实时跟踪系统中运动人体图像分割

在视频序列的人体运动分析中,实时分割出运动的人体,是研究的起始关键步骤。该文在简单的运用差图像算法进行人体运动检测的基础上,结合直方图自动阈值分割和数学形态学的算法来完成运动人体的精确分割。实验结果表明上述算法对噪声抑制和人体图像断裂处填充都是有效的,能够实时分割完成运动人体的视频图像。     

光电跟踪中实时视频对象分割算法

光电跟踪系统研究中难点的问题是实时跟踪目标.针对光电跟踪系统所跟踪的空中目标在视频序列中的特性,将整个跟踪过程划分为远距离段、航前(后)段、航捷段.然后对远距离航段,采取一种弱小目标的动态规划检测算法,及时发现并跟踪目标;在航前(后)段,采取一种基于自适应双波门的视频对象分割算法分割出运动目标,计算出目标形心与跟踪物镜的角偏差,以偏差作为光电跟踪伺服系统的输入信号,驱动跟踪器跟踪目标;在航捷段,将每帧视频变换为一组分辨率从高到低类似金字塔式的分层框架,对目标采取从粗到细的方式进行分割,以实现视频对象占据大部分视窗时的目标快速、准确分割.通过实例验证了所提出的算法的有效性.     

一种人头部实时跟踪方法

为了能够在视频监控、人机交互、视频会议等领域对人头部运动实施实时跟踪 ,给出了一种使用黑白摄像机对人平移或转身时的头部运动进行实时跟踪的方法 .该方法主要由基于块特征的跟踪和基于头部几何特征的校正两个步骤组成 .块特征跟踪算法仅利用图象低层信息而不依赖于目标的具体模型 ,可实现对头部自由运动的跟踪 .为解决块特征跟踪误差累积等原因造成的目标丢失问题 ,又采用了头部轮廓几何特征检验方法 ,根据跟踪窗口中头部轮廓位置的偏移来对块特征跟踪结果进行校正 .另外 ,为提高转身运动时相邻两帧图象的特征跟踪正确率 ,还引入圆柱模型来拟合头部 ,并在展开柱面内进行块特征选取和跟踪 .本文方法在 P 35 0微机上进行了实验 ,实验结果表明 ,系统能对长时间图象序列中人平移或转身时头部运动实施准确跟踪 .当跟踪窗口大小为12 0× 180 pixels,块特征数目为 80个时 ,系统的处理速度达到 30帧 /s     

基于DSP的运动目标跟踪系统

描述了一种以TMS320C6701数字信号处理器为核心的高速图像处理板和图像实时采集卡及摄像头构成的实时运动跟踪系统。在对采集的实时图像序列进行如十预处理后．采用了金字塔结构的图像存储方式和特征点跟踪算法埘运动目标进行跟踪．通过对特征点的运算得到目标运动的偏差怍为摄像头运动的参数,是后根据这些参数控制摄像云台持续跟踪运动目标的移动,最后还给出了在复杂背景下跟踪人体的实验结果。     

基于视频六维分布模型的运动对象分割

视频运动对象检测是智能安全监控的基本问题。考虑视频的时间空间分布规律，该文构造了视频六维分布模型以进行运动对象分割。在时间维上利用在线高斯混合模型对背景进行更新，并且计算像素颜色差异。在空间维上利用纹理特征描述像素点之间结构关系，提高了对光线变化和阴影等环境变化的抗干扰能力。实验结果表明该算法是实用有效的。     

一种基于Kalman滤波的视频对象跟踪方法

为了更加准确地预测对象的位置和运动，利用刚体运动模型导出最佳Kalman系数，通过Kalman反馈滤波器对Moscheni等人提出的视频对象分割与跟踪算法进行改进，提出了一种将离散Kalman滤波技术用于视频序列的对象跟踪方法。这种方法可用于有关场景描述的各种应用领域中，如在机器视觉的研究中，对动态场景进行分析与理解；在基于对象的视频编码中（如MPEG-4），对视频对象进行分割后，分别进行编码，从而改善编码的可分级性及编码效率。实验结果表明，采用这种方法可以有效地改善时间-空间分割和目标跟踪，有助于更好地理解动态场景，并表现出良好的鲁棒性。     

基于CNN和MRF的运动目标分割

针对动态图像序列中背景成像过程因各种因素而变化存在复杂性,提出了一种基于细胞神经网络(CNN)和马尔可夫随机场(MRF)的目标分割方法.首先根据细胞神经网络与马尔可夫随机场能量函数的相似性,将马尔可夫随机场的最大后验概率模型映射到细胞神经网络近邻系统模型中.然后建立图像每一像素点的邻域系统模型,并且构造相应的能量函数.为使能量函数达到快速收敛,再利用模拟退火算法实现能量函数的最小值,以达到对运动目标的提取.由于CNN是由局部互连的细胞组成,因此易于用VLSI实现.实验的结果表明,该方法能够有效地抑制图像的噪声,对于运动目标的提取有较好的分割效果.     

一种改进的卡尔曼目标实时检测与跟踪算法

对象跟踪已在视频监视、流量管理、视频索引、机器学习、人工智能等领域广泛使用,为快速、实时和准确对视频运动目标进行检测与跟踪,本文提出了卡尔曼滤波算法与粒子滤波器相结合的优化算法.该算法是在卡尔曼滤波算法框架下结合粒子滤波器,嵌入具有更高精度的运动目标跟踪方法用于估计和预测运动物体的位置,提升运动目标的检测与跟踪精度,并...     

基于分割的复杂运动跟踪的研究

对于不同的运动物体,不规则的运动轨迹,可能出现的目标形状改变以及遮挡等复杂问题,引入位置、速度、加速度和颜色等特征向量,建立起跟踪所需的特征模型;对于不规则运动,将其运动轨迹划分为多段简单且规则的分段运动,然后利用Kalman滤波对运动目标参数进行定义;而对于遮挡,利用反馈Kalman滤波器预测下一状态,以实现目标的跟踪.实验结果表明,采用这种灵活的分割研究方法,可以对不同运动目标及其不规则运动行为进行良好的跟踪,算法具有较强的鲁棒性.     

基于簇相似度的实时多尺度目标跟踪算法*

针对目标跟踪中跟踪实时性和适应目标尺度变化的问题,提出在粒子滤波框架内基于簇相似度测量的实时目标跟踪算法,算法的外观模型使用改进的均值类哈尔特征表示.首先,根据采样半径采集目标簇和背景簇.然后,定义粒子与簇之间的相似度.当新帧到来时计算每个粒子与目标簇和背景簇的相似度,并将相似度最高的粒子作为目标在该帧的位置.在每帧跟踪结束时,更新目标簇和背景簇的统计特征,并对粒子进行重采样防止退化.与当前通用的跟踪算法对比体现文中算法的优越性.     

基于遗传算法的运动物体实时识别

文章提出了一种应用遗传算法对一个已知几何模型的运动目标物体的位置与方向进行识别的方法,这种对运动目标的识别可以用于机器人手臂实时视觉伺服控制中。文章以一个三角形的物体为目标,对所提出的方法进行了仿真试验,结果证实了这种识别方法的有效性。     

一种基于目标分割的实时跟踪方法

为减少颜色相似背景在目标跟踪过程中对跟踪结果的影响,提出一种基于目标分割的实时跟踪方法。利用背景差分的方法进行目标分割,使用目标位置、大小及颜色的特征完成目标状态的更新,对连续帧之间的目标实施匹配跟踪,当2个目标重合分离时采用目标大小、颜色特征实现匹配。实验结果表明,该方法匹配跟踪速度较快、跟踪效果较好。     

PWP3D: Real-Time Segmentation and Tracking of 3D Objects

We formulate a probabilistic framework for simultaneous region-based 2D segmentation and 2D to 3D pose tracking, using a known 3D model. Given such a model, we aim to maximise the discrimination between statistical foreground and background appearance models, via direct optimisation of the 3D pose parameters. The foreground region is delineated by the zero-level-set of a signed distance embedding function, and we define an energy over this region and its immediate background surroundings based on pixel-wise posterior membership probabilities (as opposed to likelihoods). We derive the differentials of this energy with respect to the pose parameters of the 3D object, meaning we can conduct a search for the correct pose using standard gradient-based non-linear minimisation techniques. We propose novel enhancements at the pixel level based on temporal consistency and improved online appearance model adaptation. Furthermore, straightforward extensions of our method lead to multi-camera and multi-object tracking as part of the same framework. The parallel nature of much of the processing in our algorithm means it is amenable to GPU acceleration, and we give details of our real-time implementation, which we use to generate experimental results on both real and artificial video sequences, with a number of 3D models. These experiments demonstrate the benefit of using pixel-wise posteriors rather than likelihoods, and showcase the qualities, such as robustness to occlusions and motion blur (and also some failure modes), of our tracker.     

基于运动信息和再匹配的多目标追踪

随着目标检测模型的日趋成熟,基于检测的追踪成为多目标追踪研究的主要方向.借助几乎完美的目标检测结果,在数据关联时可以采用只使用IoU信息的方法.但是在实际使用中,少量丢失的检测会造成大量的身份互换和轨迹断裂,进而严重影响追踪效果.针对这一问题,该算法引入图像信息,使用IoU模型进行初步追踪,结合行人特征向量对初步追踪的...     

基于静止分割和运动矢量的对象跟踪

运动对象的分割和跟踪是视频图象处理的一个很重要和困难的部分。提出一种非常有效的对象跟踪算法,能够检测到当前帧给定区域的对象并跟踪,不需要事先了解此对象的空间－时域的信息,也不需要进行镜头运动补偿。静止分割分用Watershed算法,而运动矢量用块匹配法。尽管所要跟踪对象会经历某些形变,依旧能获得较好的结果。     

动态场景下的运动目标跟踪方法研究

复杂背景下实时目标的跟踪与识别属于自动目标识别（ATR）研究领域,包括对目标的分割、特征提取和目标识别等几个方面。由于现在的目标跟踪方法都是面向特定应用环境的,所以不存在一个算法能通用所有的场景。探索并明确算法的特点和应用环境,对于在实际应用中选择合适的方法是十分必要的。目前的大部分文章都是根据具体适应场景分析各自的方法,缺乏对跟踪方法的系统性研究,该文简要介绍了动态场景下单个运动目标的几种典型跟踪方法,在算法内容、假设条件、先验知识、理论计算量、实现难点及改进措施等方面进行了分析,并对研究难点及未来的发展趋势作了较为详细的阐述。     

室内人体运动目标的自动跟踪方法

元数据在银行数据仓库中具有重要意义.讨论元数据的分类和作用,分析元数据的管理功能,给出一种基于银行数据仓库的元数据管理系统,对其结构进行分析和说明.实践结果表明,该系统可以加强对数据的分析和管理能力,提高银行数据仓库等决策系统的灵活性和可扩展性.     

基于分块运动估计的对象跟踪方法

针对摄像机运动和场景光照突变的情况,提出了一种基于分块运动估计的对象跟踪算法。首先,对图像进行分块角点匹配,得到各块运动参数,然后对各块进行分块运动补偿和光照补偿;对补偿后的图像进行相邻帧差分得到目标的近似质心位置;跟踪过程则融合运动目标加权颜色直方图和梯度直方图作为目标特征,以所得质心为初始搜索点,采用螺旋搜索算法,进行目标模板和候选目标相似性检测,搜索最佳匹配点得到目标对象在当前帧的准确位置。实验结果表明,该算法能够有效克服光照剧烈变化,在动态背景下能达到对对象的准确跟踪。     

室内人体运动目标的自动跟踪方法

针对人体运动目标的自动实时跟踪,设计一种新的基于P89v51内核的运动摄像头云台控制系统.对人体运动的图像检测与跟踪,提出一种快速的模板匹配方法.用改进Surendra算法自适应地获取背景图像以提取匹配模板,通过摄像头运动前后帧相同的运动区域来缩小匹配区域,进行快速目标匹配,达到实时性要求.该系统已应用在视频教学及会议中,实现自动人体运动目标跟踪与摄像.     

基于先验信息的运动物体分割与跟踪

提出一种基于先验信息的运动物体分割与跟踪算法。该算法假设帧间运动物体颜色直方图和大小等信息是相对不变的,利用动态规划思想最小化当前帧目标物体颜色直方图和大小与已知目标物体颜色直方图和大小信息的差距,从而找到较准确的目标物体轮廓。与梯度向量流算法相比,该算法对初始轮廓的鲁棒性较好,能在复杂的背景中找到物体轮廓。