基于模板匹配算法高速运动分析系统设计与实现

本文提出了一种改进的模板匹配算法的高速运动物体分析方法，并构建了相应的分析架构。通过对高速车辆碰撞试验的结果分析，可以看出本算法在点跟踪处理中，在精度和容错性方面都能够得到比较满意的结果。     

基于并行跟踪检测框架与深度学习的目标跟踪算法

在空地协同背景下，地面目标的移动导致其在无人机视角下外观会发生较大变化，传统算法很难满足此类场景的应用要求。针对这一问题，提出基于并行跟踪和检测（PTAD）框架与深度学习的目标检测与跟踪算法。首先，将基于卷积神经网络（CNN）的目标检测算法SSD作为PTAD的检测子处理关键帧获取目标信息并提供给跟踪子；其次，检测子与跟踪子并行处理图像帧并计算检测与跟踪结果框的重叠度及跟踪结果的置信度；最后，根据跟踪子与检测子的跟踪或检测状态来判断是否对跟踪子或检测子进行更新，并对图像帧中的目标进行实时跟踪。在无人机视角下的视频序列上开展实验研究和对比分析，结果表明所提算法的性能高于PTAD框架下最优算法，而且实时性提高了13%，验证了此算法的有效性。     

结合粒子滤波与Mean shift的高速运动目标跟踪

Mean shift跟踪算法能够有效跟踪视频序列中的各种运动目标,但是该算法无法准确地跟踪视频中高速运动目标.通过分析mean shift算法的原理,指出mean shift对高速运动目标跟踪失效的原因,提出一种基于mean shift的粒子滤波跟踪的新算法.通过实验比较,该算法能改善了Mean shift算法对高速运动目标的效果,并且在存在干扰目标的情况下具备良好的跟踪效果.     

视觉单目标跟踪算法综述

目标跟踪技术根据视频上下文信息，建立一个跟踪模型对目标的运动状态进行预测，被广泛用于智能视频监控、自动驾驶、机器人导航、人机交互等多个计算机视觉领域。随着深度学习在语音识别，图像分类以及目标检测等领域的巨大成功，越来越多的研究将深度学习框架应用于目标跟踪任务中。介绍了当前单目标跟踪任务的难点和传统的方法,重点分析了当前基于深度学习的单目标跟踪算法的发展现状，从预训练网络＋相关滤波算法、基于孪生网络的方法、基于卷积神经网络的方法、基于生成对抗网络的方法以及其他深度学习方法几个方面，分别对当前流行的深度学习目标跟踪算法进行了概述。此外，总结了用于评测单目标跟踪算法性能的代表性数据集，列举了最新的研究成果在不同数据集上的实验结果并分析了当前单目标跟踪领域的问题和趋势。     

基于大数据的校园安全平台特征融合目标跟踪技术

在新媒体技术高速发展的今天，校园舆情对于建设和谐、安全校园的影响重大。因此研究在YOLOv算法的基础上引入CSP网络和CBAM注意力机制增强对校园舆情相关视频检测的精度与准确度。同时在基于改进检测框架的跟踪算法中使用特征融合和轨迹连接提高对多目标的跟踪性能。实验结果表明，随着对检测算法不断进行改进，检测的平均精度逐步由90.12%增加至95.40%,而F1分数逐步也由82.288%增加到84.361%。研究提出的跟踪算法与仅使用单一IoU的SORT算法相比，MOTP和MOTA分别提高了8.44%和13.91%,而IDs由1 388次降至696次，表现出优秀的多目标跟踪性能。     

基于分段加权的反向稀疏跟踪算法研究

为提高稀疏表示跟踪模型性能，提出一种分段加权的反向稀疏跟踪算法，将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题，构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰，选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明，在光照变化、遮挡、快速运动、运动模糊情况下，所提出的算法可以确保跟踪结果的准确性和鲁棒性。     

一种基于δ算子的自校正零极点配置无静差跟踪控制器

本文首先分析了当采样频率较高时，基于ｑ算子的自校正零极点配置无静差跟踪器所面临的问题，在此基础上，给出一种基于δ算子的算法，给出了对比仿真结果，结果显示，在高速采样场合，基于δ算子的算法具有更好的跟踪性能。     

融合背景权重直方图的目标跟踪

目的 考虑到融合校正背景权重直方图(CBWH)的Mean Shift(MS)目标跟踪算法只有CBWH更新而缺少目标模板更新,以及在目标遮挡时鲁棒性欠佳的不足.方法 结合卡尔曼滤波器(KF)在目标状态预测和参数更新方面的可靠性,将两层KF框架融入融合CBWH的MS.第1层KF框架为目标位置预测层,通过KF噪声与巴氏系数之间的关系,实现跟踪结果的自适应调整,减少遮挡对跟踪结果的影响;第2层KF框架为目标模板更新层,通过KF对目标模板中的每个非零元素进行滤波,实现目标模板与CBWH的同步更新,减少目标特征变化对跟踪结果的影响.结果 在背景干扰、遮挡以及特征变化等条件下进行实验,得到本文算法、融合CBWH的MS和传统MS的平均跟踪误差分别为5.43、19.2和51.43,显示本文算法的跟踪精度最高.同时本文算法也具有良好的实时性.结论 本文算法在融合CBWH的MS基础上,加入两层KF框架,解决了原算法缺少目标模板更新和在目标遮挡时鲁棒性欠佳的不足,最后实验验证了本文算法的有效性.     

自适应HLBP纹理特征的Meanshift目标跟踪算法

结合Haar型特性局部二元模式(HLBP)的图像纹理特征提取方法,提出一种新的目标跟踪算法,并将其运用到Meanshift框架中。将Visual Studio 2010和opencv2.4.9作为实验平台,将所提算法的实验结果与传统Meanshift跟踪算法、基于局部二元模式(LBP)纹理特征的Meanshift跟踪算法进行对比分析。实验结果表明,所提算法在背景复杂或背景简单的情况下都表现出了稳健而准确的跟踪特性,且在部分遮挡的情况下仍可以正确地跟踪目标。     

实时双模图像跟踪系统技术研究

利用一种可用于红外成像，可见光成像实时双模图像跟踪系统的硬件设计原理和软件设计特色，讨论了基于分割的质心跟踪算法，基于提边的差分跟踪算法和特征匹配跟踪算法的特点，在此基础上，提出了并分析了双模置信度与融合跟踪算法，最后简述了伺服系统控制策略主实验结果。     

A 2D/3D model-based object tracking framework

This paper presents a robust framework for tracking complex objects in video sequences. Multiple hypothesis tracking (MHT) algorithm reported in (IEEE Trans. Pattern Anal. Mach. Intell. 18(2) (1996)) is modified to accommodate a high level representations (2D edge map, 3D models) of objects for tracking. The framework exploits the advantages of MHT algorithm which is capable of resolving data association/uncertainty and integrates it with object matching techniques to provide a robust behavior while tracking complex objects. To track objects in 2D, a 4D feature is used to represent edge/line segments and are tracked using MHT. In many practical applications 3D models provide more information about the object's pose (i.e., rotation information in the transformation space) which cannot be recovered using 2D edge information. Hence, a 3D model-based object tracking algorithm is also presented. A probabilistic Hausdorff image matching algorithm is incorporated into the framework in order to determine the geometric transformation that best maps the model features onto their corresponding ones in the image plane. 3D model of the object is used to constrain the tracker to operate in a consistent manner. Experimental results on real and synthetic image sequences are presented to demonstrate the efficacy of the proposed framework.     

基于多特征融合的粒子滤波视频跟踪算法

将颜色特征和边缘特征融合在粒子滤波跟踪框架中,并在原有跟踪算法的基础上提出改进算法,加入许多优化机制,包括利用HSV颜色模型对目标颜色特征进行核密度无参估计,使用更符合目标实际运动特性的动态模型以及利用均值偏移聚类粒子等。同时,在边缘特征匹配中引入均值偏移,通过加入边缘预处理过程,使各粒子权值的分布更加符合实际情况。实验结果表明,该算法具有较好的鲁棒性和实时性。     

图像匹配方法综述

图像匹配是图像处理技术中的重要研究内容。本文介绍了图像匹配的几个要素,图像匹配算法的分类以及图像匹配性能评价指标,探讨了图像匹配中有待进一步研究和解决的问题。介绍了近来出现的新思路和新方法,提出了实际应用中有待进一步研究的内容,如算法的融合、基于局部特征的算法、基于模型的匹配算法等。     

The correspondence framework for 3D surface matching algorithms

Beyond the inherent technical challenges, current research into the three dimensional surface correspondence problem is hampered by a lack of uniform terminology, an abundance of application specific algorithms, and the absence of a consistent model for comparing existing approaches and developing new ones. This paper addresses these challenges by presenting a framework for analysing, comparing, developing, and implementing surface correspondence algorithms. The framework uses five distinct stages to establish correspondence between surfaces. It is general, encompassing a wide variety of existing techniques, and flexible, facilitating the synthesis of new correspondence algorithms. This paper presents a review of existing surface correspondence algorithms, and shows how they fit into the correspondence framework. It also shows how the framework can be used to analyse and compare existing algorithms and develop new algorithms using the framework’s modular structure. Six algorithms, four existing and two new, are implemented using the framework. Each implemented algorithm is used to match a number of surface pairs. Results demonstrate that the correspondence framework implementations are faithful implementations of existing algorithms, and that powerful new surface correspondence algorithms can be created.     

Statistical and signal‐based network traffic recognition for anomaly detection

In this paper, a framework for recognizing network traffic in order to detect anomalies is proposed. We propose to combine and correlate parameters from different layers in order to detect 0‐day attacks and reduce false positives. Moreover, we propose to combine statistical and signal‐based features. The major contribution of this paper is novel framework for network security based on the correlation approach as well as new signal‐based algorithm for intrusion detection on the basis of the Matching Pursuit (MP) algorithm. As to our best knowledge, we are the first to use MP for intrusion and anomaly detection in computer networks. In the presented experiments, we proved that our solution gives better results than intrusion detection based on discrete wavelet transform.     

融合异构特征的子空间迁移学习算法

特征迁移重在领域共有特征间学习,然而其忽略领域特有特征的判别信息,使算法的适应性受到一定的局限. 针对此问题,提出了一种融合异构特征的子空间迁移学习（The subspace transfer learning algorithm integrating with heterogeneous features,STL-IHF）算法.该算法将数据的特征空间看成共享和特有两个特征子空间的组合,同时基于经验风险最 小框架将共享特征和特有特征共同嵌入到支持向量机（Support vector machine,SVM）的训练过程中.其在共享特征子空间上实现知识迁移的 同时兼顾了领域特有的异构信息,增强了算法的适应性.模拟和真实数据集上的实验结果表明了所提方法的有效性.     

基于确定性退火技术的鲁棒性的点匹配算法

点匹配问题一直是计算机视觉和模式识别领域的一项重要的基础性工作，该文提出了一种基于确定性退火技术的准确，快速和鲁棒性的点匹配方法，该方法首先确定在一一对应双向约束的点匹配问题的自由能函数，通过最小化该能量函数可以同时得到点集之间的匹配矩阵和映射参数，由于将匹配矩阵的估计嵌入到确定性退火算法的框架下，利用退火温度来控制匹配矩阵的模糊度，不仅增强了算法的鲁棒性，而且减小了陷入局部极小的可能性，另外，在该算法中通过引入松驰变量，可以鲁棒性地处理出格点（outliers)，实验结果验证了该算法的有效性和鲁棒性。     

基于仿射不变闭合区域和SURF的图像匹配算法

针对现有基于自然特征的增强现实系统中图像匹配准确度低、计算量大和鲁棒性差的问题, 提出了一种基于仿射不变闭合区域和SURF(speeded-up robust features)的图像匹配方法。对输入的图像首先利用灰度直方图均衡进行图像增强得到二值化的图像, 提取图像中的闭合区域作为图像的仿射不变区域, 然后运用SURF检测算法提取闭合区域的图像特征描述, 最后使用SURF双向匹配算法实现图像的匹配。实验结果表明, 图像匹配的准确度有很大程度的提升, 同时计算耗时更少; 提出的方法能够满足增强现实系统的要求。