二自由度云台的机器视觉控制

本文建立了基于机器视觉反馈的云台控制模型,并通过相邻帧间的目标位置预测来简化搜索算法,实现快速高效的视觉云台对运动目标的连续跟踪.在制定系统空间转角输入量的控制策略中,简化了控制模型并对产生的偏差量进行了分析.结果表明,简化后的控制算法能够实现快速反馈和像面调整,在25帧/秒时实现对运动目标稳健跟踪,且跟踪精度高于传统算法;在目标速度2 m/s、相机60帧/秒时,改进算法实现了对运动目标的连续跟踪.同时提出了立体视觉系统模型及其在云台控制中的应用,通过像面坐标获取空间位置信息以规避目标跟丢现象.     

提高光电经纬仪跟踪快速运动目标能力的一种方法

考虑到系统稳定性，光电经纬仪跟踪伺服系统一般设计成Ⅰ型系统。Ⅰ型系统存在速度、加速度动态滞后误差。动态滞后误差的大小不但与跟踪系统有关，还与目标运动特性有关。在跟踪快速运动目标时，会因速度、加速度动态误差的增大，导致目标脱离视场，丢失目标。因此提高光电经纬仪跟踪快速运动目标的能力，一直是光电跟踪伺服系统努力的方向。本文给出了一种提高光电经纬仪跟踪快速运动目标的能力的方法：动态1 Ⅰ控制法，并利用SIMULINK建立了跟踪伺服系统动态1 Ⅰ控制法仿真模型。仿真结果表明动态1 Ⅰ控制法是一种提高光电经纬仪踊跃快速运动目标能力的有效方法。     

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。     

一种基于改进卡尔曼滤波的camshift目标跟踪算法

针对目标跟踪中的突变问题,本文提出一种基于改进卡尔曼预测的camshift(continuously adaptivemean shift)跟踪算法.本算法首先使用一种新的目标颜色模型,对传统目标模型进行改进,提高了目标跟踪的准确性和稳定性;同时为了更有效的预测目标位置,对卡尔曼滤波的一步预测值进行改进,并将修改后的卡尔曼预测算法融入camshift算法中,跟踪中增加采样率.实验表明,与传统camshift算法相比,该算法能够处理目标运动中发生突变的情况,实现对运动目标高精度的跟踪.     

基于视频算法的鱼类运动跟踪研究

针对利用鱼类行为监测进行水体环境保护的问题,本文提出了基于视频的鱼类运动跟踪研究,通过对鱼类运动视频进行分割、跟踪,获得鱼类运动的轨迹和速度,为鱼类参与环境污染研究奠定了理论基础(通过对比不同污染环境中鱼类运动的一些参数,进行水体环境污染程度的定量分析).该算法采用标记多尺度分水岭方法进行鱼类运动分割,然后通过改进的加权Hausdorff距离对鱼类运动视频进行跟踪,最后为了容纳鱼类在运动过程中形状的变化,在多值图像中引入欧几里德范数作为约束务件来完成跟踪模型的更新.实验结果表明,本文算法呈稳定跟踪状态,在连续100帧的跟踪过程中没有出现超过1个像素的位置差,跟踪速度差值也未超过0.12个像素,能够快速、精确分割和跟踪鱼类运动目标.     

监控视频智能检索关键技术综述

近年来随着监控系统的规模化及网络化,如何在海量的监控视频中快速查找所需要的信息、准确定位嫌疑目标的位置和运动轨迹,成为法庭科学研究的热点。本文就监控视频智能检索影响因素、运动目标的检测和提取技术以及运动目标跟踪方法等方面进行了论述。     

基于多信息融合的运动目标跟踪方法

针对复杂环境下多运动目标跟踪的高冲突信息组合问题,在DSmT的理论框架下,提出了一种将局部冲突在局部进行分配的改进证据合并方法来研究多运动目标的跟踪问题.该方法通过深入分析冲突及其相关因素之间的关系,将目标的位置信息与颜色信息进行融合建立起多信息合并的运动目标跟踪模型.仿真实验结果表明:采用该方法可实现互遮挡条件下的多...     

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。     

基于帧间差分和运动估计的Camshift目标跟踪算法

针对Camshift算法无法适应目标的高速运动、复杂背景和遮挡的局限性,本文提出结合帧间差分法和运动估计对Camshift算法进行改进.首先在颜色概率分布图计算中通过帧间差分法加入目标运动信息,实现自动初始化跟踪并排除与目标相似背景颜色的干扰.之后在搜索窗传递过程中预测目标的位置,根据跟踪状态对搜索窗进行调整,以实现对高速运动目标的跟踪.实验表明新算法在目标高速运动、遮挡、和同色干扰情况下,仍能进行有效跟踪.     

采用四象限探测器的双轴跟踪控制技术

采用四象限探测器作为位置传感器，设计出以DSP作为控制器的双轴跟踪控制试验演示系统。通过误差数据采样、计算和比较，在反馈作用下对误差修正，以快速扫描系统和大范围扫描系统构成的双轴联合机构实现运动目标的捕获跟踪。试验结果表明，该系统能够快速捕获并平稳跟踪合作目标，且调试方便，可靠性好，为下一步工程化奠定了基础。     

基于双曲调频距离误差的目标跟踪修正算法

双曲调频信号的多普勒不变性可使运动目标匹配滤波输出的能量损失达到最小，在运动目标检测与参数估计中具有独特优势，已广泛应用于新型主动声呐。然而其多普勒不变性在提高检测能力的同时，会引入目标距离估计误差，从而影响主动声呐跟踪性能。文章在分析双曲调频信号距离估计误差的基础上，提出了目标跟踪算法的误差修正方法，通过将距离估计误差公式与传统观测方程及滤波算法进行融合，实现目标跟踪算法的误差补偿，显著提高了算法的跟踪性能，尤其是对快速运动目标的跟踪性能。     

基于YOLOv3检测和特征点匹配的多目标跟踪算法

针对传统多目标跟踪算法中行人检测速度慢、易受光照变化、行人快速移动及部分遮挡因素的影响造成行人目标跟踪性能差等问题, 提出一种根据经典的Tracking-by-Detection 模式,采用深度学习YOLOv3算法检测行人目标,然后利用FAST角点检测算法与BRISK特征点描述算法对相邻帧间的行人目标进行特征点匹配,实现多目标行人跟踪的算法。实验结果表明行人目标在背光、快速移动、部分遮挡等复杂环境下均获得了良好的连续跟踪效果,平均精度达到87.7%,速度达到35帧/s。     

集成轮廓跟踪

本文将跟踪看作是二分类问题,提出了一种基于Adaboost集成学习和快速水平集的轮廓跟踪算法.该方法首先在线地训练一个弱分类器的集合用以区分目标和背景,而通过Adaboost将集合中的各弱分类器组合成一个强分类器,并用于标定下一帧中的各像素的类别属性,从而确定快速水平集算法的速度函数,然后采用基于动态邻近区域快速水平集来演化目标边界曲线以实现目标的轮廓跟踪.为适应目标和背景的变化,在跟踪过程中在线训练新的弱分类器,而时间相关性则通过更新包含新弱分类器的集合来实现.实验结果表明,在摄像机运动、光照变化,部分遮挡或目标尺度变化等情况下,能实现刚体或非刚体目标的轮廓跟踪.     

一种激光扫描跟踪实验装置的设计

该扫描跟踪实验装置以TMS320F240为核心,辅以外围电路,控制俯仰和方位电机,使之 协调工作,以开环和闭环相控制结合的方式完成对目标的初始引导、扫描、捕获、跟踪,获取运动目标的位置信息并完成信息的传输。实验表明,此方案的行扫描频率达到25Hz、目标捕获时间小于3s,跟踪速度达3.0°/s,且具有功耗低、体积小的特点。     

方位角准确预测法在光电跟踪中的应用研究

本文通过基于卡尔曼滤波和一步预测理论建立适当的数学模型，提出了一种应用于舰载光电跟踪设备的拟线性目标方位预测算法，并对不同的运动目标的进行了仿真计算。结果表明该方法有较高的精度，能预测出光电跟踪设备在丢失目标情况下的目标航迹，可满足其在炮振丢失目标情况下的预测要求。     

基于塔型结构的快速相关跟踪算法

提出一种能自适应的确定相关匹配搜索范围的快速相关跟踪算法。该算法结合两点线性预测器和图像塔型结构的多分辨力分析方法,综合图像在不同尺度下的位置信息,自适应地计算出相关匹配的搜索范围,减小了相关运算的计算量,同时确定了有效的帧间相关置信度估计和模板更新策略。实验证明此算法计算速度快,能持久稳定地跟踪运动目标。     

Autonomous target tracking and following mobile robot

Tracking and following a moving target in real time is a very challenging task in autonomous mobile robot applications, due to the unstructured and unknown environment. In this article, a real time, autonomous, dynamic, whole-field target tracking system (360° coverage) is developed based on a pan/tilt/zoom CCD vision system. The vision system scans and locks the pose of the moving target and commands the tracking mobile robot to follow the target while avoiding obstacles. Bayes’ theorem-based foreground–background segmentation algorithm is applied for motion detection. The color-based particle filter algorithm is used to track the moving object. The system steers the tracking mobile robot toward the moving target based on the angular difference obtained from the tracking module. Fuzzy logic is applied and a sensor data fusion algorithm is developed to reduce the ultrasonic phantom effect of obstacle detection using eight ultrasonic sensors. Multiple behaviors are integrated through the proposed system. Experimental results show the proposed system can successfully track and follow a moving target and avoid obstacles in real time. The tracking accuracy is higher than 80%.