×480和768×576的视频文件中进行.结果表明:与L-K光流法相比,新算法可以更鲁棒性地检测运动物体并获得更精确的运动轨迹.     

基于三视图几何约束的摄像机相对位姿估计

针对从影像中恢复摄像机位姿的问题,提出基于三视图几何约束的位姿估计算法.利用强制选择机制对影像进行特征点提取,通过光流法和前后向误差实现相邻三帧影像的特征点匹配;推导基于本质矩阵优化分解的位姿估计,利用对极几何约束构建目标函数,通过迭代优化确定旋转矩阵的唯一解,优化了唯一解的确定方法,提高了相对位姿估计效率,得到第1、2摄像机矩阵;基于三视图的几何约束关系,由三焦点张量和匹配特征点建立目标函数,由迭代过程得到第3摄像机相对于第1摄像机的位姿参数.结果表明,提出算法的鲁棒性、精度以及算法效率均优于传统算法,能够快速、准确地估计摄像机相对位姿,可以实现对旋翼无人机的轨迹跟踪.     

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。     

冲击噪声背景下的动态DOA跟踪

针对冲击噪声背景下的动态DOA估计问题,提出了一种锁定跟踪思想及其实现公式,并对粒子群算法进行改进,研究了基于最大似然算法的动态DOA估计方法。该方法在避免分数低阶矩矩阵重复分解的同时,有效降低了多维搜索的计算量,并且具有良好的跟踪性能。仿真实验结果表明该方法的有效性。     

导向矢量不确定集约束的稳健Capon波束形成算法

针对Capon波束形成算法在导向矢量不确定集约束下的求解问题,提出了新的求解方法．通过对稳健算法最优化问题的特点和求解过程进行分析,给出了新的求解结果,不仅使不确定集约束参数的选择更加简单,同时使波束形成算法的性能改善达到最优．而且得出了负加载可以获得最优的性能改善,而约束参数选择得越大,波束形成算法的性能越接近于最优,而零解可以通过合理选择约束参数进行有效地避免．最后的仿真分析验证了理论分析的正确性和算法的有效性．