移动背景下运动目标检测与跟踪技术研究

文中分析了移动背景下运动目标检测与跟踪技术.介绍当前移动背景下运动目标检测常用的方法,指出了难点与关键.结合目前的工作,给出了一个移动背景下运动目标检测与跟踪的解决方案,并以人物为跟踪目标进行了实验,较好地实现了移动背景下的全局运动参数鲁棒性估计以及人物目标在不同场景下的跟踪.但是在目标检测时图像边缘白色块的去除和跟踪...     

基于彩色图像与深度图像信息融合的改进Camshift算法研究∗

针对传统Camshift算法在目标跟踪过程中会被拥有与目标物体类似颜色分布的背景物体干扰,导致搜索窗口发散或目标丢失的问题,提出了一种基于彩色图像与深度图像信息融合的算法,利用Kinect传感器可同时获取目标区域彩色图像与深度图像的特点,使用光流法在深度图像中对运动目标进行跟踪,通过考虑空间运动关系剔除相似颜色背景可能带来的影响.试验结果证明,该算法可有效跟踪运动目标,并在出现干扰时提高系统的鲁棒性.     

基于特征点集群目标跟踪与检测

目标跟踪与检测技术是计算机视觉研究领域一个热点和难点问题,该技术广泛应用在制导、导航、监控等方面。尤其在复杂背景下,准确的跟踪既定目标,在遮挡情况下稳定跟踪,是近年来研究的热点。利用一种特征点集群方法,通过提取特征点方式,以及对目标的运动估计等方式,解决针对地面目标在光线变化、缩放、旋转3个变化量下的跟踪与检测问题。该方法对于地面运动目标的限制较小,同时图像序列中每一帧图像间运动目标的位移量较小。运用本文所提出算法,能够解决针对地面目标在光线变化、缩放以及旋转情况下跟踪与检测的问题。     

双目视觉系统实现羽毛球实时跟踪

利用双目视觉系统实现三维空间中羽毛球的实时跟踪。主要从双目图像获取、双目标定、图像校正、立体匹配等方面对双目进行探究,以识别运动中的羽毛球为导向,实现对运动中的羽毛球进行实时跟踪定位。为增加系统稳定性,采用背景减除算法和Camshift算法相结合的方法实现羽毛球在较为复杂背景的跟踪监测,再通过双目获得目标羽毛球的位置信息,再将羽毛球的位置实时反馈给机器人运动控制系统。通过不断测试,实现了羽毛球在飞行过程中的跟踪检测和轨迹三维信息的计算,并且定位误差在±10 mm范围内,实现对羽毛球的实时跟踪定位。     

基于多摄像头的目标连续跟踪

针对广域视频监控系统中运动目标的跟踪问题,提出了一种基于多摄像头的目标连续跟踪方法。摄像头前端通过网络连接将各自监控场景的背景图像和运动目标的特征数据传输给中心计算机服务器。中心服务器通过背景图像的SWFT（Scale Invariant Feature Transform）特征匹配检测出摄像头视域FOV（Field of View）之间的重叠区,并根据相匹配的SIFT关键点（Keypoints）计算地平面单应性变换矩阵（Homography Transformation Matrix）,以建立重叠摄像头之间的视点对应关系。为了对应多个摄像头中的同一个目标,中心服务器在重叠摄像头之间使用运动目标的质心坐标单应性映射和SIFT特征进行匹配,在非重叠摄像头之间仅使用SIFT特征进行匹配。实验结果表明,该方法在广域监控场景中能实现鲁棒的多摄像头间目标连续跟踪。     

基于Blackfin BF549的嵌入式动态目标实时跟踪系统设计

基于ADI公司Blackfin系列DSP BF549数字图像处理芯片,提出了一种在动态背景下对所采集图像中的动态目标进行实时跟踪与显示的嵌入式设计方案。对系统的工作原理、硬件及软件设计三方面进行了介绍。该设计方案充分利用BF549芯片的高性能视频处理能力,采用基于图像配准的运动目标检测方法,首先将采集的4幅相邻帧图像的背景进行配准,之后再利用差分相乘法,实现了动态背景下运动目标的检测,并利用球机对运动目标进行实时跟踪,最后将跟踪结果显示在TFT液晶屏幕上。     

复杂环境下变电站运动目标跟踪技术研究

背景光线变化、树木摇动、下雨下雪等自然环境变化会给运动运动目标检测带来的很大影响。本文介绍一种背景动态生成算法,利用此算法实时动态地生成背景图像,在一定程度上解决了自然环境变化给运动目标检测带来的影响。然后使用背景差分法来检测运动目标,当存在运动目标时,根据连续2帧图像与背景图像差分的结果来确定运动目标的运动方向、运动目标的位置坐标。最后给出了一种云台转动角度的计算公式,根据此计算公式计算出云台的水平旋转角度和垂直旋转角度,实现运动目标检测和自动跟踪功能。     

交通监控系统中车辆和行人的检测与识别

本文提出一种应用于智能交通监控系统的车辆和行人的检测和识别方法.首先结合帧间差分,对交通监控场景的视频图像序列建立动态背景模型,然后用背景消除法对监控视频中的运动目标进行有效检测,提取出运动目标的轮廓.最后采用支持向量机,对检测出运动目标进行快速识别.实验结果表明,该方法能够快速准确地在监控视频中对运动的车辆和行人进行检测和分类识别,对快速交通通道中非法行人入侵进行自动报警.     

浅谈运动目标检测的基本方法

运动目标检测是视频图像处理过程中重要的环节,提取视频图像中的运动目标是视觉监控领域研究的难点之一,运动目标检测的效果将影响到目标跟踪结果的准确性。若要确定视频图像序列中目标的位置及灰度等特点,就要准确的检测出运动目标,本文介绍了背景消除法,帧间差分法和光流法三种常用的运动目标检测的方法,同时对各自方法的基本思想进行了阐述,对其优缺点进行了分析。     

基于高斯混合模型的运动目标检测方法研究

在研究比较常用的各种运动目标检测方法的基础之上,结合静止场景运动目标检测的特点,采用基于背景减除法的高斯混合模型方法进行运动目标检测,即采用高斯混合模型进行背景建模、背景减除法确定目标前景区域,并通过图像平滑、二值化处理、去噪等方法对图像进行后处理,最终得到目标前景图像.该方法具有运算量小、处理速度较快的特点.实验结果表明,所设计的嵌入式运动目标检测系统能够检测出较完整的前景区域并判断出目标前景,能够满足静止场景下运动目标检测的需求.     

卡尔曼预测在自动跟踪云台中的应用

在应用云台带动摄像头进行目标跟踪的过程中,由于摄像头的图像拍摄机理及采集延时、处理延时和云台转动缓慢等原因,都可能使控制装置无法及时跟踪目标,使得运动目标不能处在摄像头的最佳观测位置,由此产生目标跟踪失效.本文提出卡尔曼预测跟踪模型,给出卡尔曼滤波算法,充分利用卡尔曼滤波的递推估计能力对目标位置进行预测,最后仿真结果证实了该方法的正确性.     

基于动态模板匹配的空中运动目标检测与跟踪控制

提出了一种基于动态模板更新匹配的空中运动目标检测与跟踪控制方法。在构建的目标跟踪系统平台基础上,采用模板匹配算法获得目标的位置信息,进而获取目标形心与视场中心的偏差信息以完成空中运动目标的跟踪控制。同时,为提高系统的实时性能,提出了一种基于最小二乘线性和平方预测结合的综合位置预测方法来预测目标的运动轨迹。实验结果表明,系统能够实现对运动目标进行实时稳定的识别与跟踪。     

Sobel算子在提取视频运动目标轮廓中的应用研究

在计算机视觉领域中,从视频流中获取清晰的运动目标轮廓对于目标的跟踪识别以及行为判断等高层次处理具有非常重要的意义.传统的帧间差分法虽然可以粗略的提取到运动目标,但却未能很好的解决算法留下的“空洞”和“重影”问题.本文首先采用Sobel算子提取每一幅帧图像的轮廓,然后将帧间差分法提取得到的运动目标同该轮廓做“与”运算,从而得到线条清晰的目标轮廓.实验表明,该方法较传统帧间差分法而言,在保证原有轮廓的同时,也能消除移动速度对轮廓的影响.     

基于红外传感阵列的目标运动方向探测与识别研究

针对单个红外传感器无法获取障碍物距离之外的其他信息,本文设计了红外传感器阵列检测系统,不仅能探测运动目 标距离信息还能识别目标的运动方向。 当运动目标通过红外阵列时,该系统检测到红外反射回波信号转换为目标距离信息后, 采用 K-means 聚类把运动目标信号从背景噪声中分离出来,再经过最小二乘拟合提取目标运动方向特征,最后通过分类器对 8 种不同运动方向进行有效感知分类。 实验结果表明,该方法能够成功识别出目标的 8 种运动方向,当分类器参数 K 取值为 5 时,平均识别准确率达到 0. 83 以上,试验结果验证了本文提出的基于红外传感器阵列对目标运动方向进行准确探测与识别的 可行性,为实现多模态融合机器人动态避障奠定了基础。     

基于TMS320DM642的运动目标跟踪系统

针对实时图像处理中数据量大、运算速度快的实际需要,提出了一种基于TMS320DM642实时运动目标跟踪平台,并介绍了视频跟踪处理中的典型算法。该系统运用差分法来检测运动目标,并采用形心跟踪法来自动跟踪目标。实验结果表明在对比度较高时,无人为干预情况下,系统取得了较好的跟踪效果。     

一致性特征点匹配在目标跟踪中的应用

为了解决运动目标快速跟踪过程的实时性与稳定跟踪问题,提出了一种新的基于局部特征点匹配的KPM(key points matching) 算法,对图像的局部多尺度特征提取与匹配进行研究。首先,应用SURF(speeded up robust features) 算法在跟踪窗口内提取特征点,生成并匹配特征矢量。然后,结合最近邻提纯法与一致提纯法剔除目标区域以外的特征点对,减少误匹配以提高跟踪精度。最后,生成目标仿射变换矩阵,更新目标运动参数。实验结果表明,本文所提出的KPM算法当目标发生大角度旋转和快速缩放,同时发生光照变化时,仍能够实现稳定的跟踪,且满足运动目标实时跟踪稳定可靠、精确度高、抗干扰能力强等指标要求。     

基于特征点检测与光流法的运动目标跟踪算法

为了解决当前运动目标跟踪算法在背景模型复杂和目标特征不明显的情况下,导致算法跟踪能力不足的问题,本文分别从特征点检测与光流法分析的角度出发,提出了基于特征点检测与光流法的运动目标跟踪算法。首先,根据图像梯度矩阵最小特征值,通过仿射变换,精确化特征点帧间匹配,排除伪特征点,达到精准检测运动目标特征点的目的。然后,基于图像像素守恒原理,进行2幅图像间变形评估,建立图像约束方程,进一步精确跟踪运动目标。最后,基于软件开发环境QTCreator实现算法,并系统集成。实验测试结果显示:与当前运动目标跟踪技术相比,本文算法拥有更高的准确性与稳定性。