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。     

活动轮廓模型目标跟踪算法综述

目标跟踪是当前计算机视觉领域最活跃的研究主题。首先对基本的跟踪类型进行了介绍;然后讨论了基于活动轮廓模型的图像分割,重点分析了参数活动轮廓模型的梯度矢量流模型（Gradient Vector Flow,GVF）,以及几何活动轮廓模型中的模型;并讨论了基于粒子滤波的目标跟踪算法的研究现状,最后展望了这一领域未来研究的热点。     

视频图像活动轮廓目标检测跟踪研究

研究视频图像目标跟踪定位精确度问题。由于在图像中通常会发生缩放,造成图像目标模糊不清。传统的目标跟踪算法该类算法仅以目标发生平移运动为假设前提,图像质量差。为解决上述问题,提出了一种活动轮廓目标跟踪定位检测算法。首先选择合适的滑窗,采用减背景法来确定视频对象的运动区域,采用卡尔曼形态滤波来消除残余的噪声,然后针对目标在活动轮廓局部内具有较高灰度值的特征,通过自适应阈值来判别滑窗中心位置是否存在目标。当滑窗遍历整幅图像后,就可以得到目标的定位结果。仿真结果表明,改进算法不仅能够消除差分图像中的显露背景,从而得到运动视频对象精确的轮廓,并且可进行多目标的分割与跟踪,具有一定的实际应用价值。     

基于多特征的目标轮廓跟踪*

文章中以核密度方法分别建立了图像颜色与纹理特征的概率密度模型,并用贝叶斯模型估计后验概率作为像素能量。构造的新曲线区域能量泛函分别统计内部能量与外部能量之和,以最小能量曲线对应跟踪目标的曲线。通过计算梯度下降流推进曲线演化,减少曲线能量直至收敛到目标曲线。实验结果证明所提算法能在连续视频帧中准确地提取刚体以及非刚体目标的外部轮廓。     

一种新的B—Snake算法在目标轮廓跟踪中的应用

用Snake算法跟踪移动目标时,有时会产生目标轮廓与背景中另一些物体靠近的现象,如果不加约束．那么一些控制点将可能因被吸引到背景边缘而产生错误。另外,目标产生移动或旋转时,因轮廓控制点会产生交叉而导致轮廓跟踪失败。为克服此类问题,提出了一种新的有效的目标跟踪算法,可以跟踪静止或运动目标的2维轮廓曲线。该算法先利用三次B样条曲线连接控制点,以初始化物体的边界,然后通过Snake最小能量函数把控制点吸引到轮廓的边界。在Snake跟踪算法中,由于是采用和下一点相连向量与控制中心相连向量的夹角正弦值的正负来避免控制点的交叉,而控制中心的位置则通过α-β-γ滤波能有效地估计出来,因而能准确地跟踪运动的目标。该算法运用到静止的或移动的头部轮廓跟踪的实验证明,该算法不仅对目标轮廓跟踪具有较好的效果,且运算时间短、复杂度低。     

一种基于活动轮廓和Gauss背景模型的固定摄像机运动目标分割算法

运动物体分割是计算机视觉领域中最具有挑战性的课题之一.文中提出了一种新的基于固定摄像机的运动物体分割算法.它有效地结合了Gauss混合背景模型和活动轮廓的方法,获得了比通常背景减除方法要好的效果.文中把目标提取问题转化为能量最小化问题,并且采用曲线演化的方法来最小化能量函数.由于在能量函数中引入了Gauss混合背景模型,阴影消除项和曲线演化边缘停止项,文中的算法能获得比现有同类算法更加准确的结果.在真实图像数据上的实验结果说明文中的方法具有很好的前景.     

自适应融合颜色和深度信息的人体轮廓跟踪

采用活动轮廓对人体目标建模,提出一 种新的水平集框架下自适应融合RGB-D图像的颜色和深度信息的人体轮廓跟踪方法. 设计了一种基于超像素的局部自适应权重计算方法,自动确定深度信息在水平集演化中的重要性. 基于深度信息的活动轮廓驱动外力包括由边缘生成的梯度向量流和由目标/背景深度模型生成的置信图,基于颜色信息的驱动外力由目标/背景颜色模型生成的置信图,这三种外力通过局部自适应权重融合,驱动活动轮廓向目标的边界演化.为了得到更加精确的目标轮廓和防止误差漂移,基于本文观察到的人体表面在深度图像中的两个特性,提出两个简单但有效的算法对水平集方法得到的结果进行精化调整. 最后,通过实验验证了本文算法的优越性.     

采用测地线活动轮廓模型检测与跟踪运动目标

水平集几何活动轮廓模型能较好地适应曲线的拓扑变化.为了跟踪和获取刚体和非刚体运动目标的轮廓信息,提出了一种基于改进测地线活动轮廓(GAC)模型和Kalman滤波相结合的算法以检测和跟踪运动目标.该算法首先采用高斯混合模型和背景差分获取目标的运动区域,在运动区域内采用引入距离规则化项的GAC模型进行曲线演化,使改进GAC模型在运动目标的真实轮廓处收敛;然后通过结合Kalman滤波预测目标下一帧的位置,实现对目标轮廓跟踪.实验结果表明,该方法适用于刚体和非刚体目标,在部分遮挡的情况下也能保持良好的检测和跟踪效果.     

一种基于形状约束势能的主动轮廓跟踪算法

将基于轮廓曲率的帧间几何形状约束势能,与目标区域信息和边缘梯度信息相结合,定义新的主动轮廓跟踪模型.该模型可以克服弱边缘及强背景等噪声对轮廓的吸引和干扰,同时保持目标的基本形状,实现和改善对具有尖角、深凹等不规则形状目标的边缘跟踪.采用基于块匹配的边界仿射变换方法对主动轮廓的初始位置进行估计,使其更接近目标的真实边缘.实验结果表明,该算法具有较好的边缘跟踪和抗复杂背景的能力.     

活动轮廓模型的图像分割方法综述

基于活动轮廓模型的图像分割方法作为计算机视觉应用领域的一个研究热点而倍受关注。文中首先阐述活动轮廓模型的数学模型及其相关的数值实现方法。然后以参数活动模型和几何活动模型的发展为主线, 对活动模型的发展进行综述, 对其应用于图像分割的经典方法、优势和所存在的问题进行比较性研究。最后对活动轮廓模型的未来发展进行展望。     

一种基于主动轮廓模型的运动目标跟踪方法

分析了几种经典主动轮廓模型（即Snake）的优缺点．针对传统Snake在应用于目标跟踪时的一些缺陷,设计了自动初始化轮廓的算法．采用四邻域交替搜索法取代八邻域搜索方法以减少计算开销,并给出了一种较为实用的基于Snake的运动目标跟踪方法．通过实验证明了本方法的可行性．     

增强现实中的视频对象跟踪算法

根据增强现实在视频对象跟踪中的应用需求,提出一种综合利用尺度不变特征变换(SIFT)算子、K聚类算法和轮廓检测的视频对象跟踪算法。该算法利用简易SIFT获得输入图像的特征点,通过K聚类算法获得可能的对象聚类,并采用改进的轮廓处理方法得到对象边界,移除孤立点,确定对象特征点,在对象特征点中获取增强现实应用中需要的注册点。在关键帧匹配中,只要使用对象特征点进行对象匹配。实验结果表明,该算法具有运行速度快、匹配正确率高的特点,能满足增强现实视频应用的注册需求。     

基于HMM的卡尔曼蛇跟踪

隐马尔科夫模型(HMM)提供了一种概率框架融合多量测信息,并能够通过转移概率来表达曲线的平滑性,以得到更准确的量测结果．利用HMM所得到的结果作为量测信息输入到卡尔曼蛇滤波系统中,可明显地增强抗干扰能力和跟踪的鲁棒性．从样条向量空间新的内积与范数定义出发,对于形状矩阵的正交化处理可以进一步增强滤波系统的稳定性,增加模型与参数的可控性。     

面向视频目标的快速稀疏编码跟踪算法

关于稀疏编码的研究在最近几年成为许多研究领域的焦点,已有学者将其引入视频目标跟踪问题中。在贝叶斯推理框架下,基于l1-跟踪子能较好地处理目标物在视频场景中的各种复杂变化,达到较为鲁棒的跟踪效果,但算法复杂度高,很难进行实时跟踪。对原始l1-跟踪子在稀疏编码的过完备基构造,对目标物出现各种复杂变化的处理方式以及目标物模板的更新这三个方面进行了改进,设计了无需更新目标模板的高速跟踪方法;并通过大量比较实验,验证了该方法的跟踪精度与原始l1-跟踪子相似,但跟踪效率远高于l1-跟踪子,达到了实时跟踪的效果。     

基于主动轮廓线模型的海面运动目标跟踪

将主动轮廓线模型用于海面运动船只的跟踪,提出了一种自动选择主动轮廓线初始控制点的方法,增强了主动轮廓线模型的实用性：并将基于主动轮廓线模型的跟踪方法用于多个海面运动目标的跟踪。实验结果表明,提出的初始主动轮廓线自动选取方法可以准确地选择目标的轮廓线的特征点;基于主动轮廓线模型的跟踪方法可以比较准确地跟踪运动船只的主要轮廓特征。     

智能视觉监控中的目标检测与跟踪技术

介绍了智能视觉监控中运动目标的检测与跟踪过程所涉及的各项关键技术,主要包括目标提取、阴影检测、目标分割和目标跟踪等。对各项技术的基本原理和主要实现方法进行了分析和总结,并指出了各种方法的特点、存在问题及解决方案。     

综合利用人脸特征和活动轮廓技术的人脸检测及跟踪算法

把基于静态图像分割的人脸检测技术同活动轮廓技术相结合，提出了一种在视频序列中检测和跟踪人脸的算法．它在Y、U、V联合梯度的基础土实施分水岭运算，并利用人脸的宽高比、颜色、结构等特征进行人脸逐级判别，从而确定人脸住置，然后用基于骨架的活动轮廓进行精确定位和帧间跟踪，从而较好地实现了视频序列中的人脸检测与跟踪问题。算法具有较强的鲁棒性，对于运动比较平缓、脸部轮廓比较清晰的情况，可以进行长时间跟踪。本算法在面向内容的可伸缩视频压缩编码系统中得到应用。     

一种实时的主动跟踪方法

针对单视角像机的视野局限性以及连续跟踪特定目标时运动目标实时检测的困难,提出了一种离散化活动像机运动的方法。先离散化像机运动;建立像机预置位表和背景索引表;然后,利用目标位置信息和运动信息判断像机转动情况,并结合对应的控制原理,实现了像机的调度;最后,利用通过计算机视觉方法确定了特定目标在不同离散空间的对应关系,实现了对特定目标大范围的主动跟踪和运动目标的实时检测。实验结果表明,对于复杂场景中特定运动目标大范围的主动跟踪具有较好的鲁棒性和实时性,并且可以实时提取场景中的运动区域。     

基于Snake模型的视频对象分割和跟踪算法

视频对象的分割是基于内容的视频处理中重要的组成部分。提出并实现了一种半自动视频对象分割和跟踪算法。算法主要基于Williams活动轮廓模型，通过求取轮廓点的局部能量最小值对轮廓线进行更新。轮廓扩张技术用来追踪变形的轮廓边缘。通过对轮廓中心点运动的统计，预测对象的运动方向和大小。实验仿真结果表明，这种改进的Snake算法能够收缩到图像的凹陷部分，而且能较好地跟踪视频对象的运动。     

适用于遮挡问题的目标跟踪算法

提出一种基于网格模型的目标跟踪算法．该算法首先进行遮挡区域检测,然后进行网格结点的运动估计和网格更新过程完成目标的多帧跟踪．改进的遮挡区域检测算法有效地提高了检测准确度,从而确保遮挡区域的准确跟踪;网格结点的运动估计是通过特征窗口运动补偿匹配完成,可以有效地克服块效应．实验证明,该算法解决了二维运动估计时网格模型在遮挡区域存在的问题,并可以有效地进行目标准确跟踪．