基于DRLSE模型的运动目标跟踪

高斯粒子滤波不能处理曲线的拓扑变化,而基于水平集的几何活动轮廓模型能较好地适应拓扑变化,为了跟踪和提取刚体和非刚体运动目标精确的轮廓信息,提出基于距离规则化的水平集演化(DRLSE)模型和高斯粒子滤波(GPF)相结合的运动目标跟踪方法.首先用高斯粒子滤波对目标跟踪得到目标的运动区域,然后把水平集规则项引入到测地线活动轮廓模型中,以外接轮廓的中心为基础进行DRLSE.距离规则化不仅消除了水平集重新初始化的需要,而且避免了因此而导致的数值错误,在水平集演化过程中保持了水平集函数的规则化.最后,将获得的精确轮廓信息反馈到跟踪框架.实验结果表明,该方法适用于刚体和非刚体目标,在实际交通环境中跟踪结果更加精确.     

基于水平集方法的弱边界运动人体目标跟踪与轮廓提取

针对图像中目标和背景灰度偏差较小、目标边缘轮廓弱的特点,提出了一种快速收敛并具有较强捕获弱边缘能力的水平集曲线演化方法。该方法采用指数函数作为边缘指示函数,运用归一化的Gauss分布函数改进传统的正则化Dirac函数。在目标跟踪过程中,采用卡尔曼滤波获取视频相应帧图像的运动人体目标最小外接矩形框,对外接矩形框内运动人体进行水平集曲线演化,实现对人体目标的跟踪和轮廓提取。分别对可见光下的运动目标和红外运动视频序列进行仿真实验。结果表明,相对于传统方法,其在跟踪速度上有很大的提高,对于红外图像中的弱边界目标及凸凹度较大的区域,也具有快速准确的收敛效果。     

基于均值漂移和边缘检测的轮廓跟踪算法

实时的轮廓跟踪算法可以为视频监控系统提供物体的轮廓信息以供对物体类别、物体行为等进行识别.提出一种基于均值漂移和边缘检测的轮廓跟踪算法.方法中,首先利用均值漂移算法跟踪得到目标物体的中心位置,同时用高斯统计模型进行背景更新,从前景图像和背景图像中分别得到具有相同位置和大小的前景矩形区域和背景矩形区域,然后用背景分割的方法得到目标物体区域,再对目标物体区域进行边缘检测就得到了目标物体的轮廓,进而实现了对目标物体的轮廓跟踪.实验表明,可以实时、准确、稳定地对目标物体进行轮廓跟踪.     

基于水平集的TLD目标跟踪改进算法

TLD算法是一种新颖的长期目标跟踪算法,针对算法中检测器采用特征没有充分考虑跟踪过程中目标的表观、区域轮廓的变化及基于窗口扫描影响效率等问题,在TLD算法的基础上,加入演化机理,基于水平集对其进行改进。结合边缘和区域信息的多尺度水平集方法,引入目标轮廓信息,在有效克服灰度不均匀图像的同时,提高了目标跟踪的适应性及精度;根据轮廓检测结果,引入目标运动方向检测算子,对目标运动方向及其在当前帧中的位置进行估计,减少扫描窗口的同时提高目标辨识能力。通过实验对原始TLD算法及改进的算法进行了比较。实验结果表明,改进后的方法跟踪速度有提升,对目标跟踪的适应性更强,跟踪精度更高。     

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.     

基于自适应水平集方法的运动目标跟踪

在对复杂背景条件下的非刚体目标进行跟踪时,水平集方法是一种非常有效的方法。针对水平集的初始化问题,提出了一种自适应初始化的水平集方法。首先采用粒子滤波对目标进行跟踪,得到运动目标的粗外接矩形轮廓;然后以外接矩形轮廓的质心为基础进行水平集曲线演化,求取目标的精确轮廓信息,并将轮廓的提取结果反馈到跟踪框架中;最后,动态更新参考模板,以改进似然函数。实验结果表明,本方法能够适应非刚体目标在运动中的自由变化,使得跟踪更加精确。     

基于改进活动轮廓的视频对象自动分割及跟踪算法

为了能够从视频序列图像中准确地提取出运动视频对象,提出了一种基于改进活动轮廓的视频对象自动分割及跟踪方法。该方法首先采用连续帧间差的4次统计量假设检验来确定视频对象的运动区域,并使用形态滤波消除残余噪声和空洞;然后根据3帧序列图像得到的前后运动区域的相与运算来有效地解决运动视频对象前后帧的遮挡问题,以获得视频对象模板,当提取出视频对象模板的边缘轮廓后,再用梯度向量流场作为外力的改进活动轮廓算法来获得视频对象的精确轮廓;最后以此视频对象的轮廓为基础进行运动补偿,以得到下一帧图像的初始曲线,再使用改进的活动轮廓算法对下一帧图像进行分割,即可实现视频对象的跟踪。该方法不仅能够消除差分图像中的显露背景,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。     

动态背景下运动目标检测与跟踪研究

主要研究动态背景下的运动目标检测和跟踪问题。背景补偿差分法是一种常用的动态背景下运动目标检测算法,但检测到的目标轮廓要比其真实轮廓大,检测结果不准确且算法复杂度较高。主动轮廓模型在图像分割和目标提取过程中具有拓扑结构变化灵活性,对数值计算方案的设计更加方便、有效,据此提出一种基于改进C-V模型和卡尔曼滤波的算法,用来检测和跟踪动态背景下的运动目标。提出的算法利用C-V模型曲线演化检测和跟踪目标,使C-V模型在目标的边缘处收敛。结合卡尔曼滤波预测运动目标下一帧位置,从而实现对运动目标轮廓的跟踪。实验结果表明,该方法可以对动态背景下运动目标进行精确的检测与跟踪。     

一种改进的活动区域轮廓模型 ——无需水平集重新初始化

基于区域的活动区域模型已经成功应用在图像分割、目标跟踪等领域,较之基于梯度的活动轮廓模型具有很多优点。但是,这些水平集模型在演化过程中,为了保持为符号距离函数,必须对其重新初始化,降低了曲线演化速度,增加了实现复杂度。为了解决重新初始化问题,在测地活动区域模型的能量函数中,加入惩罚项来约束水平集保持为符号距离函数,无需再重新初始化,极大地提高了演化速度。将其运用在纹理图像、脑MR图像分割以及视频跟踪中,实验证明该模型是有效的。     

基于区域形心及其矢量方向的视频对象跟踪

提出了一种新的基于区域形心及其矢量方向的视频对象跟踪算法。视频对象分割后，使用区域增长法将视频对象分成若干个区域，然后利用视频序列连续两帧中每个区域的形心及形心间矢量的方向，快速、有效地自动跟踪多个目标对象。实验结果表明，该算法对运动物体的出现和消失，以及非刚性物体的尺度变化和变形，具有较强的鲁棒性。     

基于肤色及轮廓信息的人耳实时跟踪

实时人耳跟踪作为人耳识别系统的前提，是一个意义重大且具有挑战性的课题。为了实现对人耳的快速实时跟踪定位，提出了一种融合肤色及灰度轮廓信息检测跟踪序列图像中人耳的新方法。该方法首先采用改进的CAMSHIFT算法在肤色概率分布基础上，初步对侧面人脸这一包含耳朵的大面积肤色区域进行粗定位，进而根据耳朵自身丰富的轮廓信息，应用轮廓提取及拟合来进一步精确定位人耳。实际应用表明，该方法具有速度快、效率高和鲁棒性好的特点，不仅能够满足实时性的要求，并且对于干扰和耳朵自身一定角度的偏转都有较好的容错性。此外，该方法在相对复杂的背景下仍能获得较好的跟踪效果。     

基于链码和多线程的图像分段轮廓跟踪

针对将图像轮廓分段,并对每段轮廓单独进行或对所有段轮廓同时进行轮廓跟踪的需求,提出了基于链码和多线程的图像分段轮廓跟踪方法。对基于链码的图像轮廓跟踪算法进行改进,使之能应用于基于多线程的图像分段轮廓跟踪方法中。以面向对象的观点,将轮廓跟踪操作封装成类。一段轮廓的跟踪对应一个线程和一个轮廓跟踪类的对象。应用表明,该方法很好的解决了图像分段轮廓跟踪的问题,不仅可以灵活的对整个轮廓中所关心的某几段或所有段进行跟踪,而且各段轮廓的跟踪过程能够相互通信,跟踪速度快、效率高。     

基于多分辨率方法的主动轮廓线跟踪算法

由Ｋａｓｓ等１９８７年首次提出的主动次轮廓线模型，在数字图像分析和计算机视觉领域得到了越来越广泛的应用，基于单分辨率的主动轮廓线跟踪算法在一个共同的缺点，即：要求初始轮廓线离目标的真实轮廓线很近，这样的算法用于跟踪将只能跟踪缓慢运动的目标，从而限制了主动轮廓线跟踪算法的应用范围，本文提出了一种基于多分辨率的主动轮廓线跟踪算法，它不但继承了基于单分辨率的主动轮廓线算法的优点，而且降低了对初始轮廓线的     

基于Freeman链码的B样条曲线轮廓拟合

提出了一种Freeman链码与B样条曲线误差控制相结合实现轮廓拟合的算法,首先利用Freeman链码法进行边界跟踪,根据相邻像素点间的不同的链码变化关系,排除伪特征点,提取出轮廓中绝大多数特征点,然后结合基于误差控制的B样条曲线法,取得能够精确表示轮廓信息的特征点。本文算法即避免了使用曲率来进行求取特征点的复杂计算,提高了特征点检测速度,又提取出能够精确拟合轮廓的局部支撑点,实现了基于误差控制的轮廓曲线拟合。实验结果证明了本文算法的正确性。     

一种基于优先搜索方向的边界跟踪算法

图像处理尤其是区域分析中,区域的边界是非常重要的信息。提出了一种基于优先搜索方向的边界跟踪方法。该方法是以区域为基本操作单元,以当前边界点和上一边界点所确定的方向的外法线方向为起始搜索方向,顺时针方向搜索下一个边界点,当下一个边界点与该区域第一个边界点重合时,该区域搜索完毕,并开始对下一个区域进行跟踪。利用这种方法跟踪出来的区域边界,不但能够很好的满足对边界一个像素的宽度、同一个区域的边界连通封闭、准确定位在区域外围轮廓上的要求,而且能够完整准确地保持目标区域外边界的自身原貌和特点,以及内、外边界彼此独立,可独立成图用。由于这种算法在跟踪过程中充分考虑已知边界点对后续边界点的影响,使得边界点保持了良好的相关关系,可以根据实际应用的要求,在跟踪过程中直接实现边界的矢量化。     

工程图纸矢量化中的线条轮廓跟踪法

在工程图纸矢量化中引入了平均链码和线条的概述，阐述了平均链码与直线链码的关系，提出了确定线条边界的切向和法向，线条检测，线条两侧同步跟踪以民折处理的方法。以此实现直线或微弯曲线的整条提取，跟踪的同时实现图文的磁量化速度和质量有较大的提高。     

基于最大似然准则Hausdorff距离的跟踪算法

针对视频处理中运动物体的检测和跟踪问题,提出一种基于最大似然准则Hausdorff距离的目标跟踪算法,首先利用基于GVF的Snake方法获得物体模型;然后采用基于最大似然准则的Hausdorff距离匹配后续帧中的目标,搜索策略采用类似于Rucklidge提出的多分辨率搜索方法,在不影响搜索成功率和目标定位精度的情况下, 可以显著地缩短搜索时间;最后使用Snake方法完成运动物体的轮廓更新.实验表明该方法可以较好地跟踪刚性和非刚性物体,同时对部分被遮挡的目标也有良好的跟踪效果.