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.     

电视跟踪系统中图像目标的预测跟踪算法研究

基于目标图像信息,研究了在短暂遮挡情况下,应用最小二乘法的Ｎ点线性及平方预测跟踪算法,并分析了跟踪预测值在正常跟踪条件下的作用。将提出的方法用于实际系统,效果较好。     

光电系统捕获跟踪控制方法研究与仿真

研究光电系统电视捕获的准确跟踪问题.光电系统在跟踪阶段,一旦物体的运动速度较快,方向突变性较强,会造成光电系统中的控制出现超调和振荡,系统性能差.传统算法在对快速运动目标进行捕获时,由于系统的超调和振荡,导致目标在捕获阶段逸出跟踪视场,造成跟踪不准确.针对上述问题,提出了一种采用α-β-γ滤波器的捕获跟踪控制算法.根据目标的运动特性和运动状态建立捕获跟踪模型,通过α-β-γ滤波器预测目标下一时刻位置和速度,采用复合控制进行随动跟踪,降低系统的超调量和缩短过渡时间,从而实现对快速运动目标的捕获跟踪.实验结果表明,运用该控制算法可以有效地解决目标在电视捕获阶段逸出视场的问题,提高系统对快速运动目标的捕获跟踪能力和跟踪精度.     

面向视频监控的TLD改进目标跟踪算法研究

目前智能视频监控对视频目标跟踪算法的实时性、准确性和鲁棒性都提出了很高的要求,而已有算法无法完全满足应用需求。在TLD（Tracking Learning Detector）框架下,提出一种基于视觉背景提取（Visual Background extractor,ViBe）的前景分类算法,提高了TLD算法检测目标的速度;用核相关滤波器（Kernelized Correlation Filters,KCF）实现了TLD框架中的跟踪器,提高了算法的精度及鲁棒性。采用OTB-2013评估基准中针对视频监控的视频序列进行测试,并与其他4种具有代表性跟踪算法进行了对比。测试结果表明：该算法的鲁棒性和准确性均优于对比算法,处理速度可达到40帧/s;相比于标准TLD算法,跟踪距离精度提高了1.52倍,成功率提高了1.2倍;相比于KCF算法,虽然跟踪速度有所下降,但跟踪距离精度提高了2.7倍,成功率提高了2.04倍。     

交通监控系统中运动目标分类和跟踪研究

文章讲述了交通监控系统中应用视频图像流来跟踪运动目标并对目标进行分类的具体 过程和原则．基于目标检测提出了双差分的目标检测算法，目标分类应用到了连续时间限制 和最大可能性估计的原则，目标跟踪则结合检测到的运动目标图像和当前模板进行相关匹配 ．实验结果表明，该过程能够很好地探测和分类目标，去除背景信息的干扰，并能够在运动 目标部分被遮挡、外观改变和运动停止等情况下连续地跟踪目标．     

基于计算机视觉算法的视频智能监控与跟踪系统研究

本文基于计算机视觉算法设计了视频智能监控与跟踪系统.以OpenCV计算机视觉库、Visual Studio与MFC框架开发并实现了系统.首先设计系统整体框架,其次着重分析视频数据预处理,再次以高斯混合背景差分法提取目标,通过阈值二值处理与背景相分离,然后以Camshift与卡尔曼滤波跟踪目标并发出告警提示,最后系统实现结果表明,基于高斯混合背景差分法进行运动目标提取,并通过阈值二值处理,可准确可靠地与背景相分离,目标检测效果显著;可及时准确触发告警机制,发出告警提示信息.     

水下目标跟踪系统的QR估计算法

针对水下无源测距的具体应用，本文就匀速运动目标出了估计ＱＲ的一种新方法。该方法对于时变量测噪声非常有效，并且在目标有、无机动的情况下，均有良好的距离跟踪性能。     

多通道视频目标自动跟踪系统设计

目前,视频监控系统一般都会用到多个摄像机,即监控系统有多个通道的视频内容,这带来一个很现实的需求,就是在多通道视频中对感兴趣的目标进行自动跟踪。为此,基于最近兴起的tracking-learning-detection(TLD)视频目标跟踪算法设计了一个多通道视频目标跟踪系统。针对一个实际的监控场景,布置了设计的目标跟踪系统,并进行了验证实验。实验结果显示该系统能够对多个视频通道中的感兴趣目标进行准确有效跟踪,达到预期效果。     

复杂背景下视频运动目标跟踪算法研究

随着视频监控技术的进步,运动目标跟踪作为计算机视觉领域的难点问题,具有广阔的发展前景,其采用的算法种类繁多,效果也各有千秋。结合文献资料介绍了目前普遍适用的四种目标跟踪算法,对比分析了其优势和局限性,可以综合采用两种以上算法进行跟踪研究来提高目标跟踪识别的精度和效率。最后归纳总结了目标跟踪算法亟待解决的问题和研究趋势,对未来跟踪算法的发展进行展望。     

视频监控中多运动目标的检测与跟踪

在基于递归方法的二值图像连通区域像素标记算法基础上,融合图像预处理技术,并对预处理后的图像进行改进,同时根据运动目标的几何特征,在实时监控视频图像中更好地定位运动目标,从而实现多运动目标的检测与跟踪。实验结果表明该方法可靠高效,也可以满足实时视频监控系统的需要。     

具有跟踪功能的视频监控系统的实现

随着计算机、网络和存储容量的飞速发展,视频监控步入了全数字化的网络时代,称为第三代远程视频监控系统。本文最终实现了一个具有视频跟踪功能的视频监控系统。该系统可以实现对特定运动目标的动、静背景下的跟踪。     

海防视频监控系统中运动目标跟踪的设计与实现

针对海防视频监控系统中运动目标跟踪的问题,本文提出了利用上位机软件进行目标跟踪的设计与实现方案。文章首先介绍了海防视频监控系统的总体组成及工作流程;然后阐述了相关跟踪算法与金字塔分层搜索算法的实现,以及利用序贯相似检测算法与金字塔算法相结合的目标检测方法;最后描述了用目标偏移量对云台进行控制实现自动跟踪
踪的过程。通过在实际海防视频监控系统中的应用,对运动目标跟踪实现方案的有效性、实时性等特性进行了验证。     

视频单目标跟踪研究进展综述

视频目标跟踪是计算机视觉中的重要任务之一,在实际生活中有着广泛的应用,例如视频监控、视觉导航等.视频目标跟踪任务也面临着诸多挑战,如目标遮挡、目标形变等情形.为解决目标跟踪中的挑战,实现精确高效的目标跟踪,近年来出现大量的目标跟踪算法.本文介绍了近十年来视频目标跟踪领域两大主流算法框架(基于相关滤波和孪生网络的目标跟踪算法)的基本原理、改进策略和代表性工作,之后按照网络结构分类介绍了其他基于深度学习的目标跟踪算法,还从解决目标跟踪所面临挑战的角度介绍了应对各类问题的典型解决方案,并总结了视频目标跟踪的历史发展脉络和未来发展趋势.本文还详细介绍和比较了面向目标跟踪任务的数据集和挑战赛,并从数据集的数据统计和算法的评估结果出发,总结了各类视频目标跟踪算法的特点和优势.针对目标跟踪未来发展趋势,本文认为视频目标跟踪还面临诸多难题亟需解决,例如当前的算法往往无法在长时间、低功耗、抗干扰的环境下实地应用.未来,考虑多模态数据融合,如将深度图像、红外图像数据与传统彩色视频联合分析,将会为目标跟踪带来更多新的解决方案.目标跟踪任务也将会和其他任务,如视频目标检测、视频目标分割,相互促进共同发展.     

GPS软件接收机捕获跟踪算法研究与仿真

本文对GPSL1软件接收机的捕获跟踪算法进行了研究。GPS信号的捕获分别采用时域滑动相关捕获方法和频域快速捕获算法，通过分析比较认为频域快速捕获算法计算量大为减少；在GPS信号跟踪中，采用非相干延迟锁定环（DLL），锁相环（PLL）实现对GPS信号的跟踪。     

星载光电仪器捕获跟踪视频处理系统设计

介绍了基于卫星平台的捕获跟踪视频处理系统的原理及硬件设计，提出了一种基于自适应阀值的跟踪算法——波门跟踪法，实现了对复杂背景下变化运动目标的自动跟踪，达到了预期的要求。     

改进KCF与轨迹关联的监控视频目标跟踪

监控视频受到现实场景、周边环境与拍摄设备的限制,所记录的信息会受到一定的噪声影响.论文以核相关滤波提取方法为基础,结合了现有的深度学习技术及跟踪方法,针对目标检测与跟踪算法中的特征表达和ID转换等难点问题进行了研究.结果显示该方法在针对目标漂移形变时具有良好的鲁棒性,且能很好地改进跟踪过程中的ID转换问题.     

用于视频监控系统的人行为检测和运动跟踪算法研究

随着视频监控系统的普及,大量的视频数据需要进行实时的分析和处理才能发挥其最大价值。基于此,本文研究了视频监控系统中主要目标——人的行为检测和运动跟踪算法,说明了基本的检测系统框架和算法流程,并给出了实验结果,从中不但可以得到人的运动跟踪和定位,而且可以根据运动情况和姿势进行一些基本的行为事件检测。     

用于视频监控系统的人行为检测和运动跟踪算法研究

随着视频监控系统的普及,大量的视频数据需要进行实时的分析和处理才能发挥其最大价值。基于此,本文研究了视频监控系统中主要目标——人的行为检测和运动跟踪算法,说明了基本的检测系统框架和算法流程,并给出了实验结果,从中不但可以得到人的运动跟踪和定位,而且可以根据运动情况和姿势进行一些基本的行为事件检测。     

基于改进压缩跟踪算法的航拍视频目标跟踪系统

针对航拍视频的特性,对经典的压缩跟踪（Compression tracking,CT）算法进行了研究,发现了CT算法在样本采集和分类取样步骤中的不足并进行了相应的改进。采用Kalman滤波器预测目标的运动路径,并将预测结果应用于样本采集,自适应地修改搜索范围。更新了分类器的取样反馈过程,先对分类结果进行判断,评分绝对值低于某一阈值的分类结果不反馈给分类器,有效地保持了分类器的正确性。在改进算法的基础上,开发了基于航拍视频的目标跟踪系统。通过与经典压缩跟踪算法在实际航拍道路视频的测试和对比,验证了本文算法的有效性和实时性。     

基于Camshift改进算法的视频目标跟踪方法

针对Camshift算法在目标跟踪中容易出现错误识别的情况,对Camshift算法加入最优阈值处理;对目标容易跟丢的情况,运用Camshift算法和Kalman滤波结合的方法进行跟踪。基于OpenCV对比了双通道H,S分量加权情况下和单通道H分量情况下的反向投影图跟踪效果,验证了最优阈值下改进Camshift效果,实现了Camshift算法和Kalman滤波实时跟踪。实验结果证明:对Camshift加入优化阈值处理能明显地改进错误识别的情况,加入Kalman滤波器能有效避免目标丢失。