基于OpenCV的运动目标定位跟踪系统软件设计

目标定位跟踪技术一直是计算机视觉领域的一个研究热点。为了更好地改进目标跟踪算法的跟踪特性,设计一种基于OpenCV的目标定位跟踪软件系统。通过对Camshifl跟踪算法的研究和改进,以实际的跟踪环境为背景,利用VS2008软件平台和OpenCV库函数,设计一种可以控制云台并实时定位跟踪运动目标的软件系统。实验证明,本系统定位跟踪精确,为运动目标的定位跟踪的研究和应用提供了方便,具有一定的实际意义。     

基于质心法的车联网目标跟踪方法与应用

车辆目标跟踪是实现车联网不可或缺的一环,旨在获取车辆的动态信息,以提高交通运行效率.其核心是对大量监控探头采集的视频图像进行分析处理,实现车辆的实时检测与跟踪.为了进一步提高目标检测效率,降低硬件成本,文中提出了基于二帧差分法的前景检测方法,以及基于质心法的车辆轮廓检测与跟踪方法.基于OpenCV3.4.1和VS2017进行验证实验和仿真测试,结果表明,该算法对车辆跟踪的精确率达到89.1％,平均处理耗时42.63 ms,具有较好的实时性和鲁棒性,可在车联网嵌入式设备上进行部署和应用.     

基于OpenCV的运动目标检测与跟踪

基于OpenCV开源平台开发了一种多运动目标检测和跟踪的自动化智能方案.针对多个运动目标在复杂场景中的情况,无法根据背景差和帧间差的方法来确定目标是否首次出现,根据新目标期望出现的位置范围和轮廓面积大小采用筛选法来判断目标的性质.利用CAMShift跟踪算法提取每个目标的颜色特征信息,实现对多个运动目标的跟踪,最后将运动目标的轮廓和运动轨迹描述出来.实验结果表明,在目标颜色特征明显的情况下文中方法具有很好的鲁棒性和精确性.     

基于压缩感知理论的实时目标跟踪算法研究及系统实现

目标跟踪是计算机视觉的一个具有挑战性的方向,其基本思想是序列图像中根据目标在视频信息的空间和时间上相关性,从而确定感兴趣的目标在每一帧的位置和姿态以及目标的运动轨迹。目标跟踪的困难主要由于目标的形状及尺度的变化、目标不可预知性的运动以及目标所处的背景存在干扰观测的物体等引起。本课题使用一种基于压缩感知理论的高效的跟踪算法,确定跟踪的目标,在目标周围采集正样本,远离目标采集负样本,利用符合RIP原则的随机测量矩阵对提取的样本特征进行降维,并采用朴素贝叶斯分类器分类,同时更新分类器。在研究算法的基础上,利用Open CV图像视觉库及Qt开发框架进行系统的实现,完成具有多功能辅助的目标跟踪系统,其功能包括目标跟踪、人脸检测、开启摄像、视频播放等。     

强跟踪卡尔曼滤波在视频目标跟踪中的应用

针对经典卡尔曼滤波器在滤波数学模型与实际过程的数学规律不匹配、滤波特性较差的情况,提出利用强跟踪卡尔曼滤波器对视频序列图像中的运动目标进行跟踪。该方法是在经典卡尔曼滤波递推公式中的一步验前误差方差阵中引入可在线计算的时变渐消矩阵,从而调节增益K,使之能够不断变化,保证对新息序列的自适应调节,使状态滤波更准确。实验结果表明,较之经典卡尔曼滤波,该方法具有对运动目标更强的跟踪能力,跟踪精度更高,均方误差更小。     

改进粒子滤波算法在目标跟踪中的应用实现

针对移动目标跟踪的非线性、非高斯的特点,本文系统介绍了基于ARMll的嵌入式设备进行移动目标跟踪的应用实现.核心应用算法使用改进的粒子滤波算法,其中粒子滤波算法的改进采用对粒子加权以及重新采样,以克服样本贫化现象和区分粒子的重要性程度.然后闸述了将粒子滤波算法移植到嵌入式设备以实现移动目标跟踪的应用需要.     

基于OpenCV运动目标的检测研究

在Visual C＋＋6.0环境下,介绍一种结合背景差分法和瞬时差分法,能在视频序列中识别运动目标算法,结合OpenCV给出了具体过程和部分代码。该算法利用瞬时差分法得到当前帧中运动目标的轮廓信息,在更新背景模型时不更新运动目标轮廓内区域,避免了由运动目标引起的背景模型更新误差,当发现移动物便自动发出警告声。     

基于Mean Shift视频运动目标跟踪

视频监控是安全防范系统的重要组成部分,而视频运动目标检测和跟踪技术则是智能视频监控的关键技术。Mean Shift算法是一种在一组数据的密度分布中寻找局部极值的稳定的方法,并因其它计算量小,简单易实现而广泛应用于实时跟踪场合。在离散的数据集上,Mean Shift能很快的找到数据分布最密集的点,本文介绍了使用OpenCV实现Mean Shift的方法,分析其在跟踪方向的优势与不足。     

基于Mean Shift视频运动目标跟踪

视频监控是安全防范系统的重要组成部分,而视频运动目标检测和跟踪技术则是智能视频监控的关键技术。Mean Shift算法是一种在一组数据的密度分布中寻找局部极值的稳定的方法,并因其它计算量小,简单易实现而广泛应用于实时跟踪场合。在离散的数据集上,Mean Shift能很快的找到数据分布最密集的点,本文介绍了使用OpenCV实现Mean Shift的方法,分析其在跟踪方向的优势与不足。     

基于OpenCV的视频运动目标检测与跟踪

针对视频文件中运动目标检测与跟踪这一问题,提出一种先检测后跟踪的方法.首先利用平均背景法完成对背景模型的更新,从而检测出运动目标,在此基础上利用投影法来投影出运动目标的大小,最后再利用MeanShift算法对运动目标进行跟踪.在跟踪过程中,通过OpenCV编写程序实现对运动目标的检测与跟踪.实验验证,该方法在实现运动目标的精确检测与跟踪的基础上,减少了运算量,提高了跟踪的速度.     

移动目标追踪系统的设计及实现

移动目标追踪系统是实现一款智能小车对运动的物体进行识别、循迹、追踪等。采用智能路径规划方法,借助STM32主控制芯片,以其丰富的硬件资源为基础,连接可编程的OPENMV摄像头模块、电机驱动模块、电机和编码器,使用C语言进行控制编程,设计了一款移动目标追踪系统;摄像头对物体采集图像,计算出物体的坐标和物体与小车的距离,传给主控制器;主控制器将小车的坐标与小车到物体的距离作为PID算法的输入,通过优化后的PID算法调节PWM去控制电机运行,完成对物体的循迹、追踪。实验结果表明,在优化后的PID算法的控制下,无论物体是运动还是静止,小车都能够比传统的PID算法控制更加快速、稳定的追踪到物体,直到小车追踪到物体并且稳定的保持相对静止状态。     

基于OpenCV和USB的实时人脸跟踪系统

人脸跟踪系统的构建已成为现代计算机视觉研究的热点。提出一种基于OpenCV和USB的实时人脸跟踪系统。利用基于HAAR特征人脸检测算法,并能够判断距离,编写Windows Win32程序调用串口API和下位单片机STC12C5410通信,采用CH341A芯片将RS232串口数据加载到USB协议数据栈中实现USB传输,单片机控制FUTABA舵机,获取上位机人脸检测坐标信息,实时调整舵机转动角度,使人脸始终处于图像中间一定阈值范围内,达到人脸跟踪。该系统结构精简,可作为模块用于门禁安保系统及构建其他机器人研究平台。     

加速的TLD算法及其在多目标跟踪中的应用

TLD(Tracking-Learning-Detection)算法是近期受到广泛关注的一种长时间视觉跟踪算法.为提高该算法的运行速度,一种ATLD(Accelerated TLD)算法被提出,对原始TLD算法做了两方面改进:在检测模块引入基于灰色预测模型的目标位置估计和检测区域设置;运用基于NCC(Normalized Cross Correlation)距离的图像检索方法管理正负样本集.并在此基础上实现了多目标跟踪.通过实验比较了ATLD算法、原始TLD算法及两种近期改进的TLD算法.实验结果表明:ATLD算法在确保精度的前提下运行速度更快.     

基于FPGA的目标跟踪系统设计与实现

为提高智能视频监控中目标检测与跟踪的实时性、稳定性以及设计灵活性,基于现场可编程门阵列技术,设计一个应用于静态背景下的单目标跟踪系统,并设定报警功能。通过帧间差分和形态学方法减少环境变化对系统的影响,利用多点定位算法实现目标跟踪。实验结果表明,该系统稳定且处理速度快,当目标在摄像头视野内突然停止时也可进行定位与跟踪,具有较好的鲁棒性。     

目标跟踪LabVIEW监控软件的设计与实现

针对无线传感器网络目标跟踪的特点及技术要求,为了解决传统开发方式中软件可拓展性差、调试困难以及可操作性不强的问题,以LabVIEW为开发工具,采用模块化的设计思想开发了一个目标跟踪LabVIEW监控软件,讨论了该软件的设计方案、结构、各功能模块的设计与实现、程序设计中的难点及解决方法.在软件设计中使用消息队列法实现了并...     

RBPF粒子滤波在目标跟踪中的应用研究

针对雷达目标跟踪中的某一类非线性问题,传统处理方法都是先行线性化再进行处理,但当线性化后的测量噪声相关性较大时则无法满足要求。为此,应用RBPF粒子滤波进行研究。在仿真实验中对RBPF多权值的情况进行探讨,提出一种可行的处理方法。对RBPF在噪声相关性较大时的性能进行分析,并讨论其在时间推移时的相对估计误差变化情况。     

小型嵌入式平台实时目标跟踪算法的研究与实现

针对高实时性要求、低计算能力的小型嵌入式平台的应用背景,本文提出一种低时间复杂度、高鲁棒性的目标跟踪算法。首先,构建基于时空上下文贝叶斯概率模型的跟踪算法架构,然后提出低时间复杂度的灰度特征尺度池策略实现尺度自适应更新,最后利用基于置信图最大似然概率的目标模型更新策略来提高抗遮挡性能。利用基准数据集OTB2013对本文算法进行测试,跟踪精度为58.9%,成功率为51.3%,优于时间复杂度相近的STC(Spatio-Temporal Context)和CSK(Circulant Structure with Kernels)算法。搭建以DSP为核心的小型目标跟踪平台对算法进行测试,可实现对视场中目标的实时稳定跟踪。当目标波门为64×64 Pixel时,稳定跟踪帧率可达42 frame/s,能够满足实时性和工程实用性的应用需求。     

面向边缘计算的目标追踪应用部署策略研究

目标追踪算法虽已在诸多领域得到广泛应用,然而由于实时性和功耗问题,使得基于深度学习模型的算法难以在移动终端设备上部署应用.结合边缘计算技术,从应用部署优化的角度,对目标追踪算法在移动设备上的部署策略进行研究.通过对目标追踪应用特点、移动设备特性以及边缘云网络架构的分析,提出一种面向边缘计算的目标追踪应用部署策略.通过任务分割策略,将目标追踪应用的计算任务合理卸载至边缘云,并利用信息融合策略对计算结果进行分析融合;此外,利用运动检测,进一步降低终端节点的计算压力和功耗.通过对不同部署策略进行对比实验,结果表明:相比计算任务本地计算,该部署策略明显降低了任务响应时间;相比完全卸载至边缘云,该部署策略降低了相同计算任务的处理时间.     

基于OpenCV的背景减运动检测方法的实现

运动检测是智能监控系统中的核心部分,其目的是如何快速、准确地检测出监控视频中的运动目标。在OpenCV平台下实现一种背景差的运动检测方法,利用背案像素相对稳定的特点进行背景的构建。实现结果表明,该方法可以有效、快速地检测出视频序到中的运动目标。