一种基于改进的GVF-Snake模型的车辆跟踪算法

提出一种基于改进的GVF-Snake模型(基于梯度矢量流的活动轮廓模型)的车辆跟踪算法.该算法利用帧差法自动获取车辆的初始轮廓,通过改进的GVF-Snake模型,从车辆视频流中准确提取出车辆的轮廓.为提高计算速度,改进的GVF-Snake模型采用贪心算法逐点迭代,并根据控制点的距离,自适应地增删控制点,以适应车辆目标大小变化.在此基础上,应用预测算法对车辆进行快速准确的跟踪.实验结果验证该算法的有效性.     

基于形变模型的图像分割和非刚性目标的跟踪

本文在活动轮廓的基础上,提出了基于形变模型的图像分割和非刚性目标的跟踪方法.为了克服活动轮廓的一些缺陷,引入了新的与图像特性有关的外部能量和松弛法;将形变模型和光流模型相结合用于非刚性目标跟踪.该方法对噪声不敏感,能准确、可靠地检测物体曲率高的边缘部分,跟踪非刚性运动目标.实验结果验证了该方法的有效性.     

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.     

结合区域生长和GVF-Snake的遥感影像道路提取

基于待分割目标的灰度特征分布,提出了一种能自适应地改变生长准则参数的区域生长方法。将该自适应区域生长算法与GVF-Snake模型相结合用于高分辨率遥感影像道路提取,即用自适应区域生长方法提取出大致的道路区域,对生长出的道路图,利用数学形态学进行内部腐蚀并获得道路区域轮廓线,以该轮廓线作为GVF-Snake模型的初始轮廓,利用GVF-Snake模型进行道路跟踪,得到最终的道路提取结果。实验结果表明该方法能有效地提取高分辨率遥感影像中的道路目标,具有一定的实用性和鲁棒性。     

视频图像活动轮廓目标检测跟踪研究

研究视频图像目标跟踪定位精确度问题。由于在图像中通常会发生缩放,造成图像目标模糊不清。传统的目标跟踪算法该类算法仅以目标发生平移运动为假设前提,图像质量差。为解决上述问题,提出了一种活动轮廓目标跟踪定位检测算法。首先选择合适的滑窗,采用减背景法来确定视频对象的运动区域,采用卡尔曼形态滤波来消除残余的噪声,然后针对目标在活动轮廓局部内具有较高灰度值的特征,通过自适应阈值来判别滑窗中心位置是否存在目标。当滑窗遍历整幅图像后,就可以得到目标的定位结果。仿真结果表明,改进算法不仅能够消除差分图像中的显露背景,从而得到运动视频对象精确的轮廓,并且可进行多目标的分割与跟踪,具有一定的实际应用价值。     

基于背景差分和均值漂移的闯红灯车辆视频自动检测系统

在视频序列中使用均值漂移算法进行运动目标跟踪是一种可行的办法,但这种方法需要手动指定初始跟踪目标,无法做到全自动跟踪.在十字路口这一静态背景下,通过缩小感兴趣区域,使用背景差分的方法,结合图像形态学处理,完成对运动车辆目标的自动获取,从而实现闯红灯目标的抓取.自动检测系统和人工检测的对比实验表明,该系统的正确检出率可达到95.4%以上.     

混合高斯模型与CamShift算法结合的台球跟踪方法

传统的CamShift跟踪算法是基于颜色信息的算法,这种算法在背景与目标颜色相近时会出现跟踪不准确的情况,而且不能自动跟踪.针对这两个缺点,本文结合混合高斯模型来对这一跟踪算法进行改进,通过混合高斯模型来实现对运动目标的检测得到目标的轮廓,将图像处理中的形态学变换应用到目标轮廓检测过程中,可以得到更好的检测结果和目标轮廓.对检测的目标再利用CamShift算法进行跟踪,在程序中引入Kalman预测算法,对目标的位置进行估计,提高跟踪的准确性,实验结果表明了这种方法的有效性,实现了对多目标的自动跟踪.     

采用测地线活动轮廓模型检测与跟踪运动目标

水平集几何活动轮廓模型能较好地适应曲线的拓扑变化.为了跟踪和获取刚体和非刚体运动目标的轮廓信息,提出了一种基于改进测地线活动轮廓(GAC)模型和Kalman滤波相结合的算法以检测和跟踪运动目标.该算法首先采用高斯混合模型和背景差分获取目标的运动区域,在运动区域内采用引入距离规则化项的GAC模型进行曲线演化,使改进GAC模型在运动目标的真实轮廓处收敛;然后通过结合Kalman滤波预测目标下一帧的位置,实现对目标轮廓跟踪.实验结果表明,该方法适用于刚体和非刚体目标,在部分遮挡的情况下也能保持良好的检测和跟踪效果.     

自适应轮廓的变分水平集复杂背景多目标检测

无需重新初始化的变分水平集模型能够避免经典水平集模型的重复初始化步骤,进而简化计算,降低检测所需时间,同时能够有效利用图像的边缘梯度信息,从而准确定位图像的局部结构.但该模型不能自适应获得初始化曲线,水平集的拓扑结构也无法改变,不能解决多个目标的检测问题.针对以上问题,本文提出了一种基于自适应轮廓的变分水平集复杂背景多目标检测方法,该方法采用帧间差分算法与K-means聚类算法相结合,以获得多个运动目标的初始化曲线,通过形态学方法来降低图像噪声的干扰,从而快速自适应的估计复杂背景下运动目标的位置和轮廓大小.该算法进一步对无需初始化的变分水平集进行改进,将其由单目标检测模型扩展为多目标检测模型,并修正原模型难以处理图像灰度不均匀的问题,最终实现对复杂背景下多个目标的检测.在标准数据库和实际数据集上的测试结果表明,本文所提方法能够准确的定位不同尺度和灰度目标的轮廓,从而提高算法的演化迭代效率及准确性.     

一种移动机器人对运动目标的检测跟踪方法

从序列图像中有效地自动提取运动目标区域和跟踪运动目标是自主机器人运动控制的研究热点之一.给出了连续图像帧差分和二次帧差分改进的图像HIS差分模型,采用自适应运动目标区域检测、自适应阴影部分分割和噪声消除算法,对无背景图像条件下自动提取运动目标区域.定义了一些运动目标的特征分析和计算,通过特征匹配识别所需跟踪目标的区域.采用Kalman预报器对运动目标状态的一步预测估计和两步增量式跟踪算法,能快速平滑地实现移动机器人对运动目标的跟踪驱动控制.实验结果表明该方法有效.     

融合时域信息的修正分水岭视频分割新方法

提出一种将时域信息融入分水岭的视频分割新方法,以帧间变化检测为基础,通过运动边缘信息得到对象的初始模型,利用时域信息得到前景和背景的标识,结合提出的彩色多尺度形态学梯度算子进行分水岭分割,得到具有精确边界的视频对象,对慢变和快变的目标均有良好的效果,能够检测新出现的运动对象和现有对象的消失,能够定位和跟踪运动目标.继承了变化检测和分水岭算法速度快的优点,克服了两者易受噪声影响的缺点.     

利用FPGA实现视频移动目标的有效检测

利用FPGA实现了一个视频移动目标检测系统,算法的基础是背景差分法。为了准确检测和定位移动目标,利用了灰度漂移算法和多颜色空间信息融合算法。灰度漂移算法是课题组最近在研究高斯混合模型的过程中提出的一种消除背景差分法检测的移动目标存在过多噪声杂点的算法,可以非常有效地消除由于微震动、空气扰动等原因导致的像素灰度在邻近区域发生漂移的现象;多颜色空间信息融合就是利用多个颜色空间中的一些互补分量共同确定移动目标。利用FPGA实现了上述两种算法,在移动目标的实时检测和跟踪中取得了很好的效果,对于丰富和增强监控系统功能有重要意义。     

自动分割及跟踪视频运动对象的一种实现方法

随着MPEG-4压缩标准的制定,分割及跟踪视频运动对象的研究显得极其重要。在MPEG-4视频编码标准中,为了实现基于视频内容的交互功能,其视频序列的每一帧由视频对象面（VOP）来表示。为了生成视频对象面,需要对视频序列中的运动对象进行有效的分割;并跟踪运动对象随时间的变化,为此提出并实现了一种用于分割及跟踪视频运动对象的时空联合方法。该方法首先采用连续帧间差的4次统计量假设检验,确定运动对象的位置,自动地分离出运动区域与背景区域;在运动区域内,采用数学形态学的分水线算法来精确地提取运动对象的轮廓;最后,将提取到的运动对象作为模板,对后续的视频序列,用Hausdorff距离度量,来跟踪并提取后续帧中运动对象。实验结果表明,该方法能有效地分割和跟踪视频运动对象,且能有效减少计算复杂度,其调整参数也较少。     

基于改进光流特征的运动目标跟踪

在城市智能视频监控中需要对运动目标进行实时跟踪,针对传统的运动目标检测中出现的跟踪目标易丢失、跟踪率低、实时性差等问题,提出一种基于改进光流特征的运动目标跟踪检测方法,对运动行人目标进行跟踪。该方法首先采用改进的Vibe运动背景建模法对视频中存在的运动行人进行检测,再将Shi-Tomasi角点检测与LK光流法进行结合,将角点检测结果融入到LK光流法中,并对检测到的角点进行运动光流特征提取,最后通过卡尔曼滤波对出现的行人进行预测跟踪,采用匈牙利最优匹配算法实现对运动目标的持续匹配以及对运动目标的跟踪。仿真结果表明,本文提出的方法能够对视频中出现的运动目标进行检测跟踪,具有较好的识别效果,且检测效率得到提高。      

一种基于Hausdorff距离的运动物体跟踪算法

针对视频处理中运动物体的检测和跟踪问题,提出了一种基于Hausdorff距离的目标跟踪算法。新算法提出首先采用多尺度分水岭变换获取运动物体模型,消除了传统基于分水岭变换算法存在的缺陷;然后使用部分Hausdorff距离实现后续帧中运动物体模型的匹配;最后再次使用多尺度分水岭算法完成运动物体模型的更新。实验表明,该算法可以有效地跟踪多个刚体或非刚体目标。     

基于局部更新的分层码本目标检测算法

为了解决复杂环境下如树木摇摆、水波晃动等波动式干扰及光照变化对运动目标检测产生影响的问题,给出了一种基于码本模型的运动目标检测算法。考虑到实际场景中背景的变化主要体现在亮度方面,首先对视频序列图像进行颜色空间转化,由RGB空间转化到YUV空间,然后利用Box模型优化了码本模型参数和训练策略。目标检测时,采用局部背景更新方法,即利用帧差法确定变化区域,结合分层码本思想,实时更新背景模型,以达到精确提取运动目标的目的。对比实验表明在背景中存在扰动或者光照发生变化等情况下,该算法都能够对运动目标进行有效检测,具有一定实用性和鲁棒性。     

An adaptive graph cut algorithm for video moving objects detection

The algorithms based on graph cut have the advantage to detect the moving objects effectively and robustly. The main trouble of the algorithm based on graph cut is that its model parameters will be determined empirically. In this paper, a novel algorithm of adaptive graph cut is proposed to detect video moving objects. Based on Markov random field model, the proposed algorithm uses the numbers of moving objects pixels and objectives-background pixel-pairs to describe the geometric features of the moving objects. And the relationship between the geometric features of the moving objects and the model parameters are set up. In this paper, the model parameters are adaptively optimized through the extraction and prediction of the geometric features of moving objects. Then the detection based on the graph cut is preformed on ROI, which well achieves the balance between the computation and accuracy. Finally, the experimental results show the proposed algorithm can hold the details of moving objects more effectively compared with other algorithms, and improve the detection performance of moving object in the video surveillance.     

A real-time object detecting and tracking system for outdoor night surveillance

Autonomous video surveillance and monitoring has a rich history. Many deployed systems are able to reliably track human motion in indoor and controlled outdoor environments. However, object detection and tracking at night remain very important problems for visual surveillance. The objects are often distant, small and their signatures have low contrast against the background. Traditional methods based on the analysis of the difference between successive frames and a background frame will do not work. In this paper, a novel real time object detection algorithm is proposed for night-time visual surveillance. The algorithm is based on contrast analysis. In the first stage, the contrast in local change over time is used to detect potential moving objects. Then motion prediction and spatial nearest neighbor data association are used to suppress false alarms. Experiments on real scenes show that the algorithm is effective for night-time object detection and tracking.     

基于区域相关性的全局运动视频中非刚性对象跟踪

提出一种适合全局运动视频中自动探测与跟踪非刚性对象的OT-GAV模型.该模型首先利用基于区域相关性的RDM算法计算相邻帧区域匹配,并结合Q学习与K-S统计法优化匹配结果,获得较为精确的区域运动向量.然后,利用前景和背景存在的运动形态差异,区域动态纹理一致性及对象运动过程中保持区域完整性的特点,逐步实现前景对象区域的探测与合并.实验证明,本模型及其相关算法可在室内和室外环境下,自动探测前景关注对象,获得其较为精确的边缘信息,并实施有效的跟踪.同时,该模型还能够解决对象跟踪过程中的"空洞"问题.