基于层叠分类器的快速相关跟踪算法

提出一种基于层叠分类器的快速相关跟踪算法。首先利用目标模板色彩分布信息对原始图像数据进行变换，锐化匹配相似度函数峰值，增强算法在复杂环境下的稳定性；然后提出了用平均灰度差和Harr型特征构造层叠分类器，分层刻画目标模板与搜索窗口在统计特征和局部特征上的相似性，并采用积分图快速计算特征，从而大幅度减少在非最优匹配点上的计算量，且特征计算与模板大小无关。大量实验结果表明，该算法大大降低了相关跟踪的时间复杂度，具有跟踪稳定、实时性强等特点。目前，以该算法为核心的实时目标跟踪系统对图像大小为320×240的视频序列内任意尺寸目标的平均处理速度达到20帧/s。     

图像目标检测识别和跟踪仿真研究

研究图像检测优化问题,在传统的图像目标跟踪中始终选用起始帧作为目标模板,没有根据实际情况实时更新目标模板,容易导致目标跟踪识别错误.针对图像目标识别跟踪缺乏全自动智能跟踪的难点问题,提出了在一定变化条件下运动图像目标的全自动识别跟踪方法.首先,在目标检测中为了提高实时性,采用了一种特殊形式的帧间差分算法对目标进行检测;其次,为有效抑制噪声和增强图像目标,在确定目标模板的过程中加入了图像形态学算法;最后,利用改进的均值漂移算法,根据巴氏系数相对量的变化情况实时更换目标模板,实现对目标全自动跟踪.经过仿真表明,利用改进的图像处理方法实现了在外部干扰条件下目标的自动检测识别和跟踪,并具备对图像目标的全自动跟踪能力,速度较快,为图像目标检测系统的设计提供了依据.     

核相关滤波与孪生网络相结合的目标跟踪算法

针对核相关滤波目标跟踪算法中对局部上下文区域图像提取的HOG特征图在复杂环境下不能保证目标跟踪的精度问题,提出了一种核相关滤波与孪生网络相结合的目标跟踪算法.首先在首帧输入图像中提取HOG特征图并建立相关滤波器模板,同时提取经过孪生网络的目标区域图像特征图;然后若后续帧输入图像帧数不为5的倍数则提取仿射变换HOG特征图,否则提取经过孪生网络的搜索区域图像特征图;最后根据遮挡处理的结果自适应获取目标位置并更新模型和最终相关滤波器模板.仿真实验结果表明本文算法在保证目标跟踪精度的前提下具有满足实时跟踪要求的跟踪速率.     

基于卡尔曼滤波与感知哈希技术的模板匹配跟踪算法

为解决传统模板匹配跟踪算法计算复杂度高且在目标形变、光照变化、遮挡等情况下容易发生跟踪漂移的问题,本文提出一种融合卡尔曼滤波、图像感知哈希与模板匹配的跟踪算法。本算法采用感知哈希技术提取目标的哈希值作为模板进行匹配,采用卡尔曼滤波预测下一帧中候选目标的搜索区域,然后,结合模板的哈希序值和目标位置变化信息设计新的匹配准则进行模板匹配,最后根据匹配结果,采用自适应模板更新策略和跟踪策略对目标进行跟踪。试验结果表明,本算法在目标形变、光照变化以及遮挡情况下具有一定的鲁棒性,且能满足实时跟踪的要求。     

卫星视频中的单目标分割和跟踪

对于卫星视频图像中存在的目标与背景对比性低、缺乏目标特征信息等问题,提出一种结合目标运动信息、时空背景和外观模型的目标分割和跟踪方法.根据首帧定位得到目标区域,首先对目标使用方向梯度直方图方法提取特征利用核相关滤波器得到目标跟踪区域1;接着利用颜色空间特征建立目标与其周围区域上下文信息的空间模型得到目标跟踪区域2;然后利用视觉背景提取算法以像素为单位在目标区域上检测运动目标得到单目标的分割区域3;最后分别对3个区域进行相关计算得到最优区域作为最终目标跟踪位置和模板更新样本.实验结果表明,本文算法与KCF算法相比,跟踪的成功率和准确率有很大的提高,同时实现了单目标分割.     

改进Top-hat变换的小目标跟踪算法及FPGA实现

在改进Top-hat变换的基础上,设计并实现了一种基于FPGA的红外小目标实时稳定的跟踪系统。针对经典Top-hat变换对小目标检测的局限性,提出一种改进的Top-hat变换并将其用于对图像中小目标的增强。在此基础上,通过对视频序列中目标的运动估计和基于特征滤波器的空间滤波,稳定有效地计算出小目标的位置。为了将算法移植到FPGA芯片以获取实时的小目标跟踪效果,完成了系统的整体架构设计,并针对模板窗口运算在FPGA内实现的传统方法效率低的特点,设计一种基于FPGA的新型模板窗口计算方法,应用于相关的算法模块中。实验结果表明：系统可以获得良好的检测与跟踪效果,而且能够在20 ms内完成目标位置的计算,满足小目标跟踪的实时性要求。     

融合摄像机位姿信息的模板匹配跟踪算法

针对图像制导目标跟踪系统在跟踪过程中,由于图像旋转、成像视角和目标尺度的变化带来的跟踪漂移问题,提出一种利用摄像机的位姿信息的匹配模板校正和更新方法。根据摄像机与目标的相对位姿信息,建立目标透视成像模型以及不同摄像机位姿情况下的模板校正方程;将校正方程分解为实时图像旋转和模板仿射变换两部分减小模板变换的误差;通过设计与相关系数和距离信息相关的模板更新策略达到适应跟踪系统逐渐接近目标过程中目标的变化。采用基于视景仿真软件Vega Prime产生的模拟飞行视频对算法进行了验证。实验表明所提算法能够适应图像制导跟踪系统在跟踪过程中目标尺度、成像视角以及图像旋转的变化,减小跟踪漂移。     

运动目标的检测与跟踪的研究

提出了一个基于TMS320C6201的DSP系统下的运动目标检测方法,主要应用于反坦克导弹系统.首先进行滤波,然后根据自适应梯度算法(边缘检测)计算出运动目标的位置,利用相关跟踪算法和记忆外推跟踪算法相结合实现复杂背景中运动目标的实时跟踪.给出运动目标检测和跟踪的实验结果.     

基于VGG网络的鲁棒目标跟踪算法

针对传统目标跟踪算法中当目标被遮挡和受光照强度变化等多种因素干扰时,相关滤波器模板更新不准确,误差逐帧累积最终导致目标跟踪失败,提出了一种基于VGG网络的鲁棒目标跟踪算法。首先通过VGG网络对第1帧输入图像中的局部上下文区域提取平均特征图来建立相关滤波器模板;然后通过VGG网络对后续帧输入图像中的局部上下文区域提取平均特征图和仿射变换平均特征图;其次与核相关滤波跟踪算法相结合,自适应确定目标位置和最终目标位置;最后自适应更新最终平均特征图和最终相关滤波器模板。实验结果表明,本文算法在目标被遮挡和受光照强度变化等多种因素干扰时,仍具有较高的目标跟踪精度和较强的鲁棒性。     

一种结合ORB特征匹配的均值漂移目标跟踪算法

针对传统的mean-shift跟踪算法基于单一颜色特征空间,在复杂背景下难以对目标进行准确跟踪这问题,提出了一种结合ORB特征匹配的mean-shift目标跟踪算法。该算法在mean-shift算法的基础上利用改进的ORB特征匹配算法修正目标跟踪窗口并实时更新目标特征模板,通过计算前后两帧图像中目标中心的欧式距离与色彩模板的巴氏距离来判定跟踪是否失败,当目标跟踪失败时,不改变目标模板,继续搜索下一帧图像中的目标。实验结果表明,与均值漂移算法和基于其他同类特征的改进算法相比,该算法提高了在复杂背景下目标跟踪的精度,并能满足实时性要求。     

仿射模型目标跟踪中的一种模板修正策略

在目标跟踪过程中，由于目标姿态不断变化，因此必须要对跟踪模板进行必要的修正，为了进行这种动态变化目标的跟踪，提出了一种动态更新模板的新方法，该方法是在基于仿射模型跟踪的基础上，首先在跟踪结果序列图象中进行运动目标检测，然后根据检测的结果来判断目标的姿态变化，再由给定的规则来对模板做出相应的修正，实验证明这种方法可以有效地适应目标的变化。     

基于相关匹配及双模式模板更新的跟踪方法

运动目标被遮挡表现为一部分子块区域与模板的失配,从而影响目标跟踪效果;为解决该问题,提出了一种改进的相关跟踪方法和双模式模板更新策略;通过自适应阈值调整和分块相关运算对MCD算法进行改进,在遮挡发生时判别被遮挡子块,及时调整模板更新策略,由Kalman滤波结果与匹配结果的线性加权和得出目标最终位置;实验结果表明:该方法能有效抑制目标局部像素变化引起的跟踪漂移,且对遮挡具有一定的鲁棒性。     

基于可变模型的目标实时跟踪

为了在图像序列中实现目标的快速定位和实时跟踪，该文提出了一种基于可变模型的快速目标跟踪算法，在已知模型条件下，利用区域模型相关匹配的思想对目标模型进行实时更新，充分利用目标莲续运动过程中目标形状在两个连续帧中变化不大、相邻两帧中目标的速度和位移变化不大的特点，以当前帧目标模型作为下一帧的先验模型；综合运用模型梯度信息、运动信息和模型区域特征匹配的方法来跟踪目标。由于算法综合考虑了目标模型的区域信息和轮廓信息，因此对背景干扰不太敏感。在头部跟踪实验过程中，该文算法跟踪移动目标的实时性和准确性比较好，抗干扰能力较强，基本上可以满足鲁棒性和快速性的要求。     

基于多感知因素的产品三维重构关键技术研究

从一幅简单的图形出发,利用图像中隐藏的透视信息进行三维重构,计算产品特征点的坐标及其相对位置.进行了透视元素、基本体素到组合体素的反求研究,并且给出了其相应的原理和算法.对于几何残缺信息的视觉补偿与推理等关键算法进行了研究,并利用非几何信息的处理与特征建模,搭建基于产品多感知因素的三维重构系统框架,实现了设计重用辅助产品创新设计.     

基于多感知因素的产品三维重构关键技术研究*

从一幅简单的图形出发,利用图像中隐藏的透视信息进行三维重构,计算产品特征点的坐标及其相对位置。进行了透视元素、基本体素到组合体素的反求研究,并且给出了其相应的原理和算法。对于几何残缺信息的视觉补偿与推理等关键算法进行了研究,并利用非几何信息的处理与特征建模,搭建基于产品多感知因素的三维重构系统框架,实现了设计重用辅助产品创新设计。     

Robust kernelized correlation filter with scale adaption for real-time single object tracking

Kernelized correlation filter (KCF) is a kind of efficient method for real-time tracking, but remains being challenged by the drifting problem due to inaccurate localization caused by the scale variation and wrong candidate selection. In this paper, we propose a new scale adaptive kernelized correlation filter tracker, termed as SKCF, which estimates an accurate scale and models the distribution of correlation response to address the template drifting problem. In SKCF, a scale adaption method is used to find an accurate candidate. Thus we improve its capacity to drastic scale change which usually happens for unmanned aerial vehicles (UAVs)-based applications. The SKCF also introduces a Gaussian distribution to model the correlation response of the target image to select a better candidate in tracking procedure. Extensive experiments are performed on two commonly used tracking benchmarks and also a new benchmark for UAV tracking with complex scale variations. The results show that the proposed SKCF significantly improves the performance compared to the baseline KCF and achieves better performance than state-of-the-art single object trackers at real-time.     

多线程下的视频微动目标检测与提取算法研究

在多线程并发情况下提取实时视频图像中的微动人物目标,基于多线程的思想,在多路并发请求的情况下,运用肤色检测和聚类思想对图像中的人物进行提取分割,并对处理过程中的多路访问资源的问题进行访问冲突避免。首先采用边缘检测的思想对运动目标边缘进行范围定位,然后采用聚类算法和肤色检测等方法进行目标模板的提取和完整性补充,根据得到的目标模板结合原始图片对应像素点坐标,将原始像素点颜色着色到新的背景模型的对应位置。仿真结果表明,在保证处理质量的情况下,提出的基于多线程思想的算法能满足实际工程应用实时处理的要求。     

背景对齐差分的机场跑道异物分块检测与跟踪算法

针对机场跑道异物的无人自主检测与识别过程中存在的检测结果受环境影响大、小目标检测困难以及漏检率高等问题,提出基于背景差分的机场跑道异物分块检测与跟踪算法.首先利用速度辅助的位置信息线性插值,获取背景模板图像库与待检测图像序列最相关帧;然后将图像分为不同子块,利用各子块内图像纹理复杂度设置自适应权值,结合ORB算法进行特征点提取,将各子块特征点归一化至原始图像,并与背景模板库最相关帧对齐作差,获取异物检测结果;最后引入核相关滤波器对检测结果进行多目标跟踪,采用各子块局部跟踪算法降低运算时间,并对跟踪结果进行可靠性检验.在3种实验场景下,与5种主流检测算法的对比实验结果表明,与目前已有的基于图像的机场异物检测算法相比,在保证算法处理速度的基础上,该算法将异物整体错检率降低了70%以上,并在异物尺寸大于1cm×1cm的情况下,将整体漏检率降低至0,获得了较好的效果.     

基于粒子滤波与稀疏表达的目标跟踪方法

针对视频序列图像目标跟踪中的光照变化问题,提出一种在粒子滤波器框架内,基于目标的局部二元模式(LBP)纹理特征,使用稀疏表达进行目标跟踪的方法。当前帧的跟踪粒子由前一帧的跟踪结果按高斯分布来生成。通过解l₁正则化最小二乘方问题,获得每个粒子对应于模板子空间的稀疏表达,确定当前帧图像中的跟踪目标。然后使用粒子滤波器生成下一帧跟踪的粒子分布。在跟踪过程中采用新的动态模板更新策略更新模板空间中的模板。实验结果证明该方法的有效性和先进性。