可视化背景提取和粒子滤波的行为检测研究

在智能视频监控中,目标所在场景的复杂性和光照变化使得运动目标的检测难度加大.采用可视化背景提取(ViBe)算法来检测运动目标,对于运动目标在运动过程中的交叉、遮挡等情况,采用ViBe算法和粒子滤波运动目标跟踪算法相结合,完成对运动目标的检测与跟踪;在运动行为检测中,进一步定义目标的运动方向,从而判断目标的运动状态.实验表明,ViBe算法能够准确检测复杂场景中的运动目标,并能够适应噪声干扰和光照变化,将其和粒子滤波结合能够准确跟踪实际场景中的运动目标,并能够准确判断目标的运动状态.     

一种改进的基于Camshift的粒子滤波实时目标跟踪算法

为了能够快速和准确地跟踪运动目标,提出了一种改进的基于Camshift的粒子滤波算法。在粒子滤波框架下,首先对传统目标模型进行改进,提出一种新的融合目标颜色信息和运动信息的模型,以增强目标跟踪的稳健性和准确性;同时为了提高跟踪的效率,将一种改进的Camshift算法嵌入到粒子滤波中,用来重新分配随机粒子样本,使之向目标状态的最大后验概率密度方向移动。实验结果表明,与传统的粒子滤波算法或Camshift算法相比,该方法能有效处理目标快速运动或背景存在强干扰等情况,实现对目标快速和稳健的跟踪。     

基于Camshift改进算法的视频目标跟踪方法

针对Camshift算法在目标跟踪中容易出现错误识别的情况,对Camshift算法加入最优阈值处理;对目标容易跟丢的情况,运用Camshift算法和Kalman滤波结合的方法进行跟踪。基于OpenCV对比了双通道H,S分量加权情况下和单通道H分量情况下的反向投影图跟踪效果,验证了最优阈值下改进Camshift效果,实现了Camshift算法和Kalman滤波实时跟踪。实验结果证明:对Camshift加入优化阈值处理能明显地改进错误识别的情况,加入Kalman滤波器能有效避免目标丢失。     

基于帧间差分和背景差分结合的Camshift目标跟踪算法

Camshift算法需要手动标定目标区域,且具有无法适应目标的高速运动、相似颜色背景和遮挡等情况的局限性。针对这些情况提出结合帧间差分法和背景差分相结合的方法对Camshift算法进行改进。首先利于帧间差分和背景差分相结合检测出运动目标区域。然后用该区域初始化跟踪目标窗口。当有相似颜色背景干扰或遮挡情况发生时,利用检测出的运动目标区域对搜索窗口进行限制。同时,使用Kalman滤波对下一帧的搜索窗口进行预测,从而使该算法适合高速运动目标的跟踪。实验表明该算法能够准确对目标窗口进行初始化,且在目标高速运动、遮挡、和相似颜色背景干扰情况下,仍能进行适时实时有效跟踪。     

基于Camshift和Kalman滤波的自动跟踪算法

针对传统的Camshift算法在跟踪时需要手动定位目标,在颜色干扰、遮挡等复杂背景中容易跟丢目标的问题,提出了一种基于Camshift和Kalman滤波的自动跟踪算法。首先利用帧间差分法和Canny边缘检测法分割出运动目标的完整区域,然后用提取出的目标区域初始化Camshift算法的初始搜索窗口,从而实现了目标的自动跟踪。当背景中存在相似颜色干扰或者目标被严重遮挡时,采用Kalman滤波与Camshift算法相结合的改进算法进行跟踪。实验结果表明,本文改进算法在目标被严重遮挡、颜色干扰等情况下仍能有效、稳健地跟踪。     

联合YOLO和Camshift的目标跟踪算法研究

为了解决传统目标跟踪算法在有遮挡后无法准确跟踪的问题,提出了将YOLO和Camshift算法相联合的目标跟踪算法.基于YOLO网络结构来构建目标检测的模型,在模型构建之前,采用图像增强的方法对视频帧进行预处理,在保留视频帧中足够图像信息的同时,提高图像质量,降低YOLO算法的时间复杂度.用YOLO算法确定出目标,完成对目标跟踪的初始化.根据目标的位置信息使用Camshift算法对后续的视频帧进行处理,并对每一帧的目标进行更新,从而可以保证不断调整跟踪窗口位置,适应目标的移动.实验结果表明,所提的方法能够有效地克服目标被遮挡后跟踪丢失的问题,具有很好的鲁棒性.     

一种改进Camshift算法的研究

针对基于颜色概率分布的连续自适应均值偏移算法Camshift(Continuously Adaptive Meanshift)在背景中出现相同颜色干扰时容易致使跟踪目标失败的问题,提出一种改进的Camshift跟踪算法。该算法首先采用三帧差分法进行运动目标检测,然后利用最大类间方差法确定分割阈值,最后采用Camshift算法进行目标跟踪。该算法可以克服传统Camshift算法需要人工定位和容易发散的缺点。实验结果表明,该算法跟踪效果好,并且能够在一定程度上满足准确性的要求。     

基于梯度方向直方图特征和粒子滤波算法融合的目标跟踪

基于梯度方向直方图特征的运动目标跟踪算法在遇到目标遮挡或运动过快时容易丢失目标,基于粒子滤波跟踪算法虽有较强的抗遮挡能力,但存在着计算量大、实时性差等问题.针对这些情况,提出一种融合的跟踪方法:正常情况下基于目标梯度方向直方图特征跟踪目标,当候选目标相似度小于设定阈值时,自动切换到粒子滤波跟踪算法.实验结果显示本算法有效地解决了目标遮挡或运动过快时的丢失问题,同时减轻了粒子的退化现象,提高了算法的实时性,并在图像对比度较低情况下能较好的跟踪目标.     

基于自适应时空码书的粒子滤波多目标跟踪

提出一种基于自适应时空码书检测模型的粒子滤波多目标跟踪算法。使用时空码书模型进行前景背景分割,检测出前景目标,在该模型上加入目标自适应过程。将自适应时空码书检测的结果作为粒子滤波跟踪算法的初始目标状态,通过关联算法和粒子滤波实现多目标跟踪。自适应时空码书模型能明显降低对前景目标的误检率,抑制噪声干扰。实验结果表明,该算法能够在有干扰的复杂背景下实现对运动多目标的快速捕获,并有效提高跟踪的可靠性和精度。     

基于预测和粒子滤波的运动目标跟踪算法

本文提出了一种改进的基于预测和粒子滤波的运动目标跟踪算法,在预测算法的基础上,结合GVF-SNAKE理论和粒子滤波器,实现了对运动目标的准确跟踪。本算法首先根据预测算法得到目标初始预测轮廓,把初始预测轮廓上的每个蛇点作为一个目标,利用粒子滤波算法对各蛇点分别进行预测,得到各蛇点的最终预测轮廓,从而实现了运动目标的准确跟踪。实验结果表明,本文算法能够对运动目标进行准确的跟踪,并具有较强的抗遮挡能力。     

基于PF-Singer的机动目标跟踪算法

Singer模型是典型的全局统计模型，其严重缺陷在于所采用的零均值时间相关模型和标准卡尔曼滤波算法不能完成对机动目标状态的正确估计1只有当目标做匀速直线运动时，动态误差的稳态值才为零，否则不为零；采用PF—Singer算法对机动目标进行跟踪。能够有效解决传统Singer模型存在的问题，提高其跟踪精度；通过仿真试验证实了该算法的有效性。     

动态阈值的Vibe运动目标检测

Vibe算法是一种高效的像素级背景建模算法,但是它同混合高斯模型一样,不能适应光线突变的问题,在对Vibe算法的基础上提出了一种在静态场景下对光照变化鲁棒的运动目标检测方法。该方法首先利用Vibe模型建立背景样本集,并利用Vibe模型对判别为背景的像素对背景帧进行更新。其次视频当前图像帧与背景帧差分,并采用Otsu算法计算图像的分割阈值来检测运动目标。实验结果表明,改进的方法能够很好地消除由于环境光照变化引起的“曝光”现象,提高了运动目标检测的精确度,并且改进的算法对室内场景下的阴影也有较好的抑制作用。     

目标分配的遗传算法改进研究

介绍一种目标分配的遗传算法求解方案,在此算法的基础上进行了算法改进。新算法对遗传算法涉及的初始种群、选择算子、交叉算子等进行了优化并结合微粒群算法的思想对遗传算法进行了改进。最后,通过仿真结果验证了改进算法的可行性。     

基于Vibe背景建模的运动目标检测算法

在运动目标检测的过程中，传统算法基于对单一特征背景进行建模，对背景描述不够准确，针对这个问题，本文提出融入颜色和边缘特征的Vibe背景建模.解决了三帧差分法在运动目标检测结果中出现噪声、断点与内部空洞等问题，并采用基于形态学处理方法对图像处理的结果进行补偿.为了保证运动目标检测的准确性，加快消除Vibe算法中第一帧出现“鬼影”现象，本文结合了Vibe算法和改进的三帧差分法对运动目标实现实时检测.通过研究分析与计算推导，实验中运动目标的检测结果表明，基于Vibe背景建模的改进三帧差分法检测效果明显优于三帧差分法.     

目标成像处理算法验证平台设计与实现

为了验证基于光电图像的目标成像处理算法,并对不同算法之间的优缺点进行比较,设计并实现了操作简单、移植性强的目标成像处理算法验证平台。基于VC＋＋6.0进行模块化设计,方便了经典算法的改进和新算法的植入,并且易于验证、调试与修改。视频源处理模块为待验证的目标跟踪算法提供可自定义亮度、对比度、噪声等的场景。同时,算法中预处理、目标分割等模块可将质量较差的图像进行去噪、增强、边缘提取等变换,易于跟踪算法对有用信息的提取。设计模块之间的接口,使平台具有更强的可植入性,方便目标跟踪算法的开发。     

冲击体制雷达动目标积累算法及其应用

为了对超宽带动目标进行有效检测,对其回波的特点进行了分析,在此基础上提出了新颖的基于峰值对匹配的积累算法;设计了一套由功率合成的全固态脉冲发射机、超宽带平面喇叭收发天线阵、正交解调采样接收机、主控计算机四大部分组成的冲击体制雷达目标探测系统,介绍了系统的工作原理;该算法应用于实际系统之中,目标回波在距离门中位置保持稳定,并在积累过程中保持原有的形状,幅度随累加次数增加而增大,这表明了该方法的有效性.     

Simulation Analysis and Application of SAR Target Motion Parameters based on EMD-RSPWVD Algorithm

When processing multi-component SAR moving target echo data by traditional time-frequency analysis method, there is serious cross-term influence and poor time-frequency clustering. A new time-frequency analysis algorithm named EMD-RSPWVD is proposed. It combines the improved Empirical Mode Decomposition (EMD) algorithm and Reassigned Smoothing Pseudo-Wigner-Ville Distribution (RSPWVD) algorithm. The improved EMD algorithm is used to decompose the multi-component SAR moving target echo signal into independent signal components. Then the time-frequency analysis of independent components which based on RSPWVD algorithm is performed to eliminate cross-terms and obtain high time-frequency resolution. Finally, simulated echo data and real echo data are used to analyze the performance of this algorithm for multi-component SAR motion echo data. The results show that the algorithm has good anti-noise ability, moving target detection ability and high-precision motion parameter estimation performance.     

基于EMD-RSPWVD算法的SAR目标运动参数仿真分析与应用研究

针对传统时频分析方法处理多分量SAR运动目标回波数据时出现的交叉项影响严重和时频聚集性差等问题,提出一种融合改进的经验模式分解（Empirical Mode Decomposition, EMD）算法和重排平滑伪维格纳维尔分布（Reassigned Smoothing Pseudo-Wigner-Ville Distribution, RSPWVD）算法的新时频分析算法——EMD-RSPWVD算法。利用改进的EMD算法将多分量SAR动目标回波信号分解为彼此独立信号分量,然后对独立分量分别做基于RSPWVD算法的时频分析,以消除交叉项和获得高的时间—频率分辨率。分别利用模拟回波信号数据和真实回波信号数据,探究该算法对于多分量SAR运动回波数据的分析性能。结果表明,该算法具有良好的抗噪性和运动目标检测能力,以及高精度的运动参数估计性能。     

红外运动小目标检测的小面拟合算法

针对红外图像序列中运动小目标,提出一种基于预测的小面拟合目标检测算法。首先根据图像序列中目标运动的连续性及方向性,采用二阶自回归模型预测目标的搜索窗口。然后根据天空背景红外图像中小目标灰度高于背景的特征,利用小面拟合模型对搜索窗口的局部区域作灰度曲面拟合,提取搜索窗口内灰度极值点作为目标,提出了相应的目标检测算子。对红外图像序列的实验表明,该算法可有效检测天空背景下红外运动小目标,算法的实时性和抗干扰能力优于传统的目标检测方法。     

Mean-Shift目标跟踪算法的带宽选取策略

分析不同带宽策略对Mean-Shift目标跟踪算法的影响,提出一种新的带宽策略。构造一个与目标窗口内接椭圆相似的椭圆,利用其长轴和短轴确定带宽,将此带宽策略纳入Mean-Shift算法中进行目标跟踪。实验结果表明,该策略具有良好的跟踪效果,能够有效降低时间复杂度。