基于错误跟踪的时域误码掩盖算法

提出了一种新的时域误码掩盖算法，能更准确地恢复误码块丢失的运动矢量。为降低扩散错误的影响，在解码端利用错误跟踪理论估计每个像素的均方误差（MSE），并将MSE引入边界匹配准则，从而在估计运动矢量时充分考虑了边界像素的连续性和内部像素的可靠性。仿真结果表明，该算法在各种宏块丢失率下均优于传统的时域误码掩盖算法，具有很强的鲁棒性。     

基于水印的视频误码掩盖方法

提出一种适用于无线信道的视频误码掩盖方法，利用数字水印来隐藏运动矢量信息，解码端比较提取到的运动矢量与视频解码得到的运动矢量来进行误码检测，进而利用提取得到的运动矢量对错误块进行时域误码掩盖，同时结合编码器设计了相应的水印嵌入算法．实验结果表明。在误码环境中，使用所提出的视频抗误码方法显著提高了误码定位的准确性；利用水印嵌入的运动矢量信息进行误码掩盖。在信道误码率小于10^-3时，较一般误码掩盖方法的恢复视频质量PSNR提高2～3dB．     

基于H.26L的视频抗误码方法研究

根据视频编码标准H．26L算法的新特点，基于用户自定义信息域，提出多种视频抗误码方法．在编码端根据视频信息的重要程度相应采用了自适应不等保护算法，当恢复视频仍有误码时，则在解码端使用时／空误码掩盖方法提高恢复视频质量．通过编解码端的信息交互，使用SP帧来防止误码扩散．在高误码率环境下，与只使用筒单误码掩盖和BCH(5ll，493)码保护相比，综合使用文中给出的视频抗误码方法。恢复图像的峰值信噪比可以提高7-18dB．该算法与H．26L标准兼容，具有实用价值．     

基于视频监控的运动目标跟踪算法

利用Kalman滤波思想对运动目标的前时刻状态信息进行预测,获取重心位置与形态紧密度估计值;将估计值与当前时刻观测值进行匹配,根据匹配误差修正运动目标的速度与紧密度变化值,通过递归算法实现常态下运动目标的准确、快速跟踪.针对复杂场景下由于运动遮挡造成无法准确估计目标运动轨迹,采用灰色模型GM(1,1)保证了跟踪过程的连续、稳定.最后,通过不同交通场景的视频序列对本文算法进行了验证,结果表明本文方法具有较好的适应性、鲁棒性,可实现复杂遮挡情况下连续、稳定、实时的目标运动跟踪.     

基于交互式多模型算法的无人车车辆跟踪预测技术

针对无人车车辆路口通行中动态目标的跟踪预测,分析比较基于SICK与Velodyne两种激光雷达数据的车辆提取方法,参照Velodyne的提取方法,提出合适的激光雷达布局对路口环境中的动态障碍物(主要是车辆、行人)信息进行了提取.选取交互式多模型(IMM)算法对动态目标运动趋势进行预测,并对IMM算法进行优化,提出将局部路径规划的三次曲率多项式算法抽象为路径规划模型,作为IMM算法的滤波模型以替代常规的车辆运动模型作为滤波模型.验证实验结果表明基于路径规划模型的IMM算法在无人车车辆运动趋势的预测上具有更好的超前性与更高的预测精度.     

一种有效的交互式多模型自适应跟踪算法

从减少系统模型噪声和量测噪声入手,引入自适应机动模型和新息滤波器对IMMA 进行改进,提出新息滤波交互式多模型自适应算法(IF-IMMAA),理论分析和仿真表明新算法的有效性.     

MPEG视频中对运动物体的跟踪

提出直接从MPEC数据流中寻找和跟踪运动物体的新算法．寻找是基于运动矢量的区域增长法，运动矢量的获得通过一个专门的滤波器，该滤波器主要应用于运动物体的边界宏块，运动轨迹由DCT的DC和部分AC系数进行校正，该方法运算量小，能实时处理，实验结果较好．     

多视频运动对象实时分割及跟踪技术

利用帧间差异积累信息进行自适应背景建模, 采用背景差的方法检测视频运动对象区域. 设计了一种变系数的空域滤波器, 有效地对背景差图像进行了增强, 使获得的视频运动对象区域更具有空域连通特性. 给出了一种改进的基于Otsu法的自适应阈值化方法, 能更准确地对背景差图像进行阈值化. 采用形态学边界提取技术对视频运动对象轮廓进行提取. 在获得视频运动对象轮廓的基础上, 用区域生长法对视频运动对象进行定位, 将矩形中心坐标视为视频运动对象的质心坐标. 用基于空间欧氏距离最短的方法对每个视频运动对象质心进行关联跟踪并绘制轨迹. 试验结果表明, 该方法实时有效.     

基于卡尔曼预测的视频目标实时跟踪

在视频目标跟踪中,搜索区间大小直接影响着跟踪的速度和效率.现采用图象坐标系下的卡尔曼滤波预测来指导跟踪,设计了卡尔曼滤波器,对被跟踪目标的运动参数(位置,速度,加速度)进行滤波预测.缩小了搜索区间(减至为匹配模型的大小),提高了系统的实时性和跟踪精度.实验结果表明:在对大运动和大运动大机动两种视频目标的跟踪中,耗时仅为全局搜索的1/4,精度可达3像素以内.     

基于动态图像序列的运动目标跟踪

介绍了运动目标跟踪中基于特征、3－D、变形模型和区域的4种跟踪方法，着重分析了变形模型中Snake的跳跃模型跟踪方法和基于区域的几个有代表性的跟踪方法。说明了其在智能交通监控中的应用，并给出了区域跟踪的实验结果。     

一种基于视频序列特性的快速运动估计算法

针对视频压缩中的关键技术运动估计算法,提出了一种新的快速运动估计算法.该算法首先利用视频序列宏块间的相关性预测搜索起点,同时根据运动矢量中心偏置特性和SAD分布的方向性设计搜索模板,避免和减少不必要的搜索,提高了运动估计的速度和精度,在保证视频图像质量的情况下,有效的降低了计算复杂度.     

一种基于视频序列特性的快速运动估计算法

针对视频压缩中的关键技术运动估计算法，提出了一种新的快速运动估计算法。该算法首先利用视频序列宏块间的相关性预测搜索起点，同时根据运动矢量中心偏置特性和SAD分布的方向性设计搜索模板，避免和减少不必要的搜索，提高了运动估计的速度和精度，在保证视频图像质量的情况下，有效的降低了计算复杂度。     

基于视频跟踪的图像滤波算法分析

为寻求解决视频跟踪系统中复杂背景干扰问题的方法,综述了图像滤波算法中的一些基本算法,分析了图像滤波中的一些经典算法,并讨论了混合滤波方法,指出混合图像滤波方法是目前算法发展的趋势.     

基于运动特性的帧间预测模式快速选择算法

高效视频编码（High Efficiency Video Coding,HEVC）大部分编码时间消耗在帧间预测,为了缩短编码时间,本文提出了一种基于CU （Coding Unit）块运动特性的帧间模式快速选择算法。首先,运用本文定义的运动特征对帧间预测模式分类;然后让CU进行尺寸N×N的帧间预测,获取子PU （Prediction Unit）块运动矢量,根据4个运动矢量的关系确定当前CU块的运动特性;最后通过运动特性确定要遍历的帧间预测模式,从而实现快速编码算法。实验结果表明,与HM16.15相比,本文提出的算法在低时延和随机接入配置下分别降低了31.6%和27.4%的编码时间,而编码器的编码性能基本不受影响。     

基于多模式多特征融合粒子滤波视频目标跟踪

本文研究了目标的多特征融合跟踪问题.提出了衡量各特征质量的标量方法,利用粒子权值平方和来表示各特征信息的粒子退化程度,并以此值作为各特征信息质量状况的衡量.该方法能根据跟踪的实际情况判定各分信息粒子质量,并在此基础上提出了多模式融合策略,该策略能依据各分信息的质量变换各融合模式达到跟踪过程中各模式的最优组合.实验结果表明:在对复杂背景视频目标的跟踪中,该算法具有强的鲁棒性,较高的识别精度.     

基于Meanshift与Kalman的视频目标跟踪算法

针对传统的Meanshift方法在复杂条件下目标跟踪丢失问题,提出了一种将Meanshift与Kalman滤波器融合的视频运动目标跟踪算法。该算法可对跟踪加入运动目标预测,根据Meanshift跟踪结果判断是否开启Kalman滤波器的预测及滤波,能提高跟踪的鲁棒性。实验结果表明,该算法可以有效改善在复杂条件下的跟踪效果,具有较好的鲁棒性。     

一种基于分类的运动估计快速搜索算法

提出一种基于块分类的快速搜索改进算法,按图像块的运动量来把图像块分成变化剧烈块、变化中等块和变化缓慢块,对于不同的块采用不同的搜索方法．对于变化激烈块,采用双十字与大小钻石融合算法;对于变化中等块,采用大小钻石法;对于变化缓慢块,采用正方形搜索法．通过实验验证,这种方法能有效减少搜索时间．     

基于运动估计的置信度传播立体视频匹配算法

基于置信度传播（BP：Belief Propagation）的立体匹配算法与局部算法相比,视差准确度高,但需要耗费大量的计算时间。为此,提出一个基于运动估计的置信度传播立体视频匹配算法。该算法首先通过传统的BP算法获得I帧的匹配视差图,并保存每个像素获得最佳视差值的传递信息;然后,通过参考I帧的运动估计信息,得到重新排列的I帧视差值的传递信息,将其作为P帧置信度传播算法的初值进行迭代运算,从而大大减少了P帧置信度传播算法的迭代次数。实验结果表明,该算法能大大提高置信度传播立体视频的匹配效率。     

基于遗传算法的欠驱动机器人避障规划与轨迹跟踪

对平面欠驱动机器人的避障运动规划与轨迹跟踪问题进行了研究,提出部分稳定规划器切换的新方法,通过部分规划器的切换实现欠驱动机器人系统的运动规划任务.在制定切换规则方面利用遗传算法进行自寻优,得到最优切换规则,对含有约束的非线性规划问题,采用罚函数法在适应度函数中添加惩罚项,转化为无约束优化问题.以平面3R欠驱动机器人为例进行了数值仿真,验证了方法的有效性.