基于B 样条Snake模型的人体运动跟踪方法研究*

提出了一种基于B-样条曲线Snake模型的新的人体运动跟踪方法.Snake算法是通过最小能量来逼近物体的轮廓.采用改进的B-样条曲线Snake模型,每一帧图像中的目标轮廓用三次样条曲线准确地表示,使Snake模型更加稳定和具有较快的收敛速度.计算相邻帧之间的差分图像,通过利用一种基于统计关系双阈值分割方法,有效地检测出图像中运动人体,初步确定目标在每帧图像中的粗略位置.把从上一帧图像中得到的目标轮廓置于该位置,作为B-样条曲线Snake算法中轮廓提取的初始值,经运算后可得到对人体目标的准确分割与跟踪.     

基于Snake技术的运动目标轮廓提取

提出了一种利用改进的Snake技术检测视频序列巾活动目标的方法，首先改进内能项，用控制点之间的距离平方和作为弹性能量项以取代传统的长度，并构造局部能量窗锼索最优解，提高了Snake收敛速度。通过改进外部能量项，引入梯度矢量流算子，使Snake能够较好地收敛到目标的凹形边缘。最后对控制点初始位置、采样密度等影响收敛效果因素的选定作了适当的改进，给出了一种在Snake运动中动态调整其形态以提高收敛效果的策略，使Snake曲线能更快速、更准确地拟合活动物体的真实轮廓。实验证明，该算法能对视频序列图像中的活动目标轮廓进行较好的提取。     

一种改进的运动目标跟踪与轨迹记录算法

针对目前运动目标的跟踪与记录方法占用存储空间较大的缺点,提出了一种减少存储空间的记录算法,即先用三帧差分算法和Snake算法相结合检出运动物体的轮廓,再利用Hausdorff算法对提出的轮廓进行匹配,并将匹配后的轮廓和运动轨迹以文本文件存储,大大降低了运动目标轨迹记录存储容量.实际运用表明,改进后的记录存储空间相当于通常视频文件的万分之一.该算法适于长时间记录运动目标轨迹.     

一种基于统计信息的Snake运动目标跟踪算法

传统Snake模型采用基于轮廓的图像能,分割结果受图像噪声和强边界的影响较大。本文在Snake模型中引入区域统计信息,并对弹性能做了改进,克服了仅用边界信息描述目标轮廓的不足。把改进的Snake模型用于运动目标的跟踪,提高了跟踪的准确性。     

在线学习机制下的Snake轮廓跟踪

针对复杂环境下非刚体目标轮廓跟踪存在跟踪失败的问题,提出一种基于在线学习的Snake模型及其轮廓跟踪算法。利用跟踪-学习-检测( TLD)机制实现目标快速跟踪,通过跟踪结果在线更新Snake模型约束,进而提高目标轮廓跟踪的准确性。初始化阶段,在GrabCut算法的基础上,将待跟踪目标分成若干个子块,并在后续跟踪过程中,利用TLD实现各子目标的定位跟踪,形成目标的轮廓置信图。同时针对各子目标提取特征,产生正负样本,更新各子目标跟踪模型。应用置信图建立参数化Snake模型的约束条件,进而得到目标轮廓。实验结果表明,该算法能适应光暗变化与较为复杂坏境下的跟踪,并获得精确的轮廓。     

短程线主动轮廓跟踪算法的研究--在复杂背景和非刚性运动目标跟踪中的应用

在复杂背景下对多个非刚性目标进行跟踪是计算机视觉中的一个难点。在短程线主动轮廓模型的基础上，利用力场正则化方法，并加入运动边缘信息，提出了一种在复杂背景下多个非刚性目标进行跟踪的方法。该方法由运动检测和跟踪两部分组成：运动检测利用运动边缘信息对运动目标的运动做出检测，让轮廓曲线运动到目标轮廓附近；跟踪利用当前帧中的静态边缘信息对运动检测的结果加以修正，而跟踪这一步引入的偏差将在下一帧的运动检测中得到修正。实验表明该方法能够有效地在复杂背景中对多个非刚性运动目标进行跟踪。     

视频图像序列运动目标检测及轮廓提取

考虑到人类视觉对图像轮廓特征的敏感性,将目标检测与轮廓提取结合起来,实现了目标轮廓自动提取的方法.首先采用了背景差法跟踪视频图像序列中的运动目标,并采用了自适应背景更新的方法更新背景图像,结合活动轮廓模型法GVF Snake进行目标轮廓的提取,从而得到具有精确边界的运动目标.实验结果表明这种方法运算速度快、能够快速地收敛到目标轮廓、准确地跟踪目标,实现实时自动轮廓跟踪.     

基于先验信息的运动物体分割与跟踪

提出一种基于先验信息的运动物体分割与跟踪算法。该算法假设帧间运动物体颜色直方图和大小等信息是相对不变的,利用动态规划思想最小化当前帧目标物体颜色直方图和大小与已知目标物体颜色直方图和大小信息的差距,从而找到较准确的目标物体轮廓。与梯度向量流算法相比,该算法对初始轮廓的鲁棒性较好,能在复杂的背景中找到物体轮廓。     

基于阈值判断的CamShift目标跟踪算法

针对CamShift算法只利用目标的颜色信息,在跟踪过程中,易受目标相似物、遮挡以及光照等复杂背景影响导致目标搜索窗口发散,跟踪稳定性能降低,提出了一种基于阈值判断的目标跟踪方法。该方法将OTSU法和Snake模型结合,利用OTSU法以最佳阈值对图像进行分割,分离前景区域和背景区域,初步提取目标轮廓作为Snake模型的初始轮廓,经收敛得到目标的精准轮廓,利用轮廓外接最小矩形框内的像素计算目标质心,判断与CamShift算法中目标搜索窗口质心之间的欧式距离,如果未超出阈值,则直接使用CamShift算法跟踪目标,反之,则将计算出的目标质心作为CamShift算法中当前帧目标搜索窗口的质心跟踪目标。实验结果表明,该算法跟踪目标具有较好的实时性,跟踪性能稳定、可靠。     

彩色序列图像中实时运动目标跟踪方法

提出了一种彩色序列图像中的实时运动目标跟踪算法,该算法首先利用综合帧间差分法与背景差分法两种方法优点的动态背景更新算法来检测各种运动目标,在后续的图像序列中,利用运动检测算法来确定目标跟踪的起始点,并利用Mean Shift算法来跟踪运动物体;然后再更新Mean Shift的目标模板。实验结果表明,该算法能够克服Mean Shift算法对尺度变化的物体的跟踪效果较差且不能检测突然出现在图像序列中的物体的不足,快速准确地跟踪各种物体。