快速运动目标的Mean shift跟踪算法

针对Mean shift本身的理论缺陷,提出Mean shift和卡尔曼滤波器相结合的快速目标跟踪算法。利用卡尔曼滤波器来获得每帧Mean shift算法的起始位置,然后再利用Mean shift算法得到跟踪位置。在目标出现大比例阻挡情况时,利用卡尔曼残差的计算来关闭和打开卡尔曼滤波器,此时,目标位置的线性预测替代了卡尔曼的作用。试验证明,本算法可以实现对快速运动目标的跟踪,对阻挡也有很好的鲁棒性。     

基于Mean shift算法的灰度人脸跟踪

由于灰度图像的信息单一、缺乏描述目标的信息,且易受到光照的影响,导致Mean shift算法在灰度图像跟踪中的应用不稳定,我们采用结合灰度与方向编码特征建立目标模型的策略,提出了在灰度图像中以Mean shift为核心的人脸跟踪算法.实验结果表明,该算法可以成功的克服混乱、遮挡、光照变化以及目标自身的缩放与旋转的影响,并且计算量非常小,对于大小为48像素×68像素的目标,整个算法的计算时间仅为34ms.     

基于Mean Shift算法的伪装目标跟踪

针对传统Mean Shift跟踪算法对伪装目标进行跟踪时容易陷入局部最大值导致跟偏甚至跟丢的问题,本文首先采用联合直方图来增强对目标特征的描述,然后在跟踪过程中以目标背景区分度为原则,动态更改目标描述模型和通过调整联合直方图各部分的权重来自适应背景的变化,以保证跟踪此类目标的鲁棒性.实验证明,针对与背景相似的伪装目标,改进的Mean Shift算法仍能对其进行有效准确的跟踪.     

Kalman滤波融合优化Mean Shift的目标跟踪算法

目标跟踪中,目标的背景变化、形状改变、遮挡,往往会导致跟踪失败,而跟踪的实时性和准确性是必须考虑的问题。本文首先对Mean Shift算法进行了介绍,接着对Mean Shift算法进行了优化:修正Mean Shift算法迭代权值,修正后主要信息贡献更加突出,次要信息受到抑制,避免了开方的繁琐运算,降低了运算量。提出了目标模板更新算法,解决了背景变化和目标形状改变时跟踪失败的问题。然后在水平位置和竖直位置建立Kalman滤波器,同时将优化Mean Shift算法与Kalman滤波融合,解决了目标完全遮挡后无法继续跟踪的问题。仿真实验表明,本文提出的目标跟踪算法在目标遮挡,目标形状改变,目标跟踪失败的情况下具有更高的跟踪精度,更高的实时性和鲁棒性。     

改进的Mean Shift算法在前视声呐运动目标跟踪中的应用

多波束前视声呐具有成像速度快、分辨率高的优点,是进行水下目标探测、跟踪和监控的重要设备。针对多波束前视声呐运动目标的跟踪问题,提出了一种改进的MeanShift算法。该算法利用经典的MeanShift算法实现目标的帧间定位,通过基于图像序列的背景消减法实现运动目标分割,根据分割后目标的位置和大小对Mean Shift跟踪框进行更新,并重新建立跟踪模型来迭代实现目标的准确定位和跟踪。实验结果表明,改进后的算法可实现目标跟踪框随目标大小和形状的更新,对目标的定位更加准确。因此,该算法具有应用于水下目标精确跟踪和定位的潜力。     

基于演化非对称核函数的均值漂移跟踪算法

针对传统均值漂移跟踪算法中采用的对称核函数模板中包含了较多背景像素点,影响跟踪精确度和稳定性的缺点,在固定非对称核函数的基础上对均值漂移跟踪算法进行了改进,提出了一种基于演化非对称核函数的均值漂移目标跟踪算法。本文算法首先介绍了将非对称核函数模板引用到均值漂移算法框架的关键问题——模板中心——的计算方法;其次将非对称核函数模板的表述和演化有机结合,提出了利用区域相似度的目标轮廓水平集演化算法并阐述了非对称核函数模板的更新策略。实验结果表明,相比现有的方法,本文提出的基于演化非对称核函数模板均值漂移跟踪算法具有更高的准确性和可靠性,同时也能满足一般目标跟踪任务的实时性要求。     

Kalman滤波融合优化Mean Shift的目标跟踪

目标跟踪中,目标跟踪的实时性和精度是首先要考虑的问题,同时背景变化、形状改变、目标遮挡,往往会导致跟踪失败。针对此问题,首先优化了Mean Shift算法迭代权值,优化后主要灰度贡献更加突出,次要灰度受到抑制,提高了跟踪的精度、避免了开方的繁琐运算。然后提出目标模板更新算法,解决了背景剧烈变化和目标形状改变时跟踪失败的问题。最后将优化Mean Shift算法与Kalman滤波融合,通过残差判定目标运动状态。仿真实验和分析表明,Kalman滤波融合优化Mean shift算法在目标遮挡,目标形状改变,背景变化时具有更高的跟踪精度和实时性。     

一种目标跟踪中的模糊核直方图

针对目标模型内的背景像素造成目标跟踪定位偏差的问题,提出了一种适合于目标跟踪的模糊核直方图.通过在核直方图中引入模糊隶属度,可降低背景像素对目标特征的影响.另外,研究了模糊隶属度函数,根据中心-周围方法提取背景特征,并给出了确定模糊隶属度函数的两种策略,即比率策略和差分策略.在比率策略中采用对数似然函数技术,而在差分策略中采用目标特征与背景特征的差分技术.实验表明,基于比率策略的目标跟踪更适合于场景简单的情形,而基于差分策略的目标跟踪适合于场景复杂的情形.     

复杂背景下的红外目标自动跟踪算法

提出了一种非线性边缘检测和Mean Shift方法相结合的红外目标检测与跟踪算法.采用双窗口算子的非线性边缘检测算法具有计算量小、速度快、图像质量好等优点.在边缘检测后的二值图像基础上,利用改进的Mean Shift跟踪算法实施目标跟踪.该跟踪算法融合了计算目标区域局部标准差的信息;利用灰度值和局部标准差的概率密度函数来描述目标;同时选择核函数级联方式进行目标密度估计,从而弥补了仅用灰度信息描述目标特征的不足.实验结果表明,该跟踪算法检测出的复杂背景下红外目标边缘清晰,并且能够准确地对目标实施自动跟踪.     

基于LabVIEW的红外人体目标跟踪

针对红外图像序列信噪比低,缺少边缘及纹理信息,以及人体目标运动自主性强且姿态复杂多变的特点,选用Mean Shift目标跟踪算法,对红外人体目标进行跟踪.针对传统Mean Shift目标跟踪算法不能对尺度变化的红外目标进行有效跟踪的问题,对原有算法进行改进,使用边缘加权直方图与模板中心加权直方图计算Bhattacharyya系数的方式,实现核函数带宽的自适应,并利用界面友好的LabVIEW2011平台进行实现.通过两组实验证明了改进后算法的可行性和有效性.     

A self-adaptive edge matching method based on mean shift and its application in video tracking

A self-adaptive edge matching method based on mean shift adjustment is proposed in this paper. Such method uses the local mode seeking character of mean shift to adjust the edge information of each model to a stable state before matching, which can effectively avoid the deviation problem of traditional method and raise the successful matching rate. Furthermore, the interfering vector with a self-adaptive coefficient is proposed to optimise the matching performance in complex background. Compared with a pre-set constant coefficient, the self-adapted coefficient has a better perception of background edge complexity so as to control the initial adjusting position more rationally, and thus increases the robustness and accuracy of matching. This matching method is applied in an improved particle filtering tracking framework, and experimental results prove the validity and rationality of the theoretical analysis, and show that the proposed matching method performs a robust and efficient tracking.     

基于自适应子空间估计的DOA跟踪算法

运用特征子空间类高分辨方法的关键在于信号或噪声子空间的估计。实际上有些信号的统计特性通常随时间变化，为了得到参数的实时估计值，需要随时根据新的阵列接收数据对信号或噪声子空间进行更新?文中分析了一种自适应子空间估计算法，即MALASE(Maximum Likelihood Adaptive Subspaee Estimation)算法然后，把MALASE算法与最小范数(Mini—Norm)高分辨方位计算法相结合．并应用零点跟踪技术，提出了一种自适应Mini—Norm算法，可用于对时变的信号波达方向(DOA)进行跟踪估计。仿真结果验证了该算法具有较好的跟踪性能。     

基于自适应均值的图像滤波算法

目的为了提高激光三维成像系统中的图像质量,有效滤除图像中噪声,提出一种自适应均值漂移的图像滤波算法。方法在传统算法基础上对均值漂移滤波算法进行改进,选取领域内像素的均方差为控制参量对带宽矩阵h大小进行自适应调控。根据宽带矩阵h的大小,选择合适的像元值参与到计算均值过程中,以提高结果的计算精度。结果实验结果表明改进后的算法能够有效滤除图像中的噪声,提高图像清晰度。结论该算法具有良好的保边去噪特性。     

基于卷积网络的目标跟踪应用研究

本文针对目标跟踪应用,提出了基于Siamese-FC跟踪网络的改进卷积网络Siamese-MF,意在更进一步提升跟踪速度和准确性,满足目标跟踪的工程应用需求。对于跟踪网络,考虑速度和精度的权衡,减少计算量,增加卷积特征的感受野是改进跟踪网络的速度和精度的方向。在卷积网络结构上面进行改进结构创新,改进主要集中为两点:1)引入特征融合,丰富特征;2)引入空洞卷积,减少计算量的同时增强感受野。Siamese-MF算法实现了对于复杂场景目标的实时准确跟踪,在公开数据集OTB上测试速度达到平均76 f/s,跟踪成功率的均值达到0.44,而跟踪稳定性的均值达到0.61,实时性、准确性和稳定性均提升,满足目标实时跟踪应用。     

基于动态捕获区域的DC-TLD目标跟踪算法

为提升TLD目标跟踪算法的处理速度,以达到在更高分辨率视频中跟踪目标的实时性要求,在TLD算法框架的基础上,提出了一种基于动态捕获区域的TLD目标跟踪算法(DC-TLD)。算法采用前一帧目标位置作为当前帧目标位置的预测值,减小了目标位置的预测误差。研究了检测区域负样本出现需满足的条件,分析了检测区域大小对算法鲁棒性的影响。针对样本的访问方式,提出基于索引的访问方法,极大地减少了访问时间。实验结果表明,该方法不仅有效降低了TLD算法的样本检测时间,而且提高了算法的鲁棒性。     

基于统计学习的运动目标轨迹跟踪

为了更准确地跟踪被动辐射源的运动轨迹,提出了一种将到达时差(TDOA)最大似然定位方法与基于统计学习的算法相结合的轨迹跟踪算法.该算法利用TDOA最大似然网格搜索法对目标进行多次单独定位,获得目标初始轨迹,然后应用统计学习算法对轨道进行学习和拟合,输出运动轨迹.仿真表明,同卡尔曼滤波器相比,该方法提供了更高的跟踪精度,当拟合点数达到300个点时,最终的跟踪精度同单次定位精度相比可提高一个数量级.