基于特征点的运动汽车跟踪算法研究

设计了一种基于特征点的运动汽车实时跟踪算法.结合自适应卡尔曼滤波(Adaptive Kalman Filter,AKF)算法,提出了一种简单实用的特征点匹配跟踪算法,实验表明该算法既能准确的描述目标,又减少了匹配计算量,从而实现了快速准确地跟踪运动汽车的目的.     

基于特征点检测与光流法的运动目标跟踪算法

为了解决当前运动目标跟踪算法在背景模型复杂和目标特征不明显的情况下,导致算法跟踪能力不足的问题,本文分别从特征点检测与光流法分析的角度出发,提出了基于特征点检测与光流法的运动目标跟踪算法。首先,根据图像梯度矩阵最小特征值,通过仿射变换,精确化特征点帧间匹配,排除伪特征点,达到精准检测运动目标特征点的目的。然后,基于图像像素守恒原理,进行2幅图像间变形评估,建立图像约束方程,进一步精确跟踪运动目标。最后,基于软件开发环境QTCreator实现算法,并系统集成。实验测试结果显示:与当前运动目标跟踪技术相比,本文算法拥有更高的准确性与稳定性。     

基于ORB特征的快速目标检测算法

在动态场景运动目标检测下提出了一种新颖的快速目标检测算法,针对SURF算法不能满足实时性的需要,提出基于ORB(oriented FAST and rotated BRIEF)特征的特征点匹配算法,接着采用八参数旋转模型,结合最小二乘法求解全局运动参数进行运动补偿,最后使用帧差法来获得运动目标。在此过程中采用PROSAC(progressive sample consensus)算法来去除外点。实验结果表明,该算法不仅保持了SURF本身的优越性,而且提高了检测速度,可以实时准确的检测出运动目标。     

结合SURF与Kalman滤波的CAMShift跟踪算法

针对传统的CAMShift目标跟踪算法,在出现颜色干扰,遮挡等复杂背景中容易跟丢的问题,提出了一种结合SURF特征匹配与Kalman滤波的CAMShift跟踪算法。该算法利用CAMShift算法跟踪得到的候选目标与模板目标的色度和梯度方向的综合直方图比较计算得到的Bhattacharyya系数作为判定依据,当系数大于给定阈值时,采用SURF算法对搜索窗口和上一帧跟踪结果进行特征匹配,重新计算目标的大小和位置。同时为了避免目标快速运动时跟踪失败和减少SURF匹配的计算量,利用Kalman滤波对运动目标窗口进行预测更新以确定下一帧搜索窗口的中心位置。实验表明,该算法在图像背景复杂,出现颜色干扰以及部分遮挡时能够稳定跟踪,其跟踪速度与结合SURF的CAMShift算法相比有显著提高。     

动态场景下的快速目标检测算法

提出了一种动态场景下的目标快速检测算法,基于特征点SURF算法,采用旋转参数模型,结合最小二乘法求解全局运动参数进行运动补偿,最后使用帧差法获得运动目标.采用ORSA的方法去除外点的影响;SURF算法不能满足实时性的需要,针对这一点,提出基于运动预测的特征点匹配算法,提高了匹配的速度和准确率;采用基于残差图像块的更新策...     

基于一致性特征点匹配的目标跟踪算法实现

在复杂背景环境下针对自由模型目标在随机速度时的跟踪技术是计算机视觉研究领域的一项重要课题。其难点在于在复杂背景和运动方式中如何准确且合理的提取既定目标的特征点。本文提出一种基于一致性特征点匹配跟踪算法,通过长效自由模型目标跟踪,实现对于地面刚性目标物体在随机速度时,通过光线变化区域、部分遮挡区域、目标自身转弯或旋转、采集设备对目标尺度缩放情况下的稳定跟踪问题。该算法经数据集测试结果表明,其能够在上述情况下,实现对标定目标的稳定跟踪,并具有一定的实时性。     

基于改进AKAZE算法的无人机影像匹配

针对如何稳定、高效、精确、高精度地进行无人影像匹配,提出一种改进的AKAZE算法。该算法首先利用AKAZE算法构造非线性尺度空间进行特征点检测;然后利用LATCH描述符对获取的特征点进行描述;接着利用Hamming距离作为相似性测度对特征点进行K近邻匹配,并采用比值提纯法进行粗匹配;最后,利用随机抽样一致(RANSAC)算法并结合均方根误差(RMSE)进行约束对粗匹配结果进行过滤,剔除错误匹配,得到精确匹配结果。实验结果表明,该算法在保持较高准确率、亚像素级匹配精度的同时具有较好的时间效率,且其对亮度、图像模糊以及压缩等变化具有较好的稳定性。     

基于FREAK特征的快速景象匹配

针对传统基于局部不变特征的景象匹配方法处理时间过长的问题,提出基于FREAK局部不变特征的快速景象配准算法。首先提出FAST-Difference特征点提取方法,分别提取参考图像和待配准图像中的特征点;接着计算其FREAK描述符,生成特征向量;随后利用级联匹配计算特征向量之间的汉明距离,提取出匹配的特征点对;最后利用RANSAC算法剔除误匹配点,利用最小二乘法估算出两幅图像之间的空间几何变换参数,实现两幅图像的配准。FAST-Difference相比以往的特征点检测方法速度更快;FREAK描述符与人类视网膜相似的结构提升了算法的时间性能和鲁棒性;使用扫视搜索,大大加速了匹配过程。实验证明相对于SIFT、SURF算法,本文算法不仅对于各种变换具有更好的鲁棒性,而且处理时间大大缩短,实现了景象匹配的实时处理。     

基于显著特征区域和条件随机场的目标跟踪

针对目标跟踪中的遮挡问题,提出一种基于局部显著特征区域和条件随机场模型(CRF)的跟踪算法。利用目标区域中的显著特征区域相互之间的空间位置关系以及时间域上相邻区域的影响,并结合各个显著特征区域自身的局部信息建立目标的CRF模型;利用CRF模型对 Mean Shift算法的跟踪结果进行概率推断,融合各个显著特征区域的权重,精确定位运动目标的最终位置。在多个视频序列上的实验结果表明,与改进的 MS算法、粒子滤波算法以及分块跟踪方法相比,文中算法具有较高的跟踪精度;尤其是当目标被遮挡时,该算法具有较好的跟踪鲁棒性。该算法充分利用了显著特征区域自身的局部特征和区域之间的空间结构信息以及各个显著特征区域在时间域上的约束条件,能够实现复杂情况下的运动目标的鲁棒跟踪。     

基于特征点的3D人脸姿态跟踪

针对视频序列中的人脸跟踪问题,提出一种单摄像头的人脸3D姿态跟踪方法。利用SIFT特征点匹配算法来得到可靠的帧间特征匹配。将前帧与所选的关键帧特征匹配信息及融入到对当前的姿态估计中,利用SIFT特征点匹配算法来得到可靠的帧间特征匹配。最后通过利用RANSAC随机选取特征点对,并用POSIT和最小化误差组合的3D投影方法以迭代的方式得到精确的当前帧人脸姿态估计。通过多组实验数据对比,表明了该算法在严重遮挡、头部摆动幅度较大、匹配点较少的复杂情况干扰下仍具有鲁棒性,并且解决了3D人脸跟踪的漂移问题,实现对目标人脸的稳定跟踪,对比以往2D跟踪算法在复杂环境下具有明显的改善。     

基于多摄像头的目标连续跟踪

针对广域视频监控系统中运动目标的跟踪问题,提出了一种基于多摄像头的目标连续跟踪方法。摄像头前端通过网络连接将各自监控场景的背景图像和运动目标的特征数据传输给中心计算机服务器。中心服务器通过背景图像的SWFT（Scale Invariant Feature Transform）特征匹配检测出摄像头视域FOV（Field of View）之间的重叠区,并根据相匹配的SIFT关键点（Keypoints）计算地平面单应性变换矩阵（Homography Transformation Matrix）,以建立重叠摄像头之间的视点对应关系。为了对应多个摄像头中的同一个目标,中心服务器在重叠摄像头之间使用运动目标的质心坐标单应性映射和SIFT特征进行匹配,在非重叠摄像头之间仅使用SIFT特征进行匹配。实验结果表明,该方法在广域监控场景中能实现鲁棒的多摄像头间目标连续跟踪。     

基于动态模板匹配的空中运动目标检测与跟踪控制

提出了一种基于动态模板更新匹配的空中运动目标检测与跟踪控制方法。在构建的目标跟踪系统平台基础上,采用模板匹配算法获得目标的位置信息,进而获取目标形心与视场中心的偏差信息以完成空中运动目标的跟踪控制。同时,为提高系统的实时性能,提出了一种基于最小二乘线性和平方预测结合的综合位置预测方法来预测目标的运动轨迹。实验结果表明,系统能够实现对运动目标进行实时稳定的识别与跟踪。     

An adaptive kernel‐based target tracking method based on multiple features fusion

A new adaptive kernel‐based target tracking method is proposed to improve the robustness and accuracy of target tracking in a complex background. A linear weighted combination of three kernel functions of scale‐invariant feature transform (SIFT), color, and motion features is applied to represent the probability distribution of the tracked target. Appearance and motion features are combined to enhance the target region location stability and accuracy. The size of the tracking window can be adjusted in real time according to the affine transform parameters of the corresponding SIFT couples. The weights of three kernel functions are also adaptively turned according to the scene, in order to better extract the features. Experiments demonstrate that the proposed algorithm can track the moving target successfully in different scenarios. Moreover, it can handle target pose, scale, orientation, view, and illumination changes, and its performance is better than that of the classic Camshift algorithm, SIFT‐based method, the and color SIFT‐based method. © 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于KAZE的自适应模糊图像配准算法

为了提高图像配准算法对于模糊图像的配准性能,提出一种融合非线性尺度空间和空间余弦相似度的自适应模糊图像配准算法。该算法将非线性尺度空间理论应用于图像的局部特征提取,采用KAZE算法提取图像的特征点,以构成M-SURF特征描述符;利用空间余弦对图像特征点进行匹配,并且根据不同的图像特性进行自适应阈值匹配,以得到便于寻求最优变换关系的合理数量的匹配点对;最后采用RANSAC算法滤除误匹配点对,以提升算法精度。实验结果表明,该算法可以有效地提高模糊图像配准的匹配准确率和精度,准确率和精度比KAZE算法最大可以提高25%和7.909像素,具有更好的配准性能。     

基于特征点集群目标跟踪与检测

目标跟踪与检测技术是计算机视觉研究领域一个热点和难点问题,该技术广泛应用在制导、导航、监控等方面。尤其在复杂背景下,准确的跟踪既定目标,在遮挡情况下稳定跟踪,是近年来研究的热点。利用一种特征点集群方法,通过提取特征点方式,以及对目标的运动估计等方式,解决针对地面目标在光线变化、缩放、旋转3个变化量下的跟踪与检测问题。该方法对于地面运动目标的限制较小,同时图像序列中每一帧图像间运动目标的位移量较小。运用本文所提出算法,能够解决针对地面目标在光线变化、缩放以及旋转情况下跟踪与检测的问题。     

基于K-S检验的直方图匹配目标跟踪算法

为了快速准确跟踪运动目标,提出了基于K-S（kolmogorov-smirnov）检验的直方图匹配目标跟踪算法。将直方图信息作为模板,通过Kalman滤波原理预测出目标下一时刻的可能出现位置,以该位置为中心确定一个搜索范围,在搜索范围内判别直方图的相似性并进行模板匹配,在当前图像中跟踪目标。结果表明,基于K-S检验的直方图匹配方法可减小搜索范围,利用Kalman滤波预测目标的位置,在预测位置附近进行模板匹配,可有效减少模板匹配的遍历时间,提高目标实时跟踪效率。