基于ABCshift结合Kalman滤波的目标跟踪算法

Camshift(Continuously Adaptive Mean Shift)算法具有很好的实时性和鲁棒性,但是当目标遇到大面积的类目标颜色干扰,目标被严重遮挡时跟踪会失败。针对这些问题,提出ABCshift(Adaptive Background Camshift)结合Kalman滤波的改进算法。实验表明所提出的算法能有效解决以上问题,在复杂的背景下有良好的适应性,并与其他改进的Camshift算法进行了对比。     

基于DWT和Kalman滤波的多运动目标跟踪

为解决复杂道路交通场景中的误检问题,提高跟踪效率,提出了一种基于离散小波变换(DWT)和卡尔曼(Kalman)滤波的多运动目标跟踪算法。本文利用DWT对背景和序列图像进行三层分解,仅将低频子图进行背景差分提取了运动目标。在跟踪阶段,建立区域-目标模型,以检测信息作为观测值并利用Kalman滤波进行位置预测;通过匹配预测值和观测值,建立包含稳定目标、丢失目标和新出现目标的三层目标链,并对稳定目标进行Kalman最优估计。采用在线计算获取各运动目标的初始位置和速度,使预测值一开始就接近观测值。通过对实际视频序列进行检测跟踪实验和对比,分析了算法性能。实验结果表明,本文方法具有较高的抗噪声能力、跟踪实时性和准确性。     

基于Camshift与Kalman的目标跟踪算法

针对目标跟踪复杂的难点,提出了一种比较实用的跟踪方法。采用基于颜色概率分布的Camshift算法进行目标跟踪的同时,引入卡尔曼滤波,并给出模型参数。在目标发生遮挡时,使用卡尔曼滤波对目标运动状态进行估计。实验表明,算法能够对目标进行持续、稳定的跟踪。     

基于改进Camshift和Kalman滤波的目标跟踪算法

在移动目标跟踪过程中,可能会受到种种干扰而导致目标不能有效地被跟踪。为了解决在跟踪运动目标过程中受到外界影响的缺陷,采用了一种Camshift和Kalman滤波结合的目标跟踪算法。算法能有效克服运动目标被遮挡或相似颜色运动目标干扰使目标跟踪丢失的缺陷。实验结果表明:本文提出的算法用于跟踪运动目标具有很好的鲁棒性。     

视频序列中人体运动目标的检测与跟踪研究

提出一种视频序列中人体运动目标的精确检测、提取以硬跟踪算法。该算法采用帧间差闽值法（简称TIFD）实现快速精确地检测和提取目标,使用扩展的Kalman滤波器预测运动目标下一时刻可能处于的区域,缩小了目标跟踪时的搜索范围。充分利用运行目标检测的结果,提高了目标的匹配效率及跟踪速度。同时给出了相应的实验结果,结果表明方法是比较实用的,能满足人体运动分析的基本要求。     

室内人体运动目标的自动跟踪方法

针对人体运动目标的自动实时跟踪,设计一种新的基于P89v51内核的运动摄像头云台控制系统.对人体运动的图像检测与跟踪,提出一种快速的模板匹配方法.用改进Surendra算法自适应地获取背景图像以提取匹配模板,通过摄像头运动前后帧相同的运动区域来缩小匹配区域,进行快速目标匹配,达到实时性要求.该系统已应用在视频教学及会议中,实现自动人体运动目标跟踪与摄像.     

基于视觉目标跟踪的PTZ控制方法

针对目前基于主动视觉的PTZ摄像机控制跟踪性能差,无法连续、实时跟踪动态目标,且跟踪目标的准确度低下等缺陷,提出了一种基于核相关视觉目标跟踪算法的云台摄像机控制方法。首先设计了云台摄像机系统的整体架构。视觉目标跟踪采用核相关目标跟踪方法,时效性很高,跟踪精确度也位列于目标跟踪领域的高等水平。根据跟踪结果信息,通过PELCO-D协议控制PTZ摄像机,始终保持目标在视频画面内。并用C++实现了KCF算法控制PTZ摄像机上位机,实验验证了该种PTZ控制方法的准确性、适用性及稳定性。     

基于图像处理和轨迹预测的目标跟踪

为克服目标被短时间遮挡的跟踪问题,在基于图像信息的跟踪算法中增加轨迹约束条件,构成基于图像处理和轨迹预测的目标跟踪算法。首先分别介绍基于图像信息的目标跟踪算法和常见的轨迹预测方法,然后介绍基于图像处理和轨迹预测的目标跟踪算法。实验结果表明,基于图像处理和轨迹预测的目标跟踪算法能够有效地克服目标被遮挡时的跟踪问题。     

自适应模板更新的人体目标跟踪算法

针对人体目标所具有非刚性、非对称性、多态性的特点,提出了自适应模板更新的人体目标跟踪算法.基于Kalman滤波器,根据人体形态变化自适应调整目标像素的权值,从而获得更柔性、更合理的模板.将该方法与mean shift跟踪算法相结合应用于人体目标跟踪,通过实验证明具有很好的鲁棒性和稳定性.     

视频图像序列中人体目标的提取与跟踪

针对人体目标运动的非刚体性而难以跟踪问题,提出了一种基于视频图像的人体跟踪方法。首先获取人体目标,选取目标若干子区域作为跟踪模板,用Kalman滤波和最小差值法作为相似性测度的相关跟踪对各子区域进行精确定位,最后将各个子区域跟踪结果进行位置融合得到最终的人体目标位置。实验表明,该方法对人体目标细节性形变和大的形变均能进行有效跟踪。     

基于卡尔曼滤波的运动人体跟踪算法研究

提出一种基于卡尔曼滤波的运动目标快速跟踪算法。利用卡尔曼滤波器的预测功能,预测运动人体目标在下一帧中的位置,在Matlab仿真环境下实现该跟踪算法,实验结果表明：该算法对人体目标的运动趋势能够做出正确的预测估计,跟踪效果和性能较为稳定和可靠。此外,该算法将图像全局搜索问题转换为局部搜索,使运算量减少,满足实时性跟踪要求,实现了对运动目标的快速跟踪。     

一种基于改进UKF的3D人手跟踪算法

将手指作为基本处理对象,对UKF（unscented Kalman filter）算法进行改进,并利用它对当前手指各关节进行预测;以预测值作为初值,用局部搜索技术对误差较大的关节用改进的UKF算法重新进行预测,直到该手指在像平面上的投影轮廓和图像轮廓之间的距离图满足指定的精度为止．该算法以状态变量量测值的获取作为突破口,解决现有算法中跟踪精度过分依赖于3D人手模型精度的问题．实验结果表明,该算法具有较强的处理局部自遮挡问题能力,对3D人手模型的不精确性也具有更好的鲁棒性．     

结合Camshift和Kalman预测的运动目标跟踪

针对单一的CamShift跟踪算法在目标发生遮挡时非常容易致使跟踪目标失败的问题,本文提出了一种基于CamShift和Kalman预测的跟踪算法。首先,采用帧间差分阈值法来快速、精确地检测和提取出运动目标;然后,通过在CamShift算法中使用运动目标的颜色特征,在图像序列中找到运动目标的所在位置和大小;最后,使用Kalman滤波预测目标的位置,进而有效地解决了背景中大面积相同颜色的干扰和目标部分被遮挡等问题。用无线遥控车完成了运动目标的跟踪实验,实验证明结合CamShift算法和Kalman预测滤波能实时、准确地跟踪目标。     

基于卡尔曼滤波的液位检测与跟踪

液位是工业测量的重要参数之一,如何准确有效的对液位进行测量一直是研究的一个重点。为解决上述问题提出将视频技术应用于液位测量的新方法。当出现干扰时,以往的直接测量算法很难准确测量,而运用此方法,首先根据液位运动特性,建立其运动的数学模型,在采用更新函数的背景差法基础上,提出了一种卡尔曼滤波的预估校正算法,避免了测量中对单帧图像信息的依赖,提高了检测系统抗扰性。实验仿真表明,算法有效地保证了液位跟踪的准确性、稳定性和连续性。     

基于均值漂移与卡尔曼预测相结合的视频运动目标跟踪算法

传统的均值漂移算法是基于颜色直方图的迭代跟踪算法,在跟踪目标出现尺度变化的情况下,其跟踪结果往往出现偏差,甚至跟踪失败。鉴于此,提出了一种基于空间边缘方向直方图的均值漂移跟踪算法,使用空间分布和纹理信息作为匹配信息,将卡尔曼预测器融于均值漂移跟踪算法。实验表明,该方法能在尺度缩放等复杂背景下对目标进行准确有效的跟踪。     

基于改进Kalman滤波的可见光极小目标TBD跟踪方法

针对无人机可见光图像极小目标跟踪问题,本文提出一种基于改进卡尔曼滤波的 (Tracking before detection,TBD)跟踪方法。首先利用检测算法定位目标位置作为卡尔曼滤波的测量值,检测过程中的匹配相似度参数作为卡尔曼滤波测量噪声协方差矩阵的参照依据,其次利用卡尔曼滤波建立跟踪框架预测下一帧的目标位置,最后检测模块以预测位置为 参考位置进行局部搜索,完成整个检测跟踪过程。为了提高跟踪效率,本文根据检测和预测位置积累误差判决检测模式,误差超过门限值则采取全局检测模式消除积累误差,否 则使用局部检测模式,降低TBD跟踪算法的运算复杂度。仿真实验证明,本文方法可以有效检测跟踪极小目标,提高跟踪的实时处理能力。     

基于自适应卡尔曼滤波的机动目标跟踪算法

在机动目标跟踪过程中,由于目标运动的不确定性,雷达系统接收的数据存在噪声,使预置目标运动模型通常很难得到较高的跟踪精度。为此,以自适应卡尔曼滤波为基础,将直角坐标系和球坐标系相结合,提出了一种混合坐标系下的自适应卡尔曼滤波算法。算法避免了两个坐标系变换引起的噪声统计规律变化问题,并针对目标发生大机动运动的情况,自适应的调整动态模型中机动目标运动参数。蒙特卡洛仿真结果表明,改进算法的收敛速度和对状态的估计精度均得到优化,并对机动目标具有较好的跟踪性能。     

基于自适应Kalman滤波的机器人运动目标跟踪算法

针对足球机器人比赛时的模型变化及其环境噪声先验估计不准确的问题,提出一种基于自适应卡尔曼滤波的足球机器人视觉跟踪算法;该算法将一种基于减背景的运动目标识别的方法与自适应卡尔曼滤波跟踪模型进行结合,对背景进行实时更新,并通过形态学滤波去除残留的小区域,从而准确的识别运动目标,通过自适应的在线调整运动模型参数来保证模型预测值的准确性,进而提高了目标跟踪时的匹配效率,实现了目标的精准、迅速跟踪;通过实验证明,该算法是很有效的,具有推广价值.     

一种基于预测策略的目标跟踪算法研究

移动目标跟踪是无线传感器网络中的一项重要应用,引起了越来越多的关注.采用静态网格网络结构,针对现有无线传感器网络目标跟踪算法不能兼顾精度和能耗的问题,提出了一种基于预测策略的目标跟踪算法.当目标进入监控区域后,节点携带的震动传感器感知到目标,簇头节点根据节点检测目标信号强度值来计算目标位置,目标位置计算采用一种基于检测...     

基于Kalman预测的空中加油锥套跟踪方法

利用加油锥套的位置和尺寸信息建立Kalman滤波方程,结合加油对接过程中锥套的运动特点设置模型参数,并引入目标遮挡系数实现参数的自适应调整,对锥套的运动进行状态估计,再通过改进的霍夫梯度法采集观测值对估计值进行修正。实验结果表明,本文研究的算法在工作范围内能够实现对锥套的稳定跟踪,特别是当锥套发生部分遮挡时具有较好的持续跟踪能力,对背景变化具有较好的适应性。