结构化道路的实时动态跟踪算法

设计了一种基于完形的双车道结构模板以及它的模板匹配度函数,并将它用于单摄像机跟踪高速公路的道路标志线.算法在跟踪阶段利用历史检测信息动态生成检测模板,保持标志线的跟踪.实验表明,算法具有较好的鲁棒性,并且计算量小,满足系统的实时性要求.     

依赖模板匹配纠错的混合跟踪算法*

经典均值漂移跟踪器(MST)和模板匹配跟踪器(TMT)在性能的许多方面具有强互补性。为利用这种互补性提高跟踪的可靠性,提出了一种混合跟踪算法(HTA)。HTA维持了颜色直方图和亮度模板两种目标模型,并分别以TMT和MST为主、辅跟踪器。当目标被遮挡或周围出现相似颜色模式的干扰物而造成主跟踪器错跟时,算法自动切换到辅跟踪器进行纠错;干扰消失或目标被重新捕获时,可自动切换到主跟踪器。实验结果表明,HTA对复杂跟踪环境适应性强且计算量不大。     

基于区域模板匹配的多目标实时跟踪

研究视频目标实时跟踪问题,在智能视频监测系统中,对运动目标的跟踪是后续工作的基础.为了实时准确地跟踪多运动目标,提出一种基于改进帧间差分与区域模板匹配相结合的快速运动目标跟踪方法.根据改进的帧间差分法找到运动目标的所在的区域,建立相应的搜索区域,采用目标模板逐个与搜索区域进行匹配,匹配到目标后对其进行标记,并且对相应的目标模板进行更新,从而实现多个目标的跟踪.对三个目标进行跟踪平均的第Ι类错误率为11.11%,结果表明,改进方法能够比较有效、实时地对多个运动目标进行跟踪.     

基于模板匹配的自适应目标跟踪算法的实现

基于传统的目标跟踪方法,在图像检索过程中采用了自适应模板匹配方法,提高了目标跟踪的速度和可靠性,使目标跟踪的准确程度和算法的效率有了显著的提高,并给出了使用自适应模板匹配方法跟踪的试验仿真结果。     

基于自适应模板的图像跟踪算法

本文对传统的模板匹配跟踪方法进行了改进。在跟踪过程中采用了变模板匹配方法。弥补了固定模板跟踪的不足，提高了跟踪的稳定性。最后。本文给出了使用变模板匹配方法跟踪的试验结果。     

基于改进模板匹配的目标跟踪算法

基于模板匹配的目标跟踪应用中,常见的一个问题是相似性度量值受噪声影响较大.为解决这个问题,提出了一种新的相似度量方法.通过采用距离加权、模板更新以及局部匹配的方法,提高了在不同光照条件及变形情况下跟踪算法的鲁棒性.对原算法和改进算法进行了对比实验,结果表明改进后的算法在存在严重遮挡的情况下,仍能准确地跟踪到运动目标.将mean-shift跟踪、基于子空间分解的粒子滤波跟踪及基于改进的模板匹配跟踪进行了比较,实验结果表明改进后的算法实现简单,跟踪性能与其他两种跟踪算法相近.     

基于网格状模板的实时图像跟踪算法

传统相关跟踪算法存在运算量大和实时性差的缺陷.针对这一问题,提出了一种基于网格状模板的实时图像跟踪算法.该算法首先从减少参与匹配运算的像素数目的角度出发,剔除部分冗余像素,将匹配模板设置为网格状.然后在成像跟踪仿真实验平台下,用归一化互相关匹配方法实现了对运动目标的跟踪.仿真实验结果表明,该算法不仅在很大程度上减少了图像匹配的计算量,提高了跟踪实时性,而且跟踪快速准确,具有一定的实用价值.     

一种基于模板匹配的运动目标跟踪方法

为了提高运动目标跟踪算法在复杂场景下的稳定性,提出了一种将小波变换与模扳匹配相融合的跟踪方法。它首先对图像序列采用滤波器组实现运动目标分割,再通过对图像序列小波变换以确定目标匹配子图像,最终使用模板匹配求取最佳匹配点来实现实时跟踪。采用MATLAB仿真实验,对标准视频序列coastguard_cif实验测试结果表明,提出的方法具有良好的跟踪性能。     

均值漂移跟踪的双模板更新算法*

针对均值漂移算法缺少必要的模板更新方法的缺点,提出了一种基于双模板判定的更新算法。该算法首先通过分析目标特征与背景特征的相对大小,设计了加权函数分别对前景和背景特征进行加权;然后在此基础上引入背景模板并构造双模板,通过对候选目标与双模板相似度系数的综合分析,可以准确判定跟踪状态及干扰产生的原因,以采取相应的模板更新策略。实验表明,该算法可以有效地增强均值漂移算法在目标姿态变化、前景遮挡等复杂条件下的跟踪效果,具有较好的跟踪稳健性。     

基于SOPC的实时目标跟踪系统设计及实现

实时目标跟踪系统的实现是基于System Generator[1]系统来搭建实时的目标跟踪算法,编译生成VHDL/Verilog代码,在ISE集成软件环境中进行综合、实现,设计出一种基于SOPC的实时目标跟踪系统。系统采用处理速度较快的FPGA芯片,利用数字图像处理和数字信号处理技术,实现对目标进行智能检测、提取、识别和跟踪等目的。     

基于动态模板匹配的移动机器人目标识别

将视觉显著性与基于动态模板匹配的目标识别方法相结合,提出了一种适用于未知环境下的移动机器人目标识别方法.具体而言,首先设计了基于分布式控制的移动机器人视觉系统,提高了视频处理效率;之后利用基于背景先验的显著性检测方法对图像进行预处理,排除了相对次要的背景区域;最后对处理后的图像进行动态模板匹配,提高了目标识别的准确率.实验结果表明,该方法能够满足移动机器人在目标识别过程中对图像处理的实时性和准确性的要求,具有良好的有效性.     

基于领域模板的网格服务组合研究*

提出了一种基于领域模板的网格服务组合方法,通过对领域的共性需求进行抽象、归纳、总结,并生成领域模板,然后基于生成的领域模板给出了一个新的高效的领域模板匹配算法。与已有的方法相比,该方法可以自动根据服务所属领域,从已生成的领域模板中选取相应的领域模板来实现服务的动态组合,这不仅缩短了组合时间,而且提高了服务组合的效率。     

基于个性特征的实时人脸比对方法

人脸的个性特征可以很好地描述某个人的人脸,而人脸个性特征的正确选择对人脸比对至关重要.因此提出了基于个性化特征分析的实时人脸比对方法.该方法首先利用Adaboost算法进行人脸定位,接着由主动表观模型AAM进行特征点的自动标定,然后给出了人脸个性特征参数的选择方法.在特征参数权重分析基础之上,提出了基于加权模板的人脸比对算法和模板阈值确定方法.实验结果表明,该方法不仅简单有效,而且在拒识率和误识率方面可以取得比较好的综合效果,适用于实时人脸考勤门禁系统.     

基于匹配模板的术语自动翻译方法

本文针对于专利术语的特点,建立了一个基于属于模板的术语自动翻译系统。系统中结合了翻译模型和相似度打分机制,实验结果表明该方法能够解决术语翻译中的固定术语翻译问题和基于中心词序调整问题,提高了统计机器防疫的质量。同时术语模板中引用了单一的统计翻译中增加了语言学知识,为翻译提供了一个有效手段。     

室性早搏的多模板匹配自适应识别算法

为实现室性早搏的自动判别,提出一种基于多模板匹配的自适应识别算法。采用滤波提高数据信噪比,利用样本数据通过特定的自学习机制建立模板库,设计模板的压缩算法实现待测心搏与模板心搏宽度的对齐,采用模板队列匹配和模板库匹配相结合的匹配策略,设计自适应更新规则实时优化队列与库的结构,利用相关系数检测室早。使用MIT-BIH数据库进行测试,达到99.39%的灵敏度和98.79%的特异度。     

基于场景匹配与可重构技术的自适应道路检测

车辆视觉辅助导航系统要求具有很高的鲁棒性和实时性。而视觉处理系统中,单一算法很难克服环境变化产生的影响,做到各种道路环境下的最优。针对目前这一研究难点,提出了基于道路场景匹配和硬件可重构技术的自适应道路检测方法。该方法基于道路场景分类来实现算法与道路场景的最佳匹配,利用可重构硬件来实现硬件算法功能的实时自适应重构,由此实现车辆视觉辅助导航自适应道路检测。实验结果表明:该方法具有检测性能好、鲁棒性强、实时性高的优点,检测正确率达到了90.17%,较好地解决了检测系统自适应性与实时性之间的矛盾。     

一种改进的基于模板匹配眼睛特征点定位算法

针对传统眼睛定位模板匹配算法精确度和速度上的不足,对算法进行了模板扩大和相似度模板筛选两种改进,同时在匹配速度上采取粗定位细定位提高匹配速度。将眼睛模板转化成眼眉模板后,避免了由于眉毛和部分眼睛相似造成的特征点错误定位。在传统的模板集选取上提出基于相关系数选取原则后,避免了人为因素对模板选取造成的误差,很大程度上去除了入选模板之间的冗余度,进一步提高了定位的精确度,且在定位精度保证的情况下,大大减少了定位时间。     

基于小区域模板匹配的发动机缸体缺陷检测

针对发动机缸体人工检测效率低不可靠的问题,提出一种基于小区域模板匹配的检测算法来实现缸体的在线自动检测。将发动机缸体的特征图像制作成小区域模板库,在发动机缸体特定小区域使用粗精结合搜索策略的改进序贯相似度算法确定待匹配图像的准确位置和相似度,从而实现发动机缸体缺陷检测。实验结果表明:该算法能够满足发动机缸体缺陷检测要求,基本消除了人工检测的误判,显著降低了人工检测时间。     

非正交二值子空间模板表示的并行生成

非正交二值子空间是一种重要的图像模板表示方法,能够高效地进行模板匹配。针对其生成过程耗时多难以实时应用的问题,提出了一种基于统一计算设备架构(CUDA)的非正交二值子空间模板表示的快速并行生成算法。该算法将模板生成过程划分为3个步骤,并根据每个步骤数据处理的特点,进行并行任务分解,极大地缩短了生成时间。实验结果表明,相比基于CPU生成相同的模板表示,该算法的速度提升了60～120倍。在应用于模板匹配时,该并行的模板表示生成算法能够很好的改进匹配效率。     

基于模板匹配的加速肺结节检测算法研究

使用传统的归一化互相关模板匹配算法进行肺结节检测耗时较长,在数据量较多的情况下容易造成漏诊或误诊。提出一种改进算法,主要从优化搜索策略入手,采用粗-精匹配思想,先使用改进SAD算法进行粗匹配找出侯准匹配点,再采用归一化互相关算法在侯准匹配点邻域内进行精确匹配找出最佳匹配点。实验结果表明,与NCC算法和卷积算法相比较,该算法在保证匹配精度的前提下,较大幅度地提高了匹配速率。采用这种算法进行自动肺节点检测可减少检测时间,对辅助完成早期的疑似肺结节点的定位和跟踪诊断有重要意义。