基于特征融合的红外目标跟踪方法

为了能够对红外目标实现稳健跟踪,提出一种特征融合算法,将目标的LBP纹理特征和灰度特征空间融合,构造了由基于区域置信度及空间距离加权的LBP特征直方图,以及灰度加权直方图联合表示的目标模型。以均值偏移算法为跟踪框架,在当前帧中迭代搜索目标位置。实验证明该方法对于目标和背景灰度相似以及目标被部分遮挡时的跟踪是有效和稳健的。     

基于增量学习的红外目标粒子滤波跟踪方法

针对红外图像序列中目标与背景的对比度低、灰度特征易受噪声影响等特点,提出了一种基于增量学习目标表观模型和粒子滤波的红外目标跟踪方法。通过在线学习机制,利用增量奇异值分解算法对图像特征空间的基向量进行准确更新,从而建立红外目标的鲁棒表观模型。在此基础上,采用粒子滤波对目标状态进行有效预测,实现了红外目标的有效跟踪。实验结果表明,该方法能有效、准确地跟踪红外图像序列中的运动目标。     

一种基于特征融合的运动目标跟踪算法

联合目标的灰度特征空间和梯度特征空间,构造了由目标的灰度加权直方图和梯度加权直方图联合表示的目标模型,利用均值平移算法在当前帧中迭代搜索目标位置.实验表明,该方法对于目标和背景灰度相似以及目标被部分遮挡时的跟踪是有效和稳健的.     

基于稀疏表示模型的红外目标跟踪算法

针对红外图像序列中目标与背景的对比度低、灰度特征易受噪声影响等问题,提出了一种基于稀疏表示模型的红外目标跟踪算法。在粒子滤波的理论框架基础之上,采用目标在超完备字典中的稀疏表示作为观测模型,对红外目标进行描述,从而利用了图像的稀疏表示本身对噪声和遮挡不敏感的特性,可以有效地减弱背景杂波和噪声对跟踪算法的不利影响。此外,采用了一种在线学习的方法来完成对超完备字典中目标子空间的更新,使其不断地适应背景杂波、光照等各类因素引起的目标外观变化。实验结果表明所提出的算法是稳健和有效的。     

基于MSPF方法的红外弱小目标自适应跟踪算法分析

根据红外小目标的特点,建立灰度统计直方图分布模型,以重要概率密度为切入点,融合粒子滤波和均值位移方法算法(MSPF),实现对红外小目标的跟踪.实验证明,通过对均值位移算法和MSPF算法方法的比较发现,MSPF算法能够较好地处理图像序列中由于局部遮挡所带来的影响,准确地对红外小目标进行跟踪.     

一种新的红外目标跟踪方法

提出了一种基于灰度加权和Kalman滤波预测的红外目标跟踪方法。利用带有空间位置信息的目标区域直方图描述红外目标,克服了灰度直方图对图像描述缺少空间位置信息的缺陷,增加了描述的鲁棒性。同时,对跟踪目标的实时位置数据利用卡尔曼滤波校正和预测,增强了跟踪的实时性。实验结果表明,该方法是有效和稳健的。     

基于空间直方图的海杂波背景下红外目标跟踪

空间直方图融合了目标的灰度分布信息和灰度的空间分布信息,比传统的灰度直方图更具有目标鉴别能力。为实现海杂波背景下稳健跟踪红外目标,本文在基于粒子滤波算法的红外目标跟踪系统框架中,将加权样本集表示红外目标的状态后验概率分布;采用简单的随机漂移模型表示系统状态模型;利用目标区域的空间直方图描述红外目标,其中通过核概率密度估计建立红外目标的灰度分布,然后统计灰度分布的空间信息建立空间直方图;通过空间直方图的相似度定义来建立系统观测概率模型,最终提出一种在海杂波背景下的基于空间直方图的粒子滤波红外目标跟踪算法。实     

基于高阶统计判据的红外弱小运动目标检测

针对红外预警与跟踪系统中的实时弱小运动目标检测问题,在分析红外灰度图像的非平稳高斯特性的基础上,提出了一种基于高阶统计判据的检测算法。先用一个空域的白化去均值滤波器进行空间背景抑制,为下一步时域高阶统计判据建立一个不相关的高斯背景,根据三阶以上的高阶累积量对于高斯随机过程“盲”的原理,用高阶累积量作二元统计判据检测红外图像背景中的运动弱小目标。算法全面考虑了红外灰度图像和目标在时域与空域方面的特性,大大增强了目标信噪比。通过实际获取的大地背景目标红外数据检测表明,此算法能有效地从复杂背景中检测低信噪比运动小目标,虚警率少,抗噪声干扰能力强。算法易于硬件实现,能够有效地应用于红外搜索与跟踪系统的实时目标检测中。     

在线特征融合的均值移位红外目标跟踪

提出了一种改进的均值移位红外目标跟踪算法.首先,针对红外图像低信噪比的特点,采用局部灰度均值特征及局部标准差特征用于目标建模.其次,针对目标低对比度的特点,以目标与局部背景的特征似然比作为核直方图的权值,建立了新的特征表征模型,并将两种特征模型进行线性融合,得到最终的目标表征模型,其中的融合系数由特征似然图对比度自适应确定.最后,在均值移位框架下推导了该模型梯度匹配过程中移位向量的表达形式.同时,基于帧间综合对比度的变化建立了复杂背景条件下的模型更新判别准则.通过基于实测数据的红外目标跟踪实验验证了该算法的可行性.     

基于多特征建模的粒子滤波红外目标跟踪算法

提出一种基于多特征融合进行建模的粒子滤波红外目标跟踪算法.提取红外图像的灰度特征和边缘特征,将灰度直方图以及边缘直方图结合起来进行目标建模.选取的2个特征具有很强的互补性,有效地克服了使用单一特征建立目标跟踪模型时无法避免的一些缺点.分析和实验表明,该算法对于目标的各种复杂运动状态均能稳健、有效地跟踪,具有较好的实时性和准确性.     

基于Mean Shift算法的实时运动目标跟踪

Mean shift算法是一种非参数密度估计算法,可以实现实时的最优匹配,为了把Mean shift算法应用到视频图像的运动目标跟踪中去,采用了以颜色直方图建立目标模型的策略,提出了在视频图像中以Mean shift为核心的目标跟踪算法。实验结果表明,该算法具有很好的鲁棒性、准确度等优点,在运动目标部分遮挡的情况下仍能实现稳定、实时的跟踪。     

Mean-Shift Object Tracking with Discrete and Real AdaBoost Techniques

An online mean-shift object tracking algorithm, which consists of a learning stage and an estimation stage, is proposed in this work. The learning stage selects the features for tracking, and the estimation stage composes a likelihood image and applies the mean shift algorithm to it to track an object. The tracking performance depends on the quality of the likelihood image. We propose two schemes to generate and integrate likelihood images: one based on the discrete AdaBoost (DAB) and the other based on the real AdaBoost (RAB). The DAB scheme uses tuned feature values, whereas RAB estimates class probabilities, to select the features and generate the likelihood images. Experiment results show that the proposed algorithm provides more accurate and reliable tracking results than the conventional mean shift tracking algorithms.     

带宽自适应Mean Shift跟踪算法

提出了一种先进行空间定位再确定目标尺度的两级跟踪算法,有效地解决了mean shift算法对尺度变化的适应问题.该算法首先在当前帧对应位置进行降分辨率处理,并以基于增量试探的mean shift跟踪算法收敛点作为当前帧目标中心位置,进而利用对数极坐标变换的旋转、尺度不变性,对目标和候选目标分别进行对数极坐标映射,并通过求取最大归一化相关函数确定目标的尺度变化.跟踪实验表明,该算法可以有效的提高mean shift跟踪算法空间和尺度定位准确性.     

边界约束的核密度估计红外人体目标跟踪方法

基于核密度估计的均值漂移算法因其良好的实时性而被广泛地应用于目标跟踪,但传统的均值漂移算法极易因颜色等信息的缺乏而使跟踪不稳定,且目标尺度的变化也不利于目标位置的准确估计,为此,提出了一种具有边界约束的均值漂移红外人体目标跟踪新方法。该方法通过各向异性扩散,并联合红外图像的梯度与亮度信息来获取目标边界,自适应调整核窗宽,从而利用均值漂移策略进行红外人体目标跟踪。实验结果表明,该方法在红外人体目标尺度改变时仍能实现良好的跟踪。     

基于扩展空间直方图的红外目标跟踪方法

针对传统均值漂移算法中仅仅利用目标的颜色信息而导致目标模型分辨能力不高的问题,提出了一种基于扩展空间直方图的红外目标均值漂移跟踪方法.首先对空间直方图进行扩展,构建了一种结合目标颜色分布和空间约束关系的联合空间颜色模型,有效提高了目标模型的分辨能力.通过给定目标空间位置和颜色联合概率密度函数,定义目标区域与候选区域概率密度的相似性度量,进而实现了红外目标的准确定位.实验结果表明该算法简单有效,能准确跟踪前视红外目标.     

基于缺损目标的CamShift序列图像跟踪方法

在标准CamShift算法对缺损目标进行跟踪的过程中,由于算法不能根据目标的变化实时调整跟踪窗口形状,造成跟踪窗口内包含缺损区域的背景图像信息,降低了目标的匹配能力,导致CamShift算法不能适用于缺损目标的跟踪。针对此问题,文中提出一种新的缺损目标CamShift序列测量图像跟踪方法,将目标模型和候选模型之间的相似...     

基于方向直方图的Mean shift目标跟踪新算法

Mean shift算法是一种非参数密度估计算法,可以实现快速的最优匹配。为了有效地将Mean shift算法应用到灰度图像中,使用空间分布和纹理信息作为匹配信息,提出了一种基于空间方向直方图的Mean shift跟踪新算法。利用卡尔曼滤波器来获得每帧目标的起始位置,再利用Mean shift算法得到跟踪位置。实验结果证明,该算法在目标运动较快,目标尺度变化的情况下仍能稳定、实时、高效地跟踪目标。     

复杂监控环境下运动目标的检测和跟踪方法

具有实时检测、跟踪和分析判断的智能化监控系统是智能化监控系统发展的必然趋势,本文提出一种在实时监控下检测和跟踪运动目标的方法,首先使用背景差分法检测出运动目标,并定期使用背景更新策略对参考背景进行局部更新,这样可以提高目标检测的精确度。目标跟踪时在不同的尺度空间获得目标的关键点,增强算法目标在遮挡情况下的鲁棒性,接下来使用mean shift算法估计目标在下一帧的位置。采用IBM研究中心的测试视频序列对本文的方法进行了测试,实验结果表明,该方法是有效可行的。