基于人脸检测和CAMSHIFT算法的人脸跟踪系统

针对彩色视频序列,本文提出一种基于检测和彩色直方图的人脸跟踪系统,首先利用Adaboost算法进行快速人脸检测和定位,然后通过Canny滤波获取精确的人脸区域建立肤色直方图模型,在CAMSHIFT算法的基础上运用人脸形态约束,Kalman滤波进行实时的人脸跟踪,实验证明该系统具有较好的实时性并能很好的解决遮挡,类肤色干扰和快速移动的问题.     

一种基于蒙特卡罗方法的小目标视觉跟踪算法

CAMSHIFT是一种利用颜色直方图反向投影的视觉跟踪算法,通常用于人脸跟踪等领域。但在目标较小的情况下,由于信息量有限,往往不能获得稳定的跟踪结果。为了提高跟踪结果的稳定性,提出了一种基于蒙特卡罗方法的改进算法。该算法通过产生高斯随机样本的方法补充样本,不仅增强了目标颜色特征分布的鲁棒性,而且提高了跟踪的稳定性。结果表明该算法是有效的。     

基于DSP的自主式机动目标跟踪系统

设计了一种基于DSP的机动目标跟踪系统.该系统采用TMS320DM642作为其核心处理器,还包括BASLER A301fcCCD,以及大容量存储器.介绍了一种改进CamShift算法,利用目标边缘作为搜索特征,实现对机动目标自主式跟踪.在基于TMS320DM642的跟踪系统平台上实现了该跟踪算法,完成了跟踪系统的软、硬件设计.经过实验证明该跟踪系统工作性能稳定,能够有效跟踪机动目标.     

基于肤色及轮廓信息的人耳实时跟踪

实时人耳跟踪作为人耳识别系统的前提，是一个意义重大且具有挑战性的课题。为了实现对人耳的快速实时跟踪定位，提出了一种融合肤色及灰度轮廓信息检测跟踪序列图像中人耳的新方法。该方法首先采用改进的CAMSHIFT算法在肤色概率分布基础上，初步对侧面人脸这一包含耳朵的大面积肤色区域进行粗定位，进而根据耳朵自身丰富的轮廓信息，应用轮廓提取及拟合来进一步精确定位人耳。实际应用表明，该方法具有速度快、效率高和鲁棒性好的特点，不仅能够满足实时性的要求，并且对于干扰和耳朵自身一定角度的偏转都有较好的容错性。此外，该方法在相对复杂的背景下仍能获得较好的跟踪效果。     

实时人脸跟踪算法

人脸跟踪有着广阔的应用前景.文中提出改进的CMSHIFT算法,实现动态人脸的跟踪,该方法给出人脸在运动中的长度、宽度以及旋转角度.实验表明,该算法快速准确可靠,而且能够克服跟踪过程中被遮挡的问题.     

基于颜色概率模型的实时手势跟踪算法

本文提出了一种改进的CAMSHIFT算法,实现了对动态手势的实时跟踪。将图像序列通过一个肤色概率查找表转换为肤色概率分布图,结合运动信息和肤色概率分布,初始化一个搜索窗的大小和位置,然后对肤色概率分布图进行迭代运算,定位出手势的位置和大小,根据计算肤色概率分布图中手势区域的2阶矩,最终确定感兴趣区域的长度和宽度
。实验表明,本文提出的算法能实时处理视频图像,避免了错误跟踪,而且跟踪准确精细。     

广义均值移动跟踪算法

CAMSHIFT算法和Comaniciu/Meer算法是均值移动在视频目标跟踪中最为常用的两个基本算法.本文对Bradski和Comaniciu/Meer等人的工作加以推广,给出了广义均值移动跟踪算法.论文采用一个一般形式的相似性度量函数,并推导了其相应的像素权值计算和搜索窗口位置更新公式.新算法基于搜索窗内各像素权值的零阶矩来计算更新其搜索窗口尺寸.然后证明现有的两种基本算法都可以归纳到广义均值移动跟踪算法的统一框架中.对多段视频序列的跟踪实验分析比较了统一框架中3种均值移动算法的跟踪性能.     

基于OpenCV的运动目标跟踪及其实现

CAMSHIFT算法是一种基于颜色直方图的目标跟踪算法。在视频跟踪过程中,CAMSHIFT算法利用选定目标的颜色直方图模型得到每帧图像的颜色投影图,并根据上一帧跟踪的结果自适应调整搜索窗口的位置和大小,得到当前帧中目标的尺寸和质心位置。在介绍Intel公司的开源OpenCV计算机视觉库的基础上,采用CAMSHIFT跟踪算法,实现运动目标跟踪,解决了跟踪目标发生存在旋转或部分遮挡等复杂情况下的跟踪难题。实验结果表明该算法的有效性、优越性和可行性。     

一种基于直方图特征和AdaBoost的图像中的文字定位算法

图像中的文字自动定位是计算机视觉领域中的一个新兴研究热点。为了使得定位算法能够适应不同类型的图像和文字，根据文字所具有的特殊纹理属性，提出了一种具有普适能力的基于直方图特征和AdaBoost的文字定位算法。该算法首先通过提取对文字具有较强鉴别能力的直方图特征和引入AdaBoost算法来设计级联结构的纹理分类器；然后用该分类器的概率输出来生成文字概率图；在此基础上再通过CAMSHIFT算法得到最终的定位结果。实验结果表明，该算法具有较强的鲁棒性，能够适应文字在语种、字体、尺度等方面的变化，在不同类型的图像中都能得到较好的定位结果。     

基于自适应提取和改进CAMSHIFT单目手势跟踪

为了解决复杂背景下手势提取与手势跟踪准确度受影响的问题,提出了一种基于自适应提取和改进CAMSHIFT(Continuously Adaptive Mean Shift)单目手势跟踪算法.该算法通过自适应手部提取方法识别手部完成对跟踪目标的初始化,以运动历史矩阵为掩模提取图像中的感兴趣区域,在该区域内使用CAMSHIFT算法跟踪目标,并通过傅里叶描述子对跟踪目标轮廓进行实时反馈,完成对动态手势的精确跟踪.该方法能够在手部经过肤色区域的情境中实现准确跟踪,与经典CAMSHIFT算法相比,跟踪正确率提高了80％,实现了复杂背景下动态手势的准确跟踪.