基于Mean Shift的相似性变换和仿射变换目标跟踪算法

传统的Mean Shift (MS) 算法只能对发生平移和尺度变化的目标进行跟踪,而对于具有相似性变换或者更复杂的仿射变换的目标跟踪效果很不理想或无法跟踪。为了解决这一问题,提出了两种基于MS的改进算法。第一种算法针对仿射变换,根据奇异值分解理论,仿射变换矩阵可以分解成两个旋转矩阵和一个对角矩阵的乘积,在此基础上建模了一种新的候选目标模型。通过Bhattacharyya系数将目标跟踪问题转化成以仿射变换参数为变量的最优化问题,推导相关参量的一阶偏导数并令其为零从而得出相对于仿射变换的MS算法。另外,针对进行相似性变换的目标也提出了一种新的候选目标模型,并用类似的梯度下降算法估计目标的平移向量和旋转角度。实验结果表明,提出的算法能够跟踪具有相似性变换或仿射变换的目标,比传统的MS算法具有更好的跟踪性能。     

一种基于自适应的目标跟踪算法的实现

在已有的目标跟踪方法基础上,对基本模板匹配算法进行改进,提高了目标跟踪的速度和可靠性,目标跟踪的准确程度和算法的效率有显著的提高.给出了使用自适应模板匹配方法跟踪的试验仿真结果.     

一种利用信息融合的运动目标跟踪算法

论文针对灰度相关模板匹配跟踪算法的局限性,提出了一种基于信息融合的运动目标跟踪算法。该方法同时利用图象中的灰度信息和边缘信息,从而克服了只依靠单一信息源的不足。实验结果表明,该方法明显提高了跟踪性能。     

仿射模型目标跟踪中的一种模板修正策略

在目标跟踪过程中，由于目标姿态不断变化，因此必须要对跟踪模板进行必要的修正，为了进行这种动态变化目标的跟踪，提出了一种动态更新模板的新方法，该方法是在基于仿射模型跟踪的基础上，首先在跟踪结果序列图象中进行运动目标检测，然后根据检测的结果来判断目标的姿态变化，再由给定的规则来对模板做出相应的修正，实验证明这种方法可以有效地适应目标的变化。     

遮挡情况下基于特征相关匹配的目标跟踪算法

特征相关匹配是重要的运动目标跟踪方法.目标特征有灰度特征和边缘特征两大类,在遮挡情况下,采用哪种特征进行匹配,要根据目标本身属性来确定.本文先对目标灰度性质做出判断,然后根据灰度单一或是丰富来合理选择边缘相关匹配或者是基于多子块的灰度相关匹配来解决遮挡情况下的刚性目标跟踪问题.其中边缘匹配算法是通过当前边缘与实时更新模板的最优匹配来确定目标的运动位移量.基于多子块的灰度相关匹配算法通过目标的各个具有较明显特征的子块准确判定遮挡区域,利用剩余的未被遮挡的子块参与灰度相关匹配继续跟踪目标.实验结果表明,这种算法是十分有效的.     

一种面向机动目标跟踪的交互式多模型算法

针对在传感器可能偏差的情况下进行机动目标跟踪,提出一种新的交互式多模型算法,即IMM-TS-EV算法。该算法同时考虑传感器测量模型与目标运动模型这两类模型的多样性,以此处理传感器偏差性与目标机动情况。但由于考虑两类模型可能会造成模型过多而导致性能衰退,故结合扩展维特比(EV)算法以期望能有效缓解该问题,即新算法属于一种同时考虑两类模型的改进交互式多模型扩展维特比(IMM-EV)算法。最后以仿真结果验证了算法的有效性,能够利用多模型特点同时解决传感器的偏差性与目标的机动性所带来的匹配问题。     

一种基于非标定摄像机仿射变换的块匹配算法

针对"平行视"多视视频,提出了一种基于非标定摄像机仿射变换的块匹配算法.该算法采用Harris算子提取角点,依据特征跟踪法和线段仿射性质作为同名点匹配准则,利用同名点信息构造摄像机仿射变换矩阵,在此基础上实现视问块匹配.实验结果表明,该算法可有效提高"平行视"块匹配效果.     

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。     

一种基于核相关滤波的视觉跟踪算法

视觉跟踪是计算机视觉的一个重要方向,而核相关滤波(KCF)跟踪是视觉跟踪领域中的一种比较新颖的方法,它不同于传统基于目标特征的方法,不仅具有较高的跟踪精度,而且具有较快的跟踪速度,在实际应用中效果显著。但当物体快速运动或存在较大尺度变化等时,该方法无法准确地跟踪目标。文中提出的基于核相关滤波器的改进算法有效地解决了上述问题,其通过随机更新多模板匹配,确定了核相关滤波的学习因子,从而实现了学习因子自适应更新模型。实验结果表明,该算法根据不同的场景能快速地调整学习因子,从而提高跟踪的成功度。通过自适应学习因子和多模板匹配,该算法对部分遮挡、光照和目标尺度变化具有较强的适应性。     

一种基于直方图和冗余匹配的实时目标跟踪算法

基于视觉的目标跟踪技术难点在于完成帧与帧之间的快速且口丁靠的目标匹配，以目标的直方图作为特征，具有很好的鲁棒性。但是直方图无法反映目标的空间信息，会导致错误定位于伪目标，且无法精确定位目标。针对以上问题，文章提出了一种稳健的运动目标跟踪算法，在以直方图作为目标特征的同时，结合冗余模板信息，达到验证候选目标的可靠性和辅助目标精确定位的目的。实地测试结果验证了该算法的有效性。     

基于声学传感器的目标跟踪扩展算法

针对机动的目标跟踪,提出扩展的卡尔曼滤波器/多假设跟踪方法(EKF/MHT),该算法具有结构和计算简单,鲁棒性好的特点,同时研究了和声学传感器相联系的目标数量、位移量和探测分辨率对跟踪性能的影响,并通过仿真,充分说明了文中所提出的跟踪算法能够较好地弥补传统的Kalman滤波/MHT方法在跟踪机动目标时的不足。     

基于主成分分析的目标跟踪方法研究

在成像跟踪系统中,实时图与预存的参考图之间往往存在着巨大的差异。传统的匹配定位方法不能很好 的克服这些差异给跟踪系统带来的影响,使得目标漂移,跟踪失败。本文运用主成分分析方法动态构造模板, 运用仿射变换的方法匹配定位,从而实现稳定的跟踪。试验表明跟踪算法具有较高的鲁棒性。     

判别外观模型下的寻优匹配跟踪算法*

针对模型匹配跟踪算法易受遮挡、复杂背景等因素影响的问题,提出判别外观模型下的寻优匹配跟踪算法.首先,提取前5帧图像的局部特征块,建立由特征块组成的训练样本集,并利用颜色、纹理特征进行聚类组建判别外观模型.然后,利用双向最优相似匹配方法进行目标检测.为了解决复杂背景干扰,提出前景划分方法约束匹配过程,得到更准确的匹配结果.最后,定期将跟踪结果加入聚类集合以更新外观模型.实验表明,由于利用多帧训练的判别外观模型及双向最优相似匹配方法,算法在局部遮挡、复杂背景等条件下的跟踪准确率较高.     

基于仿射变换的图象定位方法

本文主要针对复杂地物背景下的一般图象目标,在应用本征空间方法进行鲁棒跟踪等方面做了大量研究工作.放弃了基于平移运动模型的传统相关算法,改用仿射变换运动模型,借助快速解法,在保持跟踪定位鲁棒性的基础上,实现了以实时的速度处理目标发生的旋转、平移、放缩等仿射变化.通过理论分析以及大量实验验证,配合以适当的模板更新策略,该方法可以构成一种替代传统互相关跟踪的新方法.     

自适应均值漂移算法目标跟踪检测仿真研究

研究运动物体目标跟踪精确度问题,由于存在遮挡和多光源的噪声影响检测精度,而且运动目标的跟踪是在连续的图像帧间创建位置、速度、形状等存在匹配问题。传统的目标跟踪算法由于目标的动态移动速度大,而容易导致跟踪丢失目标。为了解决上述问题,提出了一种改进的基于自适应均值移动(Cam Shift)目标跟踪新算法。主要难点技术问题是提取了多运动目标视频图像,进行了背景分离。算法是一种颜色跟踪算法,根据多次迭代的计算结果,自适应调整图像,实现对运动目标的实时跟踪。仿真结果表明,提出的改进目标跟踪算法的跟踪精度和滤波效果有了较大提高,同时具有较强的鲁棒性能。     

空间异常适应性的目标跟踪

针对基于空间正则化的相关滤波算法无法精准控制背景区域权重,同时存在由遮挡、形变等因素导致的异常情况会降低跟踪结果可信度的问题,文中提出空间异常适应性的目标跟踪算法.首先,构造自适应空间正则项,使用显著性检测对其权重进行初始化,实现空间适应性.然后,利用交替方向乘子法,降低算法复杂度.最后,设置置信分数,计算检测结果的可...     

一种基于自适应阈值的复杂背景下自动目标跟踪方法

提出了一种基于自适应阈值的复杂背景下自动目标跟踪方法，该方法采用一种自适应块匹配的运动估计，以平均绝对误差作为目标匹配准则，针对不同大小，不同运动方向，不同运动速度的目标均可进行较好的跟踪。该方法采用三不搜索策略较好地实现了目标搜索，同时，根据目标运动的惯性，引入了运动矢量的向前预测策略，减小了目标搜索的盲目性，提高了跟踪的可靠性和效率。     

尺度感知的分块协同式相关滤波跟踪算法

基于分块的相关滤波跟踪算法在处理目标尺度变化和遮挡问题时,对局部子块跟踪状态的评估及局部子块与尺度变化的关系刻画不够准确.针对此问题,文中提出尺度感知的分块协同式相关滤波跟踪算法.首先提出结合时序平滑约束的局部子块遮挡判别方法,改进现有算法的评分策略.设计子块协同运动策略,使被遮挡或形变的子块跟随未被遮挡的子块趋向正确的位置.同时发现跟踪过程中子块聚散变化的分布位置与目标尺度之间的比例关系,实现对目标尺度变化的感知和大小估计.实验表明,文中算法性能较优.     

仿射运动模型下的图像盲超分辨率重建算法

研究利用帧间存在仿射运动的低分辨率图像序列重建出更高光学分辨率图像的盲超分辨率(BSR)问题。首先给出一种基于特征向量的模糊核零空间矩阵构造方法。将模糊的零子空间约束作为一项规整化泛函,提出一种非参数化模糊辨识、运动估计和图像重建三重耦合问题的联合迭代算法。该算法采用一个二层优化策略:先将三重耦合的BSR问题分解为关于模糊的二次型和关于运动参数与图像的非线性最小二乘(NLS)问题,再采用Gauss-Newton方法求解该NLS问题。仿真实验结果表明,文中提出的仿射变换下的BSR算法能对图像空间移变退化过程进行更为精确的建模,比纯平移BSR算法有更强的局部纹理恢复能力。最后通过真实车牌图像序列展示该算法的适用性。