序列图像中的目标区域跟踪算法的设计

在测量高炮在基于雷达信号对飞行目标的自动跟踪精度时,采用的是在火炮身管上安装摄像机,然后对所摄取的图像进行处理并最终测算出跟踪精度.此种情况下,摄像机和目标均处于运动状态,对所获得的序列图像,分析了其特点,首先对图像进行滤波降噪,然后对图像进行了分割并使用数学形态学算法修正了分割结果的形态,基于图像中区域的特征,最后设计了一个自动跟踪图像序列中目标区域的算法,给出了判断是否发生误跟踪的标准,并对跟踪错误的情况进行了处理.根据对实际图像序列中目标区域的跟踪结果验证,本算法是可行的.     

基于2-D图像序列的飞行目标跟踪算法

给出了一种基于2-D图像序列的飞行目标跟踪算法,并对其实现技术进行了讨论。为了提高质心计算的精度和速度,对计算区域进行了合理的限定。最后给出了实验结果,从实验结果可以看出,该算法对目标的跟踪和预测效果良好。     

一种健壮的目标多自由度Mean Shift序列图像跟踪算法

鉴于现有的Mean Shift跟踪方法都是使用单一半径参数来描述目标大小变化,且每个目标仅有位置和尺寸两个自由度,因而不能适应复杂的目标运动情况.针对该问题,首先提出了一种新的Mean Shift跟踪方法,由于该方法是通过引入带宽矩阵来描述目标尺寸,因此能够在水平和垂直两个方向上独立描述目标的大小变化,并通过加入目标倾角,使得目标旋转运动得以很好描述;然后借鉴了三步搜索的思想,提出了一种快速搜索策略,以解决目标遮挡问题.实验表明,该算法能够准确跟踪序列图像中的任意复杂运动,尤其对目标的缩放、旋转运动以及遮挡有良好的适应性.     

基于实时图像序列的行人跟踪计数方法

动态图像多目标识别与计数,在交通监视、客流量统计等领域有着非常重要的实用价值和广阔的发展前景。利用图像处理和模式识别技术对运动多目标进行跟踪计数是一种先进的计数手段。该文提出了一种基于特征的多目标跟踪算法。根据目标在相邻帧间运动具有连续性,并且包围窗口、灰度变化不大的特点,本算法改进了一种代价函数。在跟踪的匹配过程中,启动了卡尔曼滤波,预测目标匹配搜索区域。同时,使用目标链记录了目标最新的运动状态和特征值,保证了运动跟踪的连续性和行人计数的有效性。     

使用Mean Shift进行自适应序列图像目标跟踪*

现有的Mean Shift跟踪方法使用单一半径参数描述目标大小变化,不能适应复杂的目标运动情况。使用带宽矩阵来描述目标尺寸,在两个方向上独立描述目标大小变化,提出并证明了一种新的跟踪方法。实验表明,在不增加任何计算量的情况下,该算法对目标运动的适应性更好。     

基于联合概率数据关联算法的红外弱小目标跟踪

针对在云天背景下运动的红外弱小目标,从数据关联的角度,利用联合概率数据关联算法实现多个红外弱小目标的跟踪.实验结果表明,在杂波环境下,联合概率数据关联算法可以稳健地跟踪多个红外弱小目标的目标状态,跟踪效果好.     

基于mean-shift算法的目标跟踪方法

针对雷达多目标跟踪提出一种基于mean-shift[算法的目标跟踪方法.首次将mean-shift的方法应用于目标的数据关联,找出源于目标的观测值后对其进行Kalman滤波,从而估计出目标运动的轨迹,实现目标跟踪.MST跳出传统思维框架,首次利用概率密度分布的不同来区分服从不同参数分布的数据,从整体上对观测数据进行整合再结合最邻近法完成数据关联,该方法具有计算速度快,跟踪效果好的特点.     

粒子滤波器在图像序列目标跟踪中的应用

粒子滤波器是一种根据带有噪声的观测数据序列估计未知运动状态的技术,它主要用于非线性、非高斯的信号处理系统,它由状态转换模型和观测模型两个部分构成,其基本思想是用一组带权的粒子来表示随机变量的后验概率分布。该文中以图像序列运动目标的位置为未知运动状态变量,相邻两帧图像经过全局运动补偿后的差图像为观测数据,针对室内环境单个步行者的情况,提出了一种简单有效的基于运动检测的状态转换模型和观测模型。实验结果表明,该模型具有良好的跟踪性能。     

视频图像序列中人体目标的提取与跟踪

针对人体目标运动的非刚体性而难以跟踪问题,提出了一种基于视频图像的人体跟踪方法。首先获取人体目标,选取目标若干子区域作为跟踪模板,用Kalman滤波和最小差值法作为相似性测度的相关跟踪对各子区域进行精确定位,最后将各个子区域跟踪结果进行位置融合得到最终的人体目标位置。实验表明,该方法对人体目标细节性形变和大的形变均能进行有效跟踪。     

基于集合卡尔曼滤波的线性目标跟踪算法

针对目标跟踪系统的非线性问题,将集合预报思想和卡尔曼滤波技术相结合,提出了基于集合卡尔曼滤波的非线性目标跟踪算法,讨论了初始集合的不同选择对跟踪性能带来的影响,实现了与其它常用非线性跟踪算法间的比较.利用到达角和多普勒频率测量数据实现非线性系统中目标跟踪,验证了算法的有效性和可行性.仿真结果表明集合卡尔曼滤波技术能够应用到非线性目标跟踪系统中,并且计算复杂度较低,具有很好的跟踪性能.     

协同运动状态估计的多目标跟踪算法

多目标跟踪在视频分析场景中有着广泛的应用,如人机交互、虚拟现实、自动驾驶、视频监控和机器人导航等。多目标跟踪问题可以表示为在已有的检测数据上进行目标轨迹关联,检测算法的准确性对跟踪性能起着关键性的作用。在基于检测的目标跟踪框架中,提出了一种协同运动状态估计的跟踪算法,该算法主要关注相邻帧之间的数据关联,从目标检测、目标运动状态估计和数据关联这3个方面来直接解决多目标跟踪面临的挑战。首先,对于目标检测,采用Multi Scale Convolutional Neural Network(MS-CNN)算法作为检测器,这是因为深度学习在检测的效益上优于传统的机器学习方法;其次,为了更好地预测目标的运动状态和处理目标间的遮挡,针对不同状态的目标采取不同的运动估计方法: 采用核相关滤波来评估处于跟踪状态的目标的运动状态,当目标处于遮挡状态时,采用卡尔曼滤波做运动估计;最后,采用Kuhn-Munkres算法对检测目标和跟踪轨迹做数据关联。通过大量的实验证实了算法的有效性,且实验结果表明算法的准确性很高。     

一种基于直方图模式的运动目标实时跟踪算法

动态图像的分析和理解是当前研究的热点之一,基于视觉的目标跟踪技术有着广泛的实用价值。目标跟踪的难点在于完成帧与帧之间的快速且稳定的目标匹配。该文给出了一种运动目标的跟踪算法,它与云台设备控制相结合,可使被跟踪目标始终位于图像的中心区域。直方图具有较好稳定性,可以不受目标的外形和比例变化的影响;而均值平移(MeanShift)算法可以得到局部最优解,并具有快速和有效的特点。因此,该文以直方图为模式特征,以均值平移算法为跟踪核心算法。对候选目标进行运动检验,过滤了伪目标,保证了跟踪的可靠性。在搜索过程中,通过Kalman滤波器的运动预测,减少模式匹配的搜索范围,提高了处理速度。最后,该文给出了实地测试结果,验证了跟踪算法的实用性和有效性。     

基于改进的均值漂移算法的非刚性目标跟踪

针对现有的均值漂移算法不能适应非刚性目标的复杂运动情况,本文首先利用基于边缘的背景减方法去除背景干扰;然后利用GVFSnake技术提取出目标轮廓,结合目标轮廓改进了传统的颜色直方图;最后基于该颜色直方图结合卡尔曼滤波器或粒子滤波器改进了传统的均值漂移算法。实验表明,该算法可以实现快速的非刚性目标跟踪,对目标的不
不规则运动和严重遮挡有很好的鲁棒性。     

基于图像序列的人体跟踪

由于人体的非刚体性和人体之间会经常发生遮挡,使得人体跟踪是一个很有挑战性的课题.针对这一特点,提出了用结合卡尔曼滤波和贝叶斯的方法来完成多个人体的跟踪,先建立简单的背景模型,然后用背景差分法得到前景区域,提取运动人体,并用EM(期望-最大化)算法建立相应的人体模型.在人体间没有发生遮挡时,用卡尔曼滤波方法来跟踪各个人体;人体间出现遮挡时,用贝叶斯方法来判别和跟踪相应人体.实验表明,该方法既能保证跟踪的快速性,又能很好地处理人体间相互遮挡的情况,该算法鲁棒性好,跟踪结果令人满意.     

基于投影特征的快速图像稳定算法

本文针对摄像机的栽体既有抖动又有正常扫描运动的图像稳定问题提出了一种快速算法。该算法首先把二雏图像数据投影为一维数据，并在投影数据上估计图像序列的偏移量；然后通过卡尔曼滤波从图像序列的偏移量序列中消除抖动带来的影响，从而保持正常的扫描运动；最后依据滤波后的偏移矢量对图像进行运动补偿。实验结果表明，该算法
法在保持与块匹配算法相当的稳像准确度的前提下，大大减少了计算量。     

基于可变模型的目标实时跟踪

为了在图像序列中实现目标的快速定位和实时跟踪,该文提出了一种基于可变模型的快速目标跟踪算法,在已知模型条件下,利用区域模型相关匹配的思想对目标模型进行实时更新,充分利用目标莲续运动过程中目标形状在两个连续帧中变化不大、相邻两帧中目标的速度和位移变化不大的特点,以当前帧目标模型作为下一帧的先验模型;综合运用模型梯度信息、运动信息和模型区域特征匹配的方法来跟踪目标。由于算法综合考虑了目标模型的区域信息和轮廓信息,因此对背景干扰不太敏感。在头部跟踪实验过程中,该文算法跟踪移动目标的实时性和准确性比较好,抗干扰能力较强,基本上可以满足鲁棒性和快速性的要求。     

一种红外多目标跟踪的快速算法

含有新目标跟踪起始的数据关联问题是多目标跟踪算法研究中的一个难点,同时红外目标又有其自身的独特之处。首先描述了红外搜索跟踪(IRST)系统进行多目标跟踪中的跟踪起始和跟踪终结问题;然后提出了采用可变跟踪门的方法,并将IRST系统接收到的目标红外辐射作为一个参考量。给出了多目标跟踪起始和数据关联的快速算法。最后给出了数值仿真试验结果,仿真表明了这种算法的快速性和有效性。     

一种抗遮挡的自适应尺度目标跟踪算法

在处理尺度变化和目标遮挡方面,利用相关滤波器的不同特征进行目标跟踪仍然存在问题。提出了一种基于随机蕨丛检测器的多尺度核相关滤波器算法。该算法将跟踪任务分解为目标尺度估计和位移估计,同时将CN颜色特征和HOG特征进行响应融合,进一步提高了整体跟踪性能。此外,文中训练了一个在线随机蕨分类器,在目标丢失后其能重新获取目标。与KCF,DSST,TLD,MIL,CT共5种算法相比,所提算法不仅能够准确地估计目标状态,而且可以有效处理目标的遮挡问题。     

一种基于切换模型的快速机动目标跟踪算法研究

根据二维空间内目标作匀速转向运动的特点,提出一种基于航向变化的目标加速度实时估计方法,并在此基础上采用采样卡尔曼滤波器对该机动目标进行跟踪．仿真结果表明,该方法不仅能够检测出目标机动开始时刻和终止时刻,而且还能近似估计出快速机动目标的加速度大小,与扩展卡尔曼滤波器相比,采样卡尔曼滤波器具有较好的跟踪精度．