视频序列中运动目标检测与跟踪方法研究

提出了一种从摄像头获取的彩色图像中准确地检测出运动目标并进行实时跟踪的算法。首先将采集到的彩色视频图像序列转化为灰度图像,研究了几种图像锐化方法并进行了比较。然后进行帧间差分和阈值分割,成功分离出运动目标。最后采用投影法得到运动目标的大小及位置。实验结果表明,提出的运动目标检测与跟踪方法简单、有效、实时性高。     

基于区块链技术的地面移动目标智能跟踪系统设计

为精准掌握地面移动目标的实际运动方向,完成对目标对象的实时定位与跟踪,设计基于区块链技术的地面移动目标智能跟踪系统.以DM6446信号处理器作为底层信息处理元件,联合图像采集模块与移动通信模块,搭建智能跟踪系统的硬件执行环境.在此基础上,提取区块特征节点,通过计算跟踪位置,扩大处理智能信号的连通性,搭建智能跟踪系统的软...     

实时目标跟踪系统处理平台设计及快速算法研究

为解决电视捕获跟踪瞄准系统中系统的实时性与算法复杂性之间的矛盾,设计了以高性能的DSP芯片TMS320C6416为核心处理器,结合大规模可编程逻辑器件CPLD进行逻辑控制以及现场可编程门阵列FPGA对采集的视频数字图像做预处理的实时目标识别跟踪处理平台。同时改进了目标识别算法,提出一种基于遗传算法的快速图像相关匹配算法。重点介绍了该实时数字图像处理系统的硬件组成、工作原理和新的图像相关匹配算法。结果表明系统具有较高的实时性和稳定性。     

单目视觉目标观瞄光点实时定位方法

针对目标跟踪仿真系统中观瞄光点在数字仿真图像中的实时定位问题,提出一种基于单目视觉的光点实时定位方法。首先,采用卡尔曼滤波的方法对光斑在采集图像中的粗略位置进行预测;然后,在以此粗略位置为中心的光斑区域内采用基于Hessian 矩阵的方法对光斑中心坐标精确提取;最后,在建立有摄像机像平面上点到数字仿真图像上对应点的定位模型基础上,由提取的光斑中心坐标经定位模型求解实现光点定位。实验结果表明:该方法对光点定位的误差为0.4 pixel,且每帧图像的光点定位时间为0.32 ms。该方法可实现目标跟踪仿真系统光点的高动态、高精度实时定位。     

基于粒子滤波的目标实时跟踪系统

设计一种基于TMS320VC5416与FPGA的实时图像跟踪系统,该系统首先采用SAA7111A采集图像,经FPGA(采用乒乓操作的方式)传输给DSP处理器.在跟踪算法上采用灰度作为目标特征,使用粒子滤波方法实现对动态目标的跟踪.采用浮点数定点化处理,提高了算法的运行速度.实验表明:该系统具有良好的实时性与稳定性.     

基于粒子滤波的机载目标跟踪系统设计

基于微小型机载成像跟踪系统设计思想及需求,设计并实现了以高性能的DSP芯片TMS320-DM642为核心处理器,结合可编程逻辑器件CPLD和FPGA的实时图像跟踪处理平台。平台采用基于粒子滤波的目标跟踪算法,实现对目标的实时跟踪。采用卡尔曼滤波器,提高了粒子的利用效率,在改进了算法实时性的同时解决了图像跟踪系统的延时性问题,提高了跟踪系统的稳定性。算法仿真结果表明,与传统相关匹配算法相比,基于粒子滤波的跟踪算法具有更好的鲁棒性和实时性,能满足机载成像跟踪系统实时图像跟踪的要求。     

基于目标中心距离加权和图像特征识别的跟踪算法

本文提出了一种实时跟踪算法,以目标中心距离加权的灰度图像作为模板,采用mean-shift迭代方法实现目标的空间定位;同时建立二值图像模板,根据目标的图像特征,进行尺度定位.本算法改进了kernel-based算法对变尺度目标的跟踪.对于超过一定像素的较大目标,本算法进行"降采样",大大减小运算量,从而实现了对大尺度目标的实时跟踪.实时视频流的跟踪实验验证了该方法的有效性.     

基于TMS320C6678的KLT跟踪算法的改进与实现

目前存在的大多数特征点跟踪算法只考虑了相邻两帧的情况,而忽略了之前图像帧的特征信息。在KanadeLucas-Tomasi(KLT)算法的基础上,提出了一种新的特征跟踪方法:首先通过实时训练特征空间,构成图像训练的集合,然后通过高斯-牛顿迭代方法取出目标的特征点。该算法有效地避免了目标尺度、角度的大幅度变化以及遮挡情况。通过实际的序列图像分析了算法的性能,并与其他算法做了比较。同时研究设计了以八核数字信号处理顺(DSP)TMS320C6678为核心处理器,且结合了现场可编程门阵列(FPGA)数字视频图像采集的硬件平台,并且针对TMS320C6678的内部特点,提出了算法优化的方法。最终实现了对实时传输的视频图像中运动目标的准确跟踪。     

序列帧间双重匹配的红外点目标跟踪算法

针对海空复杂背景下红外点目标的检测与跟踪,提出了基于图像序列帧间双重匹配的边跟踪边检测算法,并建立了数学模型。它采用标记序列帧M以帧对帧的方式记录输入序列的帧间匹配结果,标记帧T以点对点的方式记录标记序列帧M的帧间匹配结果,统计帧S记录T中各像素的匹配成功次数,输入单帧图像同步输出矩阵T和S分别显示目标运动轨迹和迎头目标检测结果。算法匹配过程不随目标数目或运动状态而改变,且无需提前判断疑似目标位置,有效解决了目标在图像序列中突然丢失或出现被干扰情况下的跟踪,尤其可以对跟踪结果实时地进行目标分离,解决了迎头目标跟踪的难题。仿真和实际工程图像实验结果表明,算法具有较高的可靠性和实时性。     

高分辨率多传感器融合图像跟踪系统的设计与实现

为了提高图像处理器目标跟踪的准确度和对复杂环境的适应能力,设计了一种CPCI架构的多传感器融合图像跟踪系统。针对高分辨率高帧频图像的采集、目标搜索与跟踪,设计并实现了以FPGA+DSP为核心的嵌入式图像处理平台,采用CPCI标准总线作为数据共享通道,由嵌入式图像处理平台完成实时计算,数据中心完成跟踪结果的数据融合和系统综合控制。实验结果表明：系统可以实现多路不同分辨率CameraLink图像或HD-SDI图像的采集和融合跟踪处理,该架构处理能力强,可扩展性高,结构紧凑,为图像融合跟踪系统提供了一种可靠的解决方案。