基于改进的帧差法和Mean-shift结合的运动目标自动检测与跟踪

为了实现在静态背景下对运动目标的自动检测跟踪,提出基于改进的帧差法和Mean-shift结合的运动目标自动检测与跟踪算法。该算法改进了传统的三帧差分法,引入单高斯背景模型参与目标检测。此外,传统的Mean-shift算法,在起始帧需要手动选定目标,且选定窗口大小固定不变,不能根据目标尺寸变化而变化,从而导致失去目标。这里提出的方法先利用改进的帧差法检测目标,确定目标的位置窗口和中心,然后结合Mean-shift算法,根据是否超出设定的阈值来确定是否需要更新模板,从而实现该算法对运动目标的自动跟踪。实验表明,该算法计算速度快,具有较高的准确率。     

一种改进的Mean-shift运动目标跟踪算法

针对传统的Mean-shift运动目标跟踪算法中目标与背景颜色相近时,算法稳健性下降,且在高速运动目标跟踪应用中,如果目标下一位置超过Mean-shift适用的邻域范围时,算法失效的问题,提出了一种改进的运动目标跟踪算法.该算法融合了LBP(局部二值模式)纹理特征,建立色彩-纹理联合直方图用于搜索跟踪;同时该算法引入了卡尔曼滤波预测机制,提前对目标的位置进行预测,将搜索范围收敛到特定的区域内,以保证Mean-shift算法的有效性.实验结果表明该算法相对传统的Mean-shift跟踪算法,效果有明显改进.     

结合Kalman滤波器的Mean-shift跟踪算法

本文首先简单分析了Mean-shift算法的基本原理及Mean-shift向量推导过程,接着通过多组实验的结果,分析和验证了算法的优劣。然后,针对Mean-shift算法本身所存在的缺陷,引入Kalman滤波器,利用Kalman滤波器来预测每帧Mean-shift算法的初始搜索位置,然后再运行Mean-shift算法获得目标位置,同时在跟踪过程中利用预测出的目标速度矢量更新Kalman滤波器参数,实现了基于卡尔曼滤波框架的Mean-shift算法,实验验证了本算法可以实现对快速运动目标的跟踪,并且对较大比例的目标遮挡也具有很好的鲁棒性。     

一种融合Kalman预测和Mean-shift搜索的视频运动目标跟踪新方法

简要介绍Kalman滤波跟踪和Mean-shift跟踪并分析其优缺点,在此基础上提出一种融合Kalman预测和Mean-shift搜索的运动目标跟踪新方法.该方法利用Kalman滤波估计出运动目标在下一帧中最可能的出现位置,利用Mean-shift方法据此进行较小范围的搜索和目标匹配,从而可用较小的运算量获得较为可靠的跟踪效果,并适应较复杂的场景.实验结果证明了该算法的有效性.     

一种抗遮挡的全自动Mean-shift跟踪算法

传统均值漂移（Mean-shift）算法是一种半自动的跟踪方法,在目标被遮挡的情况下无法进行有效的跟踪。结合背景减除法提出了一种新的抗遮挡跟踪方法。利用背景减除法在初始帧确定目标的运动区域,得到Mean-shift的初始化参数;在跟踪过程中提出了一种目标遮挡因子作为目标被遮挡程度的判断依据,并根据目标被遮挡的程度提出相应的解决策略。实验结果表明该方法克服了传统Mean-shift算法需要人为定位的缺点,且在全遮挡的情况下仍可以正确地跟踪目标。     

基于特征融合的Mean-shift算法在目标跟踪中的研究

针对仅采用颜色特征的Mean-shift跟踪算法,在目标跟踪过程中,运动目标受光线变化的影响时,易发生跟踪错误等问题,提出一种基于特征融合的Mean-shift算法.新算法结合了颜色特征和边缘方向角特征,并对各特征模型进行加权处理,有效解决了Mean-shift算法在光线突变场景中跟踪失效的问题.实验表明,该算法能够有效提高跟踪的稳健性,达到快速、实时的跟踪效果.     

基于灰度投影变换的改进Mean-shift算法

针对传统的均值漂移算法中核窗宽无法实时适应运动目标大小变化的问题,提出一种改进的Mean-shift跟踪算法。该算法通过对数坐标变换后的目标图像以及候选图像进行灰度投影计算,得到两幅图像的相对位移量,从而计算出窗口缩放因子,以便对核窗宽进行调整。实验证明,该算法可以有效地提高Mean-shift算法跟踪的准确性。     

基于块的Mean-shift跟踪算法

针对传统Mean-shift跟踪算法在目标发生遮挡和形态变化时跟踪性能下降的缺点,提出了一种基于块的Mean-shift跟踪算法,该算法主要特点有：(1)将跟踪目标平均分块,每小块独立进行传统Mean-shift跟踪,利用小块跟踪未被遮挡的目标部分;(2)跟踪检测器检测目标小块跟踪的有效性,筛选出无效跟踪的目标小块,解决了目标分块造成跟踪性能下降的问题;(3)归一化互相关检测器和邻域一致检测增加了对目标空间信息的检测,弥补了Mean-shift算法的局限性,增加了跟踪的鲁棒性。实验表明,该算法在目标发生遮挡和形态变化时仍然可以有效的实现跟踪。     

基于改进扫描线逼近的鱼眼图轮廓提取算法的研究

鱼眼镜头可以克服普通镜头视场小的缺点,但是鱼眼图像具有严重的桶形畸变,在利用鱼眼图像信息之前需要对鱼眼图像进行校正展开。鱼眼图像轮廓的提取是图像校正前至关重要的步骤,影响最终校正的效果。其中扫描线逼近算法计算量最小,速度最快,应用最广,但仍具有抗噪能力差的缺陷。针对此问题,本文提出了一种改进算法,首先引入扫描步长采用新的扫描方案提高算法的运行速度,然后采用新的阈值计算方法实现自动阈值的选取,最后利用局部二值化去噪思想抑制噪声,实验结果表明在不增加算法运行时间前提下改进算法能够有效改善鱼眼图像轮廓的提取效果,有很强的实用价值。     

基于压缩特征的鱼眼视频目标跟踪算法研究

该文针对畸变严重的鱼眼图像中的目标跟踪,提出一种能适应尺度变化、姿态变化以及形状畸变的鱼眼视频目标跟踪的方法。该方法首先将灰度特征和相对梯度特征相结合得到目标的高维特征,然后对其平均降维得到目标的压缩特征。并根据鱼眼成像模型得到投影点的运动特性,确定目标的运动范围。为了适应尺度变化,在块匹配运动估计思想的基础上,对目标跟踪框的顶点分别进行由粗到精的定位,并在此过程中根据跟踪框的尺度相应改变压缩特征的尺度。实验结果表明:该算法在目标畸变、尺度变化、姿态变化以及局部遮挡等情况下,判断指标均优于其他对比算法。