基于帧间差分和运动估计的Camshift目标跟踪算法

针对Camshift算法无法适应目标的高速运动、复杂背景和遮挡的局限性,本文提出结合帧间差分法和运动估计对Camshift算法进行改进.首先在颜色概率分布图计算中通过帧间差分法加入目标运动信息,实现自动初始化跟踪并排除与目标相似背景颜色的干扰.之后在搜索窗传递过程中预测目标的位置,根据跟踪状态对搜索窗进行调整,以实现对高速运动目标的跟踪.实验表明新算法在目标高速运动、遮挡、和同色干扰情况下,仍能进行有效跟踪.     

一种快速运动目标检测与跟踪算法

运动目标的检测与跟踪是计算机视觉和图象编码研究的主要内容,有着广泛的应用领域。基于光流场的检测与跟踪是其常用的方法之一,但其计算结果和效率是不能令人满意的。提出了基于帧间差阈值法和光流场相结合的快速运动目标检测与跟踪算法,诸结果表明该算法简单实用、运算速度快,克服了单纯光流场方法的不足。     

复杂背景下的红外目标自动跟踪算法

提出了一种非线性边缘检测和Mean Shift方法相结合的红外目标检测与跟踪算法.采用双窗口算子的非线性边缘检测算法具有计算量小、速度快、图像质量好等优点.在边缘检测后的二值图像基础上,利用改进的Mean Shift跟踪算法实施目标跟踪.该跟踪算法融合了计算目标区域局部标准差的信息;利用灰度值和局部标准差的概率密度函数来描述目标;同时选择核函数级联方式进行目标密度估计,从而弥补了仅用灰度信息描述目标特征的不足.实验结果表明,该跟踪算法检测出的复杂背景下红外目标边缘清晰,并且能够准确地对目标实施自动跟踪.     

弱小目标检测与跟踪算法

低对比度小目标检测与跟踪算法的研究是电视跟踪领域的关键技术之一。针对弱小目标的目标特性，按USAN原则进行目标检测，利用目标的特征参数及目标运动的一致性、连续性排除噪声干扰，实现对目标的稳定跟踪。实验采用VC＋＋仿真平台验证该算法的可行性和有效性，并移植到DSP专用图像处理平台上，达到了工程的5可靠性与实时性要求。     

一种新的运动目标检测与跟踪算法

常用的运动目标检测算法无法解决在摄像机运动-目标运动情况下的运动目标检测，为此提出了背景匹配法。通过相关匹配算法使背景对齐，结合帧间差分技术有效地将运动目标提取出来；然后利用卡尔曼预测器对运动目标在图像中的位置进行预测，结合增量式带死区的PID控制算法，控制摄像机对准目标。实验结果表明，匹配块的选择加快了处理速度和提高了算法的稳定性，卡尔曼预测器使得跟踪更为平稳可靠。本方法具有简单、通用、抗噪等特点。     

复杂场景下的变形目标跟踪

提出一种新的针对目标变形的模板匹配跟踪方法。对于跟踪序列图像中的目标,采用均值平移方法对原图像进行滤波平滑后提取边缘;定义一种点到邻域的广义距离测度,增强了匹配的容错性,与计算 Hausdorff 距离相比计算量大为减少;采用边缘相似点的距离均值和方差作为匹配的相似测度和置信准则,进一步降低了匹配的误差;提出在 8 邻域内基于马尔可夫模型的启发式规则修正模板策略,阻止跟踪点漂移。实验结果表明,该方法能以高达 98%的正确匹配率对复杂场景序列图像中的运动目标进行稳定跟踪。     

Gabor小波目标特征提取和跟踪方法的研究

为了解决目标在发生旋转、尺度及平移等几何变形时的自动跟踪问题,提出 Sobel 边缘检测与 L-M 优化结合的 Gabor 小波目标提取与跟踪方法。该方法自动寻找目标的小波特征点,在跟踪过程中不断优化特征模板的旋转、尺度以及平移等几何变形参数,使得小波特征向量值在最小平方和意义上与初始值相匹配,实现目标跟踪。实验结果表明,该算法能够有效地提取目标特征,在目标尺度变化达到 50%,角度变化 10o,旋转 90o等不利条件下实现了可靠跟踪。     

一种基于投影算法的运动目标自动跟踪系统

提出了一种基于投影算法的运动目标跟踪系统设计方案,它适用于固定背景情况下单个运动目标的检测与跟踪,采用了双摄像头方案,既可以扩大场景的监视范围,又可以给出运动目标的近距离影像,引入了投影算法计算位移矢量,提高了计算速度和对背景变化的抗干扰能力,实验结果表明了方案的可行性和算法的稳健性。     

快速运动目标的Mean shift跟踪算法

针对Mean shift本身的理论缺陷,提出Mean shift和卡尔曼滤波器相结合的快速目标跟踪算法。利用卡尔曼滤波器来获得每帧Mean shift算法的起始位置,然后再利用Mean shift算法得到跟踪位置。在目标出现大比例阻挡情况时,利用卡尔曼残差的计算来关闭和打开卡尔曼滤波器,此时,目标位置的线性预测替代了卡尔曼的作用。试验证明,本算法可以实现对快速运动目标的跟踪,对阻挡也有很好的鲁棒性。     

基于卡尔曼滤波的多运动目标跟踪算法研究

针对多运动目标跟踪的实时性和鲁棒性问题,本文提出了一种基于卡尔曼滤波的多运动目标跟踪算法,该算法运用卡尔曼滤波预测目标的位置,并以目标的中心点坐标、面积和长宽比特征、一维HSV颜色直方图作为目标的特征对当前帧检测到的目标模板和预测区域内的目标进行匹配。实验证明,该算法可实时、稳定地跟踪复杂场景内的多运动目标,并能够解决目标遮挡问题。     

欧拉弹力模型的视频运动目标自适应图切检测

传统的视频运动目标图切检测算法基于低阶马尔科夫随机场,能量函数的低阶近似无法准确描述图像像素的空间相关性,导致图切检测结果过度平滑。本文提出一种基于高阶欧拉弹力模型的图切检测算法,利用欧拉弹性模型优化目标边界曲线和修正能量函数的低阶近似。算法通过利用前一帧图像的检测结果,对当前帧图像运动目标像素点数和前景背景邻接像素对数进行卡尔曼预测,并不断自适应调整当前帧的图像模型参数,实现了视频运动目标的连续全局优化检测。实验结果验证了欧拉弹力模型在视频运动目标检测中的有效性,其检测结果能够更好地满足人的视觉效果。     

一种基于自适应特征选择的目标实时跟踪算法

针对传统的均值漂移算法,加入了自适应特征选择,提高了均值漂移算法在复杂场景中目标跟踪的鲁棒性.传统的均值漂移算法往往选择固定的一个或两个特征(比如颜色)对目标进行跟踪,当跟踪场景发生变化,容易跟踪失败.本文通过分析被跟踪目标特征与变化背景的区分度来确定最显著特征与次显著特征,从而选择出最有效的目标特征,实现复杂变化场景下的目标跟踪.一系列不同场景下的运动目标跟踪实验,证实了该算法的可靠性.     

基于局部特征组合的目标跟踪算法

为了克服目前大多数观测模型在小样本空间中鲁棒性不高的弱点,文中在粒子滤波框架下提出基于局部特征组合的粒子滤波视频跟踪算法。局部特征能更有效描述目标模板细节信息,可降低特征匹配中目标形变、光照变化和部分遮挡的影响。该方法借鉴混合高斯模型思想,采用多模式描述有效局部观测信息,这种融合策略更加准确可靠,能够较好地通过最新观测减轻了粒子退化现象,从而提高目标跟踪效率。小样本空间一定程度上降低了粒子数量和计算代价。实验结果表明该算法相比单一特征或一般多特征融合跟踪算法具有优越性,并能实现复杂场景下的目标跟踪。     

基于加权Lucas-Kanade算法的目标跟踪

针对传统的序列图像目标跟踪方法难以适应复杂背景干扰、目标形状变化以及目标位置非规则抖动的问题,提出了一种基于加权Lucas-Kanade算法的目标跟踪新方法.首先引入搜索模板,估计出目标在实时图像中的位置并将其作为加权Lucas-Kanade算法的迭代初始值,然后计算权值函数,利用当前模板和初始模板进行两次跟踪,得到目...     

基于最大似然的分布式多视角目标跟踪算法

针对多摄像机视频跟踪的应用场景,提出了一种具有分布式计算特点的目标跟踪算法.该算法首先利用最大似然准则对多视角目标跟踪问题进行建模,并对似然函数进行分解,最后借助消息传递机制高效求解出跟踪目标在各个摄像机视野中位置的估计值,而不再需要将图像数据传输到中央处理单元进行集中式处理.同时,通过融合多个视角的图像信息,有效地抑制了遮挡现象给跟踪结果造成的影响.定性和定量实验均证明了该算法的有效性.     

基于视频算法的鱼类运动跟踪研究

针对利用鱼类行为监测进行水体环境保护的问题,本文提出了基于视频的鱼类运动跟踪研究,通过对鱼类运动视频进行分割、跟踪,获得鱼类运动的轨迹和速度,为鱼类参与环境污染研究奠定了理论基础(通过对比不同污染环境中鱼类运动的一些参数,进行水体环境污染程度的定量分析).该算法采用标记多尺度分水岭方法进行鱼类运动分割,然后通过改进的加权Hausdorff距离对鱼类运动视频进行跟踪,最后为了容纳鱼类在运动过程中形状的变化,在多值图像中引入欧几里德范数作为约束务件来完成跟踪模型的更新.实验结果表明,本文算法呈稳定跟踪状态,在连续100帧的跟踪过程中没有出现超过1个像素的位置差,跟踪速度差值也未超过0.12个像素,能够快速、精确分割和跟踪鱼类运动目标.     

基于标记的多尺度分水岭视频目标分割算法

针对视频目标提取的问题,提出了基于标记的多尺度分水岭视频目标分割算法.该算法以帧间变化检测为基础,通过改进的最小Tsallis交叉熵进行去噪、滤波,经形态学处理后得到运动目标初始二值掩模,并利用初始二值掩模得到用于分水岭算法的前景与背景标记,用该标记修正当前帧的多尺度形态学梯度图像,最后进行分水岭分割,得到具有精确边界的视频对象.实验结果表明,该算法能有效地分割和提取视频序列中的单个、多个以及快速运动的目标,继承了变化检测和分水岭算法速度快的优点,克服了分水岭容易产生过分割的缺点,具有较强的适用性.     

基于在线学习的自适应粒子滤波视频目标跟踪

传统的粒子滤波视觉跟踪算法采用固定模型和大量粒子表征目标后验概率,不能满足复杂条件下的视频目标实时跟踪.为了提高跟踪的鲁棒性和稳定性及计算效率,本文提出将自适应状态演化方程和在线增量学习观测似然模型嵌入到粒子滤波算法;并采用在线自动调整粒子数目的策略,提高粒子滤波视觉跟踪的计算效率.室内外实验结果表明,文中提出的视觉跟踪算法不仅能准确、高效地跟踪序列图像中的运动目标,而且对光照、姿态变化引起的目标表观变化具有良好的鲁棒性.     

基于Radon变换和梯度跟踪的海岸线提取算法

针对视频图像中自动提取海岸线的问题,提出了一种基于Radon变换和彩色图像梯度跟踪模型的海岸线提取算法.根据海水和陆地的彩色图像信息差异,在计算彩色梯度向量的基础上,利用Radon变换检测线状奇异性的特点,设计剖面分析方法,预测水陆交界处大致方向和动态范围,以达到缩小检测区域的目的:最后采用一种改进的最大梯度跟踪模型对海岸线进行搜索,以提取最终的海岸线精确定位参数.实验结果验证了该算法对海岸线检测的有效性和较强的鲁棒性.