一种基于背景加权直方图的Mean-Shift跟踪算法

经典的Mean-Shift算法以颜色直方图为特征进行跟踪,但在视频目标跟踪中没有有效地利用跟踪目标的空间信息,因而当目标快速移动时,目标极易丢失。针对这一问题,提出了一种基于距离目标形心加权直方图的Mean-Shift跟踪算法。距离目标形心加权直方图可有效利用目标在图像中的位置信息,从而能实现复杂背景下的目标跟踪。并分别用改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法和经典的Mean-Shift跟踪算法,对快速运动的目标进行跟踪实验。结果表明,改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法,具有较强的鲁棒性和实时性,能有效实现复杂场景下的目标实时跟踪。     

基于Kalman预测器的多特征Camshift运动目标跟踪算法

基于色度特征的Camshift算法在运动目标颜色特征与背景颜色特征差别不大或目标附近有与目标色度相近的物体时,往往会失去跟踪目标或者跟踪目标不准确.据此,提出一种基于Kalman预测器的多特征融合的Camshift运动目标跟踪算法,将色度特征和梯度方向特征结合起来,利用综合直方图实现目标跟踪,并针对运动目标突然加速导致目标跟丢的情况,采用Kalman预测器预测运动目标在下一帧中可能出现的位置,再用Camshift算法搜索目标中心,提高搜索的实时性.实验表明,该改进算法有效地解决了原有算法存在的问题,提高了目标跟踪的速度与精度,满足了实时性要求.     

基于改进Camshift的运动目标跟踪算法应用研究

CamShift是利用目标颜色信息对目标跟踪的算法,当目标运动过快时,由于运动方向的不确定性,Cam—Shift不能准确跟踪目标,导致跟踪丢失．针对存在的问题,文章在Camshift算法中引入目标运动轨迹预测思想,提出了一种能有效跟踪运动目标的新方法．该方法能准确预测运动目标的位置,减少在算法中搜索目标的次数,进而提高目标跟踪的准确性和速度．实验结果表明,该方法对运动目标能够快速、有效地进行跟踪．     

融合YOLO检测的孪生网络目标跟踪

针对全卷积孪生神经网络(fully-convolutional Siamese network, SiamFC)在目标发生明显外观变化、目标快速运动等复杂场景下跟踪精确度不足,以及在跟踪目标丢失后由于采用局部搜索策略导致无法重新捕获追踪目标的问题,引入YOLO(you only look once)v3作为再检测网络对SiamFC进行改进。改进算法在SiamFC的跟踪点漂移后会启用目标检测网络进行全局搜索,同时在SiamFC跟踪响应图的峰值小于某一确定阈值时启用目标检测网络对跟踪目标位置进行重新检测与判定,从而可以重捕并更精确地判定复杂环境下的运动目标。在公共数据集OTB2013、OTB2015和UAV20L上进行了实验,实验结果表明,与SiamFC相比,改进算法在OTB2015数据集上的精确度提升了2.9%、成功率提升了1.7%,在UAV20L数据集上的精确度提升了1%、成功率提升了2.6%。此外,通过与目前主流的跟踪算法进行比较得出,改进算法达到了领先的性能。对数据集中不同属性的视频序列进行分析,实验表明改进算法在目标形变、尺度变化、严重遮挡、目标离开视野以及背景混淆5种干扰属性上...     

杂乱环境中改进的目标检测跟踪算法

目标检测跟踪技术在当今社会的发展与应用越来越广泛.在杂乱环境中的目标检测跟踪,由于受到环境背景的影响,跟踪目标容易发生目标跟踪漂移现象、跟踪丢失或者无跟踪问题.基于经典MOSSE算法,提出改进的检测跟踪算法,实现滤波器产生误差时及时修正,很大程度上提高了检测与跟踪的准确性和实时性,降低了漂移问题导致的跟踪失败的概率.     

卡尔曼滤波方法在经纬仪图像数字传感系统中的应用

研究了卡尔曼滤波在图像数字传感系统（IDSS）中的应用,设计了基于随机噪声下匀速运动的卡尔曼滤波算法和基于延时的卡尔曼滤波算法。仿真结果表明,IDSS跟踪误差减小,当跟踪目标从视场消失时,控制系统按照预测的目标信息跟踪。     

非接触式眼压计人眼跟踪算法研究

非接触式眼压计测量眼压的前提是对人眼瞳孔进行精确跟踪定位.通过对非接触式眼压测量跟踪系统的研究,提出汇聚式双目视觉的人眼瞳孔跟踪方法,采用结合帧差法和Mean-Shift算法的改进算法进行目标跟踪,解决了Mean-Shift算法对瞳孔进行跟踪过程中,有跟踪目标丢失现象的问题,通过下位机驱动三轴电机进行移动,调整系统与人眼的相对位置,以实现人眼瞳孔的精确跟踪.经在样机上实验,其结果表明:系统跟踪定位误差≤0.1 mm,跟踪过程在1s内完成.     

基于改进的粒子滤波的视觉跟踪算法

通过对基于粒子滤波算法的运动目标跟踪技术进行研究,并针对粒子滤波算法的退化现象做出了两方面的调整。第一,对粒子滤波的重采样阶段做出了改进,在粒子上添加一个微小的高斯干扰,使得重采样的粒子分布发生变化,同时使采样枯竭得到了抑制;第二,经过一段时间的跟踪后,将跟踪目标重新初始化,继续跟踪,使得跟踪结果更加完善。通过自适应调整跟踪目标的窗口,使其大小改变,背景中的颜色尽量没有与跟踪目标相同的颜色。实验结果表明。这种改进过的粒子滤波算法能够在复杂的情况下进行跟踪,并且跟踪性能优于Meanshift方法。     

飞蛾扑火优化的尺度比例感知空间长期跟踪器

针对无人机长期跟踪过程中尺度变换导致目标丢失和跟踪精度低的问题,提出了一种基于飞蛾扑火优化(moth-flame optimization, MFO)的尺度比例感知空间长期跟踪器。首先,设计了高斯初始化以代替飞蛾扑火优化算法的随机初始化策略,降低优化算法在跟踪过程中的计算复杂度,减少算力浪费;其次,结合快速梯度直方图特征,构建了改进的飞蛾扑火优化跟踪器;然后,为了解决无人机航拍长期跟踪中目标尺度变化的问题,设计了一种自适应尺度变换的判别尺度空间跟踪(discriminative scale space tracking, DSST)算法,进一步提出了一种尺度比例感知空间跟踪器,解决了尺度滤波器中因长宽比固定而导致的跟踪漂移;同时,分析了滤波器响应峰值在各背景下的变化情况,提出了一种能反映环境变化下跟踪置信度的指标,并通过置信度将MFO优化跟踪框架与尺度比例感知空间跟踪器相结合,解决了尺度变化与长期跟踪目标丢失的问题;最后,在无人机长期跟踪数据集上开展了性能验证。结果表明：提出的算法可有效防止漂移现象的发生,提升跟踪效率;与目前跟踪领域中12种同类文献算法进行对比可知,提出的算法精度较高...     

基于微分视场的图像目标捕获算法

在数字图像处理领域,形心跟踪的目标捕获有着广泛的应用,尤其在对于天空等相对简单均匀的背景。形心跟踪算法通过目标与背景在灰度上的差别确定是否是目标,其具有较高的跟踪准确性和稳定性,容易实现目标自动捕获,但当图像背景不均匀而且目标与背景灰度相近时,会严重影响对目标的捕获,而不均匀背景在日常是不可避免的。本文分析了有关形心跟踪算法的特点和不均匀背景图像的特点,提出了基于微分视场的不均匀背景图像目标捕获算法,并应用在实际的工程应用系统中,该算法把整个视场图像分为多个更小的图像块分别进行处理,然后对处理结果进行综合分析,获得真正的目标;通过实验和在工程中应用证明,该算法能较好地克服不均匀背景对弱小目标的捕获跟踪影响,改善弱小目标的捕获效果。     

Target Tracking Algorithm Based on Meanshift and Kalman Filter

Directed at the problem of occlusion in target tracking, a new improved algorithm based on the Meanshift algorithm and Kalman filter is proposed. The algorithm effectively combines the Meanshift algorithm with the Kalman filtering algorithm to determine the position of the target centroid and subsequently adjust the current search window adaptively according to the target centroid position and the previous frame search window boundary. The derived search window is more closely matched to the location of the target, which improves the accuracy and reliability of tracking. The environmental influence and other influencing factors on the algorithm are also reduced. Through comparison and analysis of the experiments, the modified algorithm demonstrates good stability and adaptability, and can effectively solve the problem of large area occlusion and similar interference.     

辐射源机动目标被动式鲁棒跟踪一种算法

为研究只测向目标跟踪系统在观测噪声为ε污染高斯分布背景下的辐射源机动目标鲁棒跟踪问题,提出一种简易而有效的变结构鲁棒跟踪算法。该算法由机动目标快速鲁棒检测器、变结构跟踪器（鲁棒MGEKF／PLKF）以及系统误差补偿等环节组成,能够在ε污染高斯分布背景下快速鲁棒检测和跟踪辐射源机动目标,同时根据系统误差特征可实时补偿系统跟踪误差。仿真结果表明,该算法能够有效解决辐射源机动目标鲁棒跟踪问题。     

基于FPGA的图像识别与跟踪系统

设计了以FPGA为主芯片对目标物体进行识别与跟踪的系统。采用MT9M011数字图像摄像头采集初始图像;利用基于模型匹配的Sobel边缘检测算法实现对目标物体的识别;运用基于边缘特征检测和基于区域特征检测相结合的跟踪算法实现对目标物体的稳定跟踪。测试结果表明,整个系统能够有效稳定地对目标物体实施跟踪。     

基于Cortex-M4的无人飞行器安防系统研究

针对大型园区、厂区安防人工成本高,及时性差等问题,设计了无人飞行器安防系统. 飞行器采用四旋翼结构,其控制系统以Cortex-M4为架构,通过获取惯性传感器数据,使用串级比例积分微分控制实现自平衡,并利用GPS与气压计获取自身位置、高度信息,使其按照预定路线自动巡逻. 控制中心通过无线网络接收飞行器采集的视频,使用跟踪学习检测算法对视频数据进行分析,当锁定目标后,远程控制飞行器进行跟踪. 经过试验,飞行器具有很好的悬停能力,能够按照预定轨迹飞行. 跟踪算法能锁定动态目标,并对飞行器进行实时控制. 结论表明无人器可以完成巡逻和跟踪任务,自动化程度高,节省人力.     

基于DSP与FPGA的靶标动态检测跟踪技术

针对靶场目标测试面临的测量目标小、距离远、目标与背景对比度低等实际问题,提出了基于DSP（Digital Signal Processing）与FPGA（Field Programmable Gate Array）的数字视频图像信息进行目标动态检测跟踪的方法。该方法采用了图像分割检测方法与目标跟踪算法,精确并快速地定位靶标十字的中心,从而实现复杂环境下运动靶标检测跟踪,提高了检测效率和精度。     

投影系统自动三色会聚像素中心探测算法研究

为了提高在大屏幕投影显示系统生产中阵列像素器件的三色会聚的速度和精确度，利用电荷耦合器件（CCD）采集阵列像素器件的单个亮像素的投影光斑图像，实验分析了采用重心法和相关法寻找单个像素中心位置的性能.根据三色的像素中心位置的差异，移动控制阵列像素器件位置的步进电机，使三色的像素中心重合，从而实现三色会聚.重心法对位置敏感，不同位置有不同的权重值.相关法通过与固定模板的比较来实现对目标的测量.实验结果表明，重心法具有良好的稳定性和对噪声的不敏感性，调节效果较好，可以作为这一特殊系统实现三色会聚的方法.     

基于模板匹配的人脸识别跟踪方法研究

在对运动物体的实际追踪过程中,由于目标运动方向不确定、背景环境复杂多变等因素,增加了动态目标跟踪的难度,所以用普通识别方法较难提取出目标特征,从而无法准确跟踪动态目标。提出了基于模板匹配的人脸识别算法,分析了基于方向梯度直方图(HOG)的人脸特征提取算法和基于欧氏距离的人脸识别算法,设计出了人脸识别跟踪系统。实验结果表明通过动态目标视觉检测以及PID控制的角度输出,该系统实现了对特定目标的人脸识别和跟踪。     

一种新的基于频域的相关跟踪算法

提出了一种定位精度高、运算量小的实时相关跟踪算法．算法通过对目标进行差分尺度空间滤波,提取目标的区域特征,增强了相关匹配峰值强度和抗干扰性;其次,将大规模的相关匹配运算由时域转换到频域进行,从而保证了相关跟踪的实时性;利用加权的目标边缘质心和形心的偏差量后向抑制模板更新时的漂移量,从而减弱模板更新时的模板漂移现象,保证了复杂场景下的目标跟踪．实验表明,算法能够适应在低对比度、复杂场景下的目标跟踪,同时对跟踪过程中摄像头抖动也不敏感．仿真结果表明,该算法运算耗时低,配准峰值强．     

基于颜色纹理特征的均值漂移目标跟踪算法

针对经典均值漂移跟踪算法采用单一的颜色特征对目标进行跟踪检测存在的不足,提出一种将纹理特征与颜色特征相结合的改进均值漂移目标跟踪算法.该算法首次提出特征联合相似度的概念,通过均值漂移算法联合相似度的最大化计算,正确快速地获取新一帧图像跟踪目标的位置.实验结果表明,该算法具有更高的可靠性,同时满足一般目标跟踪任务的实时性要求.     

基于嵌入式的智能目标检测与跟踪系统

借鉴嵌入式系统在电子技术、信号处理和计算机等领域运用的成功经验,在分析目标检测与跟踪算法的基础上,将改进的目标检测与跟踪算法植入嵌入式系统,设计一种基于嵌入式S3C2410处理器的目标检测与跟踪系统,给出该系统的硬件结构和软件程序流程图,并以具体的飞行目标对其进行目标识别和跟踪。通过实验发现该系统可实现目标的准确跟踪。