基于多任务混合噪声分布模型表示的视频跟踪

视觉跟踪中,目标信息是不确定的非线性变化过程。随时间和空间而变化的复杂动态数据中学习出较为精确的目标模板并用它来线性表示候选样本外观模型,从而使跟踪器较好地适应跟踪作业中内在或外在因素所引起的目标外观变化是视觉目标跟踪研究的重点。提出一种新颖的多任务混合噪声分布模型表示的视频跟踪算法,将候选样本外观模型假设为由一组目标模板和最小重构误差组成的多任务线性回归问题。利用经典的增量主成分分析法从高维数据中学习出一组低维子空间基向量（模板正样本）,并在线实时采样一些特殊的负样本加以扩充目标模板,再利用扩充后的新模板和独立同分布的高斯-拉普拉斯混合噪声来线性拟合当前时刻的候选目标外观模型,最后计算候选样本和真实目标之间的最大似然度,从而准确捕捉当前时刻的真实目标。在一些公认测试视频上的实验结果表明,该算法将能够在线学习较为精准的目标模板并定期更新目标在不同状态时的特殊信息,使得跟踪器始终保持最佳的状态,从而良好地适应不断发生变化的视觉信息（姿态、光照、遮挡、尺度、背景扰乱及运动模糊等）,表现出更好的鲁棒性能。     

基于改进高斯混合模型的实时运动目标检测与跟踪*

为提高运动目标检测与跟踪的可靠性,提出了一种基于改进高斯混合模型的实时运动目标检测与跟踪算法。该算法建立可自动调节分布数目的高斯混合背景模型,通过背景减除获取前景图像;利用目标相邻帧的连续性分割运动目标;在此基础上将传统的颜色直方图模型进行改进,提高目标颜色分布的可信度,进而根据目标的位置、大小和颜色构造运动目标全局匹配相似度函数,实时完成运动目标检测与跟踪。利用大量的监控视频数据进行验证,结果表明,与传统的检测跟踪算法相比,该算法减少了计算量,提高了复杂背景情况下运动目标检测与跟踪的可靠性。     

级联特征融合孪生网络目标跟踪算法研究

在光照变化、遮挡、背景相似、变形等复杂情况下,目标跟踪过程中难以精确地提取丰富的特征信息,容易导致目标跟踪出现漂移或者跟踪丢失。由于多层神经网络的浅层特征具有高分辨率,适合于目标定位;深层特征具有丰富的语义信息,适合于目标分类。充分利用这一优势,提出了一种级联特征融合的孪生网络目标跟踪算法。对ResNet-50网络进行改进,在减少模型参数和计算量的同时提高跟踪速度;采用级联特征融合策略将ResNet-50最后一阶段的3层特征进行逐级级联融合,进行目标深层语义信息和浅层空间信息的有效提取,实现目标的多特征准确表示。针对目标跟踪过程中大多数算法仅利用第一帧作为目标模板导致跟踪过程中目标模板退化问题,引入模板更新机制,利用相似度阈值法进行模板的实时更新。在OBT2015、VOT2016和VOT2018标准数据集上进行对比实验,实验结果表明,该算法的跟踪精度较高,复杂场景下鲁棒性较强,相对于其他算法有较强的竞争优势。     

一种基于Hausdorff距离的目标跟踪算法

序列图像中的运动目标跟踪是计算机视觉的一个重要组成部分,跟踪算法的鲁棒性和计算量是算法的关键.本文提出了一种基于Hausdorff距离的目标跟踪方法,该算法结合运动检测和多分辨率技术,极大减少了计算量,并利用有效的模板更新方法,加强了跟踪的鲁棒性.实验表明,该算法能实现快速有效的目标跟踪.     

动态背景运动目标的快速锁定跟踪算法

为改善动态背景运动目标跟踪的精度和计算性能,提出一种Hu_Fourier特征描述子的目标识别算法和固定模板滑动置信度最佳线性逼近法的目标锁定跟踪算法。依据提出的Hu_Fourier特征描述子,快速准确地提取出识别区域运动目标的轮廓特征,结合加权距离目标识别算法,识别出图像中所有目标,计算目标的质心坐标。利用提出的固定模板滑动置信度准则,结合识别目标的质心,锁定目标,更新目标模板。依据最佳线性逼近法,确定下一帧图像的目标搜索区域。理论分析和实验结果验证了该目标锁定跟踪算法的鲁棒性和有效性。     

雾天视频图像增强与运动目标跟踪模型及方法

关于视频图像多目标检测优化问题,针对雾天视频图像目标特征和背景不断地变化,雾天图像的退化程度跟场景深度成非线性关系的问题,提出用于准确完成雾天运动目标检测的实时背景建模框架的图像清晰化方法,并创建一种新的具有增量集成学习能力的目标跟踪计算模型和相应的方法,以适应跟踪过程中目标特征和背景的不断变化,构建一种具有增量学习能力的稳健的目标跟踪算法,改进方法有效地解决了雾天条件下运动目标跟踪的稳健性.     

自动选取特征的行人跟踪

根据非刚性物体运动的特点,提出一种利用支持向量机有效对多目标进行分离并能自动选择目标最明显特性区域的覆盖比算法,克服了以往对选取区域事先进行设定的情形。采用目前常用的加权颜色直方图作为备选粒子,进行行人跟踪。由于建立了合理目标颜色模型,减少了对粒子数量的需求,降低了计算复杂度,有利于实现实时跟踪。利用Bhattacharyya距离描述粒子与目标颜色模型的相似性,作为粒子更新权值的依据。试验结果证明了自动选取被跟踪目标的特征与事先设定备选区域有等价效果。     

基于统计模型的遗传粒子滤波器人体运动跟踪*

提出了一种基于统计模型的遗传粒子滤波器人体运动跟踪算法。引入局域二值模式(LBP)算子提取纹理特征,利用颜色直方图与纹理直方图相似度的加权和表示目标相似度,以有效解决自遮挡对跟踪的影响。利用该统计模型精确表示运动人体轮廓,目标形状可由一可变形状参数确定;采用遗传粒子滤波器作为跟踪算法以提高粒子滤波器的鲁棒性和精度。通过预测更新可变形状参数,再利用统计模型中目标形状与形状可变参数的关系得到图像序列各帧中人体轮廓,有效降低了计算量,从而达到快速而准确的跟踪目的。最后用上述方法进行了实验,验证了该方法的实用性和有效性。     

空中机动目标参数估计优化方法仿真

研究空中机动目标参数估计优化方法.在进行被动式空中机动目标跟踪过程中,由于空中环境干扰较大且机动目标信号具有一定的隐蔽性、多样性,采用传统的算法进行目标参数估计,跟踪的精确度不高,严重影响跟踪效果.为此,提出基于改进非线性最小二乘的空中机动目标参数估计优化方法.针对机动目标相关参数数据进行降维处理,以减少跟踪过程的计算量,依据改进非线性最小二乘理论,构建目标信号模型,从而确定目标搜索范围,构造代价函数,获取参数估计结果,实现对空中机动目标的有效检测与跟踪.实验结果表明,利用改进算法进行空中机动目标参数估计优化,能够获得较好的目标参数估计效果,提高空中机动目标跟踪的准确率.     

代谢模型与LK算法结合的目标跟踪研究

针对复杂环境下遮挡和视角变化导致目标跟踪漂移问题,提出一种新的目标代谢模型,并结合LK(Lucas-Kanade)图像配准方法,通过二阶段递进的跟踪方式,实现目标复杂运动状态下的有效跟踪。二阶段分别使用代谢模型中的动态模板和准静态模板进行跟踪,实时更新动态模板的同时,周期性更新准静态模板,利用目标运动信息与模板变化信息之间的关系,实现对目标新旧特征的代谢更新。实验结果表明,该算法有效解决了模型更新带来的跟踪漂移问题,具有较好的鲁棒性和实时性。     

基于Sigmoid函数的机器人鲁棒滑模跟踪控制系统设计

为了保证机器人能够在保持稳定的情况下,按照规划轨迹执行工作任务,从硬件和软件两个方面,设计了基于Sigmoid函数的机器人鲁棒滑模跟踪控制系统。装设机器人传感器与状态观测器,改装机器人鲁棒滑模跟踪控制器,完成系统硬件设计。综合机器人结构、运动机理和动力机制三个方面,构建机器人数学模型。根据状态数据采集结果与规划轨迹之间的偏差,计算机器人跟踪控制量。依据滑模运动与切换方程,利用Sigmoid函数生成机器人鲁棒滑模控制律,将生成控制指令作用在机器人执行元件上,实现系统的鲁棒滑模跟踪控制功能。实验结果表明,所设计控制系统的机器人移动轨迹与设定轨迹目标基本重合,其机器人姿态角跟踪控制误差较小,具有较好的鲁棒滑模跟踪控制效果,能够有效提高机器人鲁棒滑模跟踪控制精度。     

Modeling local behavior for predicting social interactions towards human tracking

Human interaction dynamics are known to play an important role in the development of robust pedestrian trackers that are needed for a variety of applications in video surveillance. Traditional approaches to pedestrian tracking assume that each pedestrian walks independently and the tracker predicts the location based on an underlying motion model, such as a constant velocity or autoregressive model. Recent approaches have begun to leverage interaction, especially by modeling the repulsion forces among pedestrians to improve motion predictions. However, human interaction is more complex and is influenced by multiple social effects. This motivates the use of a more complex human interaction model for pedestrian tracking. In this paper, we propose a novel human tracking method by modeling complex social interactions. We present an algorithm that decomposes social interactions into multiple potential interaction modes. We integrate these multiple social interaction modes into an interactive Markov Chain Monte Carlo tracker and demonstrate how the developed method translates into a more informed motion prediction, resulting in robust tracking performance. We test our method on videos from unconstrained outdoor environments and evaluate it against common multi-object trackers.     

Visual Tracking Based on Adaptive Mean Shift Multiple Appearance Models

To overcome the tracking issues caused by the complex environment namely, illumination variation and background clutters, tracking algorithm was proposed based on multi-cues fusion to construct a robust appearance model, indeed the global motion is estimated using the H∞ filter based on the nearly constant velocity motion model, then the traditional Mean Shift (MS) estimate the local state associated with each sub appearance model, finally the weights of the sub appearance models are adjusted and combined to estimate the final state. The proposed method is tested on public videos that present different environment issues. Experiences and comparisons conducted show the robustness of our methods in challenging tracking conditions.     

Probabilistic fusion-based parameter estimation for visual tracking

In object tracking, visual features may not be discriminative enough to estimate high dimensional motion parameters accurately, and complex motion estimation is computationally expensive due to a large search space. To tackle these problems, a reasonable strategy is to track small components within the target independently in lower dimensional motion parameter spaces (e.g., translation only) and then estimate the overall high dimensional motion (e.g., translation, scale and rotation) by statistically integrating the individual tracking results. Although tracking each component in a lower dimensional space is more reliable and faster, it is not trivial to combine the local motion information and estimate global parameters in a robust way because the individual component motions are frequently inconsistent. We propose a robust fusion algorithm to estimate the complex motion parameters using variable-bandwidth mean-shift. By employing correlation-based uncertainty modeling and fusion of individual components, the motion parameter that is robust to outliers can be detected with variable-bandwidth density-based fusion (VBDF) algorithm. In addition, we describe a method to update target appearance model for each component adaptively based on the component motion consistency. We present various tracking results and compare the performance of our algorithm with others using real video sequences.     

跟踪算法中一种新的数学建模方法

在跟踪领域，建立一个良好的运动目标描述模型是一种算法是否能取得优异效果的关键性因素之一。针对基于运动的跟踪算法提出了一种新的运动目标描述模型。该模型根据运动的连续性探求出运动过程中出现的各种情况之间联系的数学描述方法，并根据对运动目标的观测结果运用EM算法对模型参数进行实时更新。试验结果表明：该模型对部分遮挡，非刚性变形，目标外观发生改变均不敏感。     

基于深度图像的人体运动姿态跟踪和识别算法

由于人体运动的复杂性,现有基于低质量深度图像的三维立体姿态跟踪和识别 方法的准确性较低、鲁棒性较差。针对低质量深度图像的人体运动姿态和识别问题,本文设 计了一种基于三步搜索算法的人体运动姿态的跟踪和识别方法。该方法首先对获取的深度信 息进行分析,从而判定人体轮廓;然后通过基于深度图像的骨骼跟踪方法跟踪特定骨骼点, 并采用三步搜索算法进行运动估计,跟踪获取人体运动轨迹;最后利用获取的骨骼点坐标实 现人体运动姿态的识别。实验结果表明,该算法克服光照影响的鲁棒性较强,且能有效地提 高人体运动姿态跟踪与识别的准确性。     

运动像机下基于粒子滤波的多目标跟踪算法

针对摄像机运动情况下的多目标跟踪问题,提出了基于粒子滤波的跟踪算法.在粒子滤波算法基础上,将二阶自回归过程作为系统状态转移模型,HSV颜色直方图作为观测模型,对视频中多个目标的位置、大小进行跟踪.实验结果表明,该算法能实时正确地跟踪多个目标,并对局部遮挡有较好的鲁棒性,也能在目标短暂消失导致跟踪失败后,在目标重新出现后及时捕获并继续进行跟踪.     

基于光流的四旋翼直升机鲁棒自主着陆控制

针对小型四旋翼无人机自主着陆问题,提出了一种基于光流的高度估计方法和基于信号补偿的高度鲁棒控制器设计方法.首先从通用光流运动模型出发,采用奇异值分解方法求解无人机线速度和深度的比值,通过对垂直速度和高度比值积分获得高度数据.其次,将考虑地效影响和其它不确定性的高度通道非线性模型分解为标称线性模型和等效扰动两部分,并设计基于信号补偿的高度鲁棒控制器,该控制器由标称控制器和鲁棒补偿器组成,其中标称控制器使得标称闭环系统达到期望的高度跟踪特性,鲁棒补偿器用于抑制等效扰动的影响.最后从理论上证明了该控制器可以保证高度跟踪误差在有限时间内收敛至指定的原点邻域内.四旋翼无人机自主着陆的实验结果验证了所提出的基于光流的高度估计和鲁棒控制方法的有效性.     

倾转旋翼机平均驻留时间切换鲁棒H∞跟踪控制

针对倾转旋翼飞行器模态转换阶段的飞行控制问题,本文给出了倾转旋翼机纵向运动飞行控制系统模型和一种基于参考模型的鲁棒跟踪控制方法.为了保证闭环系统在切换过程中稳定并同时满足指定的鲁棒H∞性能指标,利用状态观测器对系统不可观测状态进行估计,结合模型依赖平均驻留时间方法提出了一种倾转旋翼机切换鲁棒H∞跟踪控制方法,通过求解线性矩阵不等式得到控制器增益,并分析了系统的鲁棒稳定性.仿真结果表明,所提出的方法能够使飞行器系统准确跟踪指令,且对于控制器切换具有鲁棒性.     

自适应粒子滤波在人体跟踪过程中的应用

人体运动跟踪技术近年来在图像处理与计算机视觉领域引起很多关注,在当前一些重要研究和应用领域有着广泛的需求。在以往跟踪方法的基础上提出了基于决策规则的自适应粒子滤波的无标记运动目标跟踪方法。利用一个带外观模板的人体关节模型,通过学习得到运动模型及基于关节模型的相似性计算,巧妙地利用自适应粒子滤波对运动目标进行实时跟踪,使得在粒子滤波过程中,可以根据实际滤波情况在线调节粒子数。实验表明,提出的算法鲁棒性好,跟踪速度比基于传统粒子滤波的快。