无线传感器网络中基于机动模型的跟踪算法研究

以大型建筑火灾救援系统中人员跟踪方法为研究背景,针对受灾人员移动的随机性和不可预见性,提出了一种基于机动模型的粒子滤波算法;该算法采用无线传感器网络技术,解决了传统有线设备易损毁的问题,采用全新的动力学机动模型作为系统状态模型,以满足复杂移动轨迹的要求,并采用粒子滤波算法对移动人员进行跟踪,解决了非线性非高斯系统的状态估计问题;仿真实验结果表明,该算法跟踪效果良好,具有一定的实用性。     

基于FPGA的动态目标跟踪系统设计

为了解决基于PC机的视频动态目标跟踪实时性瓶颈问题,设计出一种基于FPGA的动态目标跟踪系统。设计遵循图像处理金字塔模型,针对低层和中层算法简单、数据量大且存在一定并行性等特点采用FPGA硬件实现,而高层较复杂算法使用Nios Ⅱ软核进行C语言编程。整个设计采用Verilog-HDL对算法完成建模与实现,并在QUARTUS Ⅱ上进行了综合、布线等工作,最后以Altera公司的DE2开发板为硬件平台实现了整个系统。     

PAT控制系统设计

在PAT控制系统中，采用了双轴控制系统完成扫描，捕获与跟踪，该方案扩大了PAT系统的视域，很好的解决了控制过程中的快速获与跟踪问题。     

基于计算机视觉的运动目标跟踪算法探究

在目标是捕获标记点的运动系统中,由于有些标记点有着相似的特征,容易在捕获的时候发生错误,增加了跟踪标记点的难度.为了解决上述问题,笔者提出了以双视觉为基础的跟踪算法,可以找出运动区域内不正确的标记点,从而完成对正确的标记点的跟踪,从而解决标记点相似而导致的跟踪丢失问题.最后得到关于标记点正确的三维运动数据.并经过试验的检验说明,双视觉跟踪算法能够准确的跟踪标记点.     

基于轨迹聚类的超市顾客运动跟踪

针对超市等复杂应用环境下的运动目标轨迹跟踪问题,将轨迹聚类运用于目标跟踪中,提出了一种超市顾客运动跟踪方法。该方法对Kanade-Lucas-Tomasi(KLT)算法提取并跟踪得到的特征点轨迹进行预处理,滤除背景和短时特征点以分离出运动目标所在区域的关键特征点;进而采用均值漂移(meanshift)算法进行轨迹聚类,解决了单帧静态特征点聚类时的目标遮挡问题;最后采用运动跟踪匹配算法对前后帧的特征点进行最优匹配,解决了目标出入视频区域以及具有复杂路线时的稳定跟踪问题,得到顾客的完整运动轨迹。实验结果表明,该方法能够在超市入口、生鲜区以及收银台等各种典型超市区域中完成顾客轨迹的运动跟踪,并对顾客部分遮挡、复杂运动轨迹以及异步运动等多种特殊情况具有较高的鲁棒性。     

结合Camshift和Kalman预测的运动目标跟踪

针对单一的CamShift跟踪算法在目标发生遮挡时非常容易致使跟踪目标失败的问题,本文提出了一种基于CamShift和Kalman预测的跟踪算法。首先,采用帧间差分阈值法来快速、精确地检测和提取出运动目标;然后,通过在CamShift算法中使用运动目标的颜色特征,在图像序列中找到运动目标的所在位置和大小;最后,使用Kalman滤波预测目标的位置,进而有效地解决了背景中大面积相同颜色的干扰和目标部分被遮挡等问题。用无线遥控车完成了运动目标的跟踪实验,实验证明结合CamShift算法和Kalman预测滤波能实时、准确地跟踪目标。     

一种引入通信的多移动机器人编队方法*

提出以视觉跟踪为基础并引入通信进行多机器人的编队控制方法,根据需要编写了一种新的通信协议,采用闭环l-Φ实现编队算法.这种多机器人编队控制避免了视觉系统的局限,能够更好地在复杂未知环境中协作完成任务,解决了编队控制的无反馈和实时性不高的问题,使得机器人能够准确迅速地进行跟踪和通信编队,一起顺利达到目标点.试验结果证明了该方法的有效性.     

基于模糊控制的电弧焊接焊缝跟踪技术研究

针对V型坡口焊缝,采用摆动扫描式电弧传感器,研制了基于模糊控制的焊缝跟踪系统.主要介绍了焊缝跟踪系统的组成,完成了模糊控制器算法的设计,离线完成模糊控制查询表.在焊接过程中,系统采用ARM微处理器实现焊缝跟踪的查表工作,从而实现焊接时焊缝的精确跟踪,使焊枪对中焊缝.该系统无需建立被控对象的精确数学模型,改善了伺服驱动系统的动静态特性,提高了焊缝跟踪的精度.     

基于无人机跟踪的目标反遮挡算法

随着计算机视觉和无人机的蓬勃发展,目标跟踪是当下研究热点之一;但对于该方向,目前存在大量问题,目标的遮挡就是其中之一;因此,为了解决该问题,在此提出了一种无人机抗遮挡目标跟踪算法;该算法基于均值漂移目标跟踪算法;采用动态参数选择策略和双预测机制相结合的方法来解决目标跟踪过程中的目标遮挡问题;为了避免目标丢失,算法中采用目标检测的方法;大量实验表明,在与现有的算法比较过程中,该算法展示出了对遮挡目标跟踪有较好的鲁棒性和实时性;与其他算法相比,其精度提高约了10%,平均目标符合率提高了约15%。     

不完全量测下的水下纯方位系统目标跟踪算法

针对观测器探测概率小于1的不完全量测情况下的水下纯方位系统的目标跟踪问题,提出了不完全量测下的基于扩展卡尔曼滤波的目标跟踪算法。首先,建立不完全量测情况下的水下纯方位目标跟踪数学模型;其次,在数据出现不完全量测时,采用前一次的更新值对缺失数据进行弥补并完成滤波;最后,采用最优理论性能下界(CRLB)和均方根误差(RMSE)这两种评价准则对此算法进行评估。仿真实验结果表明:在不完全量测下的水下纯方位系统的目标跟踪问题中,所提出的基于扩展卡尔曼滤波的目标跟踪算法在保证预期跟踪精度的前提下,具有较高的实时性。     

基于图像的目标自动跟踪系统

快速准确地跟踪目标是现代战争精确制导武器的基本要求,提高跟踪系统的实时性和准确性成为国内外目标跟踪技术的热点。建立了一套基于图像的目标自动跟踪系统,介绍了系统组成、设计原理以及算法原理。系统采用了一种非参数化跟踪算法——连续自适应平均值迁移（CAMSHIFT）算法来追踪目标,为精确制导武器的基于图像的目标自动跟踪技术奠定了重要的基础。试验证明该系统实现了目标自动跟踪功能,算法简洁,实时性和鲁棒性好。     

头部多角度人脸快速跟踪算法DSP实现

针对传统驾驶员疲劳检测人脸跟踪算法复杂,DSP实现时实时性不强,不能有效地实现多角度人脸跟踪的问题,提出了一种快速人脸跟踪算法.该算法通过对YCbCr肤色模型进行图像预处理、肤色检测,提取人脸区域,通过对亮度信号Y进行统计运算,判断人脸边界,再进行相似度判断,从而实现人脸区域的跟踪.实验结果表明,该方法简单、鲁棒性强,能够快速地实现彩色图像人脸多角度跟踪.     

一种嵌入式实时图像跟踪系统设计

该文提出了一套可用于快速视觉信息处理的实时目标跟踪嵌入式视觉系统。系统的硬件设计采用了基于DSP和现场可编程逻辑器件(FPGA)的双处理器结构和基于CMOS的图像采集。软件采用了适于流水线运算的块匹配算法,实现了对目标的快速定位和实时跟踪。     

基于Camshift算法的运动目标检测

CamShift算法是一种实时的跟踪算法,它是利用目标的颜色直方图模型得到每帧图像的颜色投影图,并根据上一帧跟踪的结果自适应调整搜索窗口的位置和大小,从而得到当前图像中目标的尺寸和中心位置。本系统主要是基于CamShift的算法设计一个对运动目标跟踪检测系统,本系统既可以对室内环境的运动目标进行跟踪,也可以对视频流中的运动目标进行跟踪。     

基于形态学滤波的相关跟踪算法研究

相关匹配算法是光电跟踪领域的经典算法之一。首先利用基于梯度调整的平均灰度法进行图像分割,得到二值化图像,其次对该图像利用数学形态学进行图像滤波,在此基础上设计出一种新的相关匹配算法进行电视红外图像跟踪,实验结果表明该方法具有很强的抗干扰性,可用于复杂背景下的目标跟踪,可用于实时图像处理中。     

基于超宽带技术的运动目标跟踪高精度定位系统设计

为克服运动目标不断变化导致跟踪定位精度较低的问题,设计基于超宽带技术的运动目标跟踪高精度定位系统;图像采集模块由FPGA单元、VGA显示单元、帧缓存单元以及图像采集单元构成,以此实现运动目标跟踪与定位中的图像采集,在超宽带技术模块中,设计超宽带运动目标定位所需的天线、定位基站、移动节点,完成超宽带动态组网,实现硬件系统的设计;基于硬件系统采集到的图像,实施图像灰度化处理、形态学滤波处理,以增强图像中有用的信息,设计TLD运动目标跟踪算法,随着运动目标开始运动,TLD模型会不断学习跟踪的运动目标,获取目标在距离、景深、角度等层面的改变,并不断学习、识别,达到良好的跟踪效果,基于超宽带技术设计运动目标动态定位算法,依据跟踪结果实现运动目标的高精度定位,完成软件系统的设计;实验测试结果表明,该系统在中、远距离目标跟踪与定位实验中跟踪错误率低于0.60%、2.4%,沿着S型运动时,路线弯折处的定位误差较低,与实验运动目标的飞行路线相贴合,具有良好的定位能力。     

Real-time 3D face tracking based on active appearance model constrained by depth data

Active Appearance Model (AAM) is an algorithm for fitting a generative model of object shape and appearance to an input image. AAM allows accurate, real-time tracking of human faces in 2D and can be extended to track faces in 3D by constraining its fitting with a linear 3D morphable model. Unfortunately, this AAM-based 3D tracking does not provide adequate accuracy and robustness, as we show in this paper. We introduce a new constraint into AAM fitting that uses depth data from a commodity RGBD camera (Kinect). This addition significantly reduces 3D tracking errors. We also describe how to initialize the 3D morphable face model used in our tracking algorithm by computing its face shape parameters of the user from a batch of tracked frames. The described face tracking algorithm is used in Microsoft's Kinect system.     

3D head tracking under partial occlusion

A new algorithm for 3D head tracking under partial occlusion from 2D monocular image sequences is proposed. The extended superquadric (ESQ) is used to generate a geometric 3D face model in order to reduce the shape ambiguity during tracking. Optical flow is then regularized by this model to estimate the 3D rigid motion. To deal with occlusion, a new motion segmentation algorithm using motion residual error analysis is developed. The occluded areas are successfully detected and discarded as noise. Furthermore, accumulation error is heavily reduced by a new post-regularization process based on edge flow. This makes the algorithm more stable over long image sequences. The algorithm is applied to both synthetic occlusion sequence and real image sequences. Comparisons with the ground truth indicate that our method is effective and is not sensitive to occlusion during head tracking.     

A robust template tracking algorithm with weighted active drift correction

In this paper, we propose a novel algorithm for object template tracking and its drift correction. It can prevent the tracking drift effectively, and save the time of an additional correction tracking. In our algorithm, the total energy function consists of two terms: the tracking term and the drift correction term. We minimize the total energy function synchronously for template tracking and weighted active drift correction. The minimization of the active drift correction term is achieved by the inverse compositional algorithm with a weighted L2 norm, which is incorporated into traditional affine image alignment (AIA) algorithm. Its weights can be adaptively updated for each template. For diminishing the accumulative error in tracking, we design a new template update strategy that chooses a new template with the lowest matching error. Finally, we will present various experimental results that validate our algorithm. These results also show that our algorithm achieves better performance than the inverse compositional algorithm for drift correction.     

基于无极卡尔曼滤波算法的雅可比矩阵估计

在基于图像的机器人视觉伺服中,采用在线估计图像雅可比的方法,不需事先知道系统的精确模型,可以避免复杂的系统标定过程。为了有效改善图像雅可比矩阵的在线估计精度,进而提高机器人的跟踪精度,针对机器人跟踪运动目标的应用背景,提出了利用无极卡尔曼滤波算法在线估计总雅可比矩阵。在二自由度的机器人视觉伺服仿真平台上,分别用卡尔曼滤波器（KF）、粒子滤波器（PF）和无极卡尔曼滤波器（UKF）三种算法进行总雅可比矩阵的在线估计。实验结果证明,使用UKF算法的跟踪精度优于其他两种算法,时间耗费仅次于KF算法。