基于差分图象的多运动目标的检测与跟踪

运动目标的检测与跟踪在许多领域有广泛的应用,它是应用视觉研究的焦点之一。     

交通监控系统中运动目标的检测与跟踪

提出交通监控系统中应用视频图像流来精确检测、提取运动目标，并对目标进行分类、跟踪。自动判别机动车辆是否遵守的交通规则，对违规车辆作全程记录。     

运动目标检测与跟踪算法的研究进展

运动目标检测与跟踪技术有着广泛的应用,但由于检测和跟踪过程容易受外界环境的干扰而造成失败,因此改进运动目标检测和跟踪算法具有重要意义。本文分类介绍了运动目标检测与跟踪算法的研究现状以及常用算法,比较了各种算法的优缺点,阐述了该课题许多尚未完全解决的问题,并对该领域未来的发展趋势进行展望。     

交通监控系统中运动目标的检测与跟踪

提出交通监控系统中应用视频图像流来精确检测、提取运动目标,并对目标进行分类、跟踪。自动判别机动车辆是否遵守的交通规则,对违规车辆作全程记录。     

基于计算机视觉的运动目标分析

在计算机里面,所谓的计算机视觉的运动目标分析,就是对视频里面的运动目标进行跟踪检测,并对目标进行研究分析,而检测与跟踪是对分析目标和理解目标行为的基础,因此需要重视其中的目标.本文通过计算机视觉分析了跟踪与检测目标等问题,从而为检测和和跟踪视觉运动目标的算法做出重大意义.     

实时运动目标检测与跟踪平台的构建*

构建了一个基于图像采集卡的复杂环境下实时运动目标检测与跟踪的实验平台。基于此平台提出并实现了一种改进的运动目标检测算法,它融合了帧间差分法和背景差分法的优点,以适应复杂环境的变化。实验表明,该算法利用所构建的平台,对变化场景中的运动目标实施了快速有效的检测与跟踪,为智能视频技术的研究提供了一个实用的实验平台。     

基于运动分析的运动目标实时跟踪系统

机器人的视觉伺服是机器人领域重要的研究方向.着力于提高机器人视觉反馈系统的实时性,提出了基于运动分析的的运动目标实时跟踪方法.该方法采用形态学方法标记连通域,并基于最小二乘法拟合运动轨迹曲线,预测下一时刻位置,设定连通域搜索范围,从而提高搜索速度.仿真结果表明:该方法处理效果良好,能满足后续系统实时性要求.     

移动机器人的运动目标实时检测与跟踪

运动目标检测及跟踪是机器视觉领域备受关注的前沿课题之一。该文针对移动机器人导航领域对检测与跟踪的实时性要求,基于Kalman滤波器实现了驱动单目摄像头的反馈控制系统。采用简单的三帧差背景剪除策略检测运动目标,合并运动估计和背景补偿以加快系统反应速度。系统误差保存在协方差阵中,以增益的形式参与控制。该文还详细分析了运动补偿对检测的影响及误差的变化趋势。实验表明,系统能够保持对运动目标稳定偏差的平滑跟踪,在480320的图像分辨率下控制速度达到20Hz(fps)。     

运动目标跟踪算法研究综述*

将运动目标跟踪问题分解为运动检测和目标跟踪分别加以讨论,分类描述了目标跟踪问题的研究现状、研究方法及常用算法,比较了各种方法的优劣及面临的技术难点问题,并对运动目标跟踪算法的研究前景进行了展望。     

运动目标检测与跟踪的DSP实现

研究了运动目标检测与跟踪的DSP（DigitalSignalProcessor）实现算法,以形心跟踪算法为整个处理系统的核心。采用目标形心跟踪算法,通过目标分割阶段的目标标记,如目标面积、周长、形心位置等信息的提取建立目标跟踪波门,实现目标的连续跟踪,并将此算法移植到sEED—VPM642硬件平台,实验结果表明能够达到预定目标。此外,为了克服形心算法的准确性和实时性缺陷,采用粒子滤波对算法进行必要的扩展,从MATLAB的仿真结果看,除个别采样点存在误差较大的情况,真实值曲线与粒子滤波跟踪曲线拟合较好。     

复杂背景中一种特定运动目标检测与跟踪方法

针对复杂环境对运动目标检测与跟踪产生的不利影响,提出一种自适应运动能量阈值结合精简彩色SIFT描述子的特定运动目标检测与跟踪方法。运用自适应运动能量阈值方法自动滤除复杂环境干扰以完成运动目标检测,由此形成目标匹配搜索域,并给出经主成份分析及精简后的彩色SIFT描述子( PCA-CSIFT )进行目标匹配,从而实现特定运动目标的连续跟踪。实验结果表明,在复杂环境下,运动目标检测方法对目标总量变化不敏感,错误率始终稳定在6.5%~34%之间。 PCA-CSIFT算法在保持高可区分性的同时错误匹配率为25.33%~28%,平均每帧处理时间不超过0.26 s,具有较好的鲁棒性与实时性。     

Tracking Multiple Moving Objects for Real-Time Robot Navigation

This paper proposes a method for detecting and tracking the motion of a large number of dynamic objects in crowded environments, such as concourses in railway stations or airports, shopping malls, or convention centers. With this motion information, a mobile vehicle is able to navigate autonomously among moving obstacles, operating at higher speeds and using more informed locomotion strategies that perform better than simple reactive manoeuvering strategies. Unlike many of the methods for motion detection and tracking discussed in the literature, our approach is not based on visual imagery but uses 2D range data obtained using a laser rangefinder. The direct availability of range information contributes to the real-time performance of our approach, which is a primary goal of the project, since the purpose of the vehicle is the transport of humans in crowded areas. Motion detection and tracking of dynamic objects is done by constructing a sequence of temporal lattice maps. These capture the time-varying nature of the environment, and are denoted as time-stamp maps. A time-stamp map is a projection of range information obtained over a short interval of time (a scan) onto a two-dimensional grid, where each cell which coincides with a specific range value is assigned a time stamp. Based on this representation, we devised two algorithms for motion detection and motion tracking. The approach is very efficient, with a complete cycle involving both motion detection and tracking taking 6 ms on a Pentium 166 MHz. The system has been demonstrated on an intelligent wheelchair operating in railway stations and convention centers during rush hour.     

基于区域活动轮廓运动目标跟踪方法研究

根据贝叶斯估计理论，首先建立了图像序列中运动目标的跟踪模型，然后用高斯分布来描述图像的区域信息，并通过对模型的分析，与区域活动轮廓模型建立对应关系，将问题的求解转化为能量最小化问题。同时为了克服目标在运动中发生的拓扑形变，采用水平集方法进行数值实现。实验结果表明，这种方法不仅可以对多个运动目标进行跟踪，并能非常好地逼近运动目标的轮廓，而且能够自然地处理运动目标的拓扑形变。     

一种受雨滴影响的运动目标检测方法

提出一种在户外受雨滴影响的视频场景中检测运动目标的方法.在R,G,B空间构建雨滴在视频中的成像模型,该模型可以计算受雨滴影响像素的亮度变化值.能够有效克服现有模型只能针对某些特定类型雨滴进行辨识的局限性.在使用基于颜色信息的雨滴成像模型基础上,提出运动目标检测函数,此函数可以有效抑制雨滴产生的干扰.实验结果表明,提出的雨滴成像模型和相应的检测函数与现有模型比较,能够适用于多种不同受雨滴影响的图像序列采样环境,对于运动目标具有更好的分辨能力,并有更强的鲁棒性.     

运动目标的阴影实时检测和消除

运动目标的实时检测与跟踪是智能监控和视频活动识别应用的基本步骤.运动目标检测把场景分割为前景目标和背景区域,但是在这个过程申运动目标投射的阴影很容易被误分类为前景目标,这种误分类会造成多个目标的合并或目标形状的改变.为了改善运动目标分割的效果,提出一个基于光强、色度和反射率的实时阴影检测和消除的算法,该算法不需要目标的...     

基于改进光流法的运动目标检测

该文为了实现对运动目标的检测,重点研究了基于梯度的Horn＆Schunck光流算法,然后提出一种高斯金字塔的改进光流法,并结合最大类间方差的图像分割法和形态学滤波中的开、闭运算,完成运动区域的提取。实验仿真结果和数据表明改进的光流算法能准确获取运动目标区域,并更加省时。     

基于水平集的多运动目标时空分割与跟踪

针对背景运动时的运动目标分割问题,提出了一种对视频序列中的多个运动目标进行分割和跟踪的新方法。该方法着眼于运动的且较为复杂的背景,首先利用光流约束方程和背景运动模型建立一个基于时空域的能量函数,然后用该函数进行背景运动速度的估算和运动目标的分割和跟踪。而时空域中的运动目标的最佳分割,乃是通过使该能量函数最小化来驱动时空曲面演化实现。时空曲面的演化采用了水平集PDEs(Partial Differential Equations)方法。实验中,用实际的图像序列验证了该算法及其数值实现。实验表明,该方法能够同时进行背景运动速度的估算、运动目标的分割和跟踪。     

基于帧间差分背景模型的运动物体检测与跟踪

针对背景差分算法中在复杂背景下参考帧的提取问题,提出了一种新的背景提取方法;该算法用帧间差分法将帧中的背景象素点检测出来,再确立出背景帧;由于排除了帧中运动物体的影响,因而提取出的背景干净,效果很好,然后运用背景差分检测出场景中的物体,最后采用一种新的运动物体跟踪算法,实现了运动物体和静止物体的识别,克服了以往检测算法中的误检和空洞问题,实验结果表明,该方法快速有效,能够满足实时性的要求.