利用SUSAN算子的特征复合相关跟踪算法

文中提出了一种新的相关跟踪算法,该算法利用ＳＵＳＡＮ算子提取特征、选取灰度子模板进行相关匹配,再由特征匹配作精确定位和置信度分析,并利用特征信息对相关运算进行加权以降低小尺子模板对相关匹配定位精确度的影响。实验结果证明了该算法的有效性。     

基于粒子滤波的目标跟踪算法

粒子滤波是一种可在非线性和非高斯情形下进行状态估计的有效方法.文中介绍了一种基于粒子滤波来实现目标跟踪的具体方法,给出了粒子滤波的基本原理以及在该理论框架下进行目标跟踪的具体算法和实现步骤.     

基于自适应最优聚类的目标匹配跟踪算法

提出了一种基于新的自适应最优聚类的模板匹配跟踪方法。利用模式分类准则计算最优聚类数,然后根据最优聚类数采用k-均值方法进行多次聚类。根据聚类结果计算熵矢量和距离矢量,组合得到特征矢量,利用特征矢量进行匹配跟踪。匹配采用简单的相似性准则,实时模板更新算法为多模更新。测试结果表明,该算法针对不同的目标能自适应地选择聚类参数,在目标发生几何变化时,能实现精确稳定的跟踪。     

基于自适应最优聚类的目标匹配跟踪算法

提出了一种基于新的自适应最优聚类的模板匹配跟踪方法。利用模式分类准则计算最优聚类数, 然后根据最优聚类数采用k-均值方法进行多次聚类。根据聚类结果计算熵矢量和距离矢量, 组合得到特征矢量, 利用特征矢量进行匹配跟踪。匹配采用简单的相似性准则, 实时模板更新算法为多模更新。测试结果表明, 该算法针对不同的目标能自适应地选择聚类参数, 在目标发生几何变化时, 能实现精确稳定的跟踪。     

基于二阶池化网络的鲁棒视觉跟踪算法

针对低分辨率、遮挡以及相似物体干扰等复杂场景下目标易丢失的问题,本文提出了基于二阶池化网络的视觉跟踪算法.已有的方法大多采用一阶池化网络,使得对低分辨目标和相似目标间的区分性不足.对此,本文首先在VGG16网络结构的基础上,将网络最后的一阶池化层替换为二阶协方差池化层,接着在ImageNet和CUB200-2011数据集上对网络进行重新训练.在跟踪阶段,为了减少运算负担,仅提取预训练网络的第四层卷积特征作为目标的外观表征.最后将提取的特征与已有的相关滤波算法进行结合.实验结果表明,本文算法在跟踪精度和成功率上均取得了优异的性能表现.     

基于特征匹配算法的车型识别研究

随着机动车数量的迅速增加,交通管理的难度日益加大与日俱增.毋庸置疑,汽车车型自动识别技术在实现交通领域智能化方面将占据举足轻重的地位,有着深远的现实意义,本文提出了,一种基于特征匹配的汽车车型识别算法,实验证明该算法不仅计算量小、稳定性及准确性高、而且鲁棒性好,所以能从根本上满足识别实时性的要求,从而汽车车型的识别率在很大程度上得到了提高,其应用前景将十分广阔.     

基于聚类分析的车牌定位算法的研究

提出一种基于数学形态学和均值聚类的实时车牌定位算法,将边缘处理与聚类分析相结合,得到车牌字符的垂直边缘信息,然后通过数学形态学运算处理,结合车牌的多个特征对车牌进行定位,试验证明,该算法准确率高,抗干扰性强.     

基于改进纹理特征的红外目标跟踪算法

针对红外图像背景复杂、杂波干扰严重、相似目标混淆导致的目标跟踪丢失问题,本文提出了一种改进的低维度纹理特征OCS-LBP(Oriented Center Symmetric Local Binary Patterns,即方向中心对称的局部二值模式)。首先,利用此特征可以高效地获取目标图像中每个像素块的梯度方向和幅值信息,提高了跟踪过程的鲁棒性;其次,利用核相关滤波算法结合提取的OCS-LBP特征对目标图像区域进行模型训练;最后,根据训练好的模型检测下一帧图像中目标的具体位置。本文在10组红外视频序列上进行了测试,实验结果表明,本文算法的精确度和成功率相比于第二名算法分别获得了2.9%和9.9%的提升,同时在实验设备上算法的平均跟踪速度相比于第二名算法提升了14.15 frame/s。从实验结果可以看出本文提出的算法在红外目标跟踪上表现出较好的鲁棒性、准确性和实时性,具有一定的研究和实用价值。     

基于多特征自适应融合的抗遮挡目标跟踪算法

针对目前的目标跟踪算法在目标发生运动模糊或被遮挡等情况下跟踪效果较差,容易出现跟踪失败等情况,本文提出了一种多特征自适应融合的抗遮挡相关滤波跟踪算法。算法首先提取梯度方向直方图特征HOG和颜色直方图特征,以最大化跟踪质量为目标自适应融合两种特征的相关滤波响应;在跟踪的过程中根据响应图的质量存储高质量滤波模板,采用高质量模板和正常更新模板检测响应图的质量差值来检测目标的遮挡情况,当目标遮挡消失的时候,跟踪器的模板回溯到高质量模板来重新跟踪目标。根据在OTB100、UAV123的实验结果,本文算法相对于其他同类型的相关滤波在跟踪精度和成功率方面表现更好,在发生目标遮挡时仍能很好地跟踪。     

基于Kinect的人体动作识别算法研究

针对现有的复杂背景下人体动作识别中存在识别准确率不高和实时性不强等问题,提出基于Kinect骨骼数据的改进动作识别算法。通过Kinect获取骨骼数据,提取出人体关节的特征向量,然后用模板匹配的方法对人体动作进行识别。通过搭建机器人体感控制系统验证了算法的可行性。在相同实验条件下测得算法的平均识别率为95.2%,平均识别时间为32.5ms。与其它动作识别算法比较,证明了算法的识别率较高、实时性较好。     

基于时变特征和核非线性分类器的飞机目标识别

基于雷达目标距离像,研究时变特征提取和核分类器在雷达目标识别中的应用。由于距离像敏感于目标姿态角的变化,单纯的时域或频域方法难以完整刻画目标的散射特性,因此文中采用时频分析方法,首先提取出距离像时频分布的特征参量,再利用主元分析法降低维数,最后采用基于核的非线性分类器进行目标识别。仿真数据和实测数据表明,该方法具有较好的识别效果。     

License Plate Recognition for Parking Control System by Mathematical Morphology

Nowadays, license plate recognition for parking systems is a critical task to provide automatic control of customers and payment. This paper introduces a new method for automatic recognition of license plates of vehicles by mathematical morphology. The proposed method can provide the license plate number of the plates in different light conditions, colors, sizes, and inclination (angles). The algorithm can recognize the license plates of European Union vehicles quickly and correctly. The pattern learning of mathematical skeletons has high efficiency in the process. The performance of the algorithm is demonstrated well by being tested on a parking control system.     

基于局部频率特征和局部方向特征的虹膜识别算法

描述了一种不同于现有方法的新颖虹膜识别算法,利用多尺度多方向的二维奇对称Gabor滤波器,同时提取虹膜纹理的局部频率特征和局部方向特征.这种方法更全面的描述了虹膜纹理的特征空间,克服了之前的虹膜识别算法只提取局部频率特征或者只提取局部方向特征的局限性.特征匹配采用类似加权市街距离的方法来进行,而且根据眼睑和睫毛的分布特点设计匹配模板,能够最大限度的减少它们对匹配的干扰.与Daugman算法进行对比的实验数据表明,本算法具有非常优越的识别性能.     

基于粒子滤波跟踪的步态特征提取算法研究

步态识别是一种基于步态特征的生物特征识别技术,包括身高和体形等。步态特征中的傅里叶描述子具有尺度、平移和旋转不变性,可以表示人体的轮廓特征。本文提出了一种识别方法：首先运用粒子滤波算法得到更准确的目标位置信息,在此基础上计算傅里叶描述子,进而实现更优越的步态识别效果。通过对滤波前后的傅里叶特征与真实目标特征的对比,证明此方法提取的特征信息更为准确,从而提高对人体目标的识别效率。     

基于数学形态学的汉字骨架提取算法

数学形态学是图像处理的有力工具,骨架是目标的重要拓朴描述,包含了文字图像特征的最有效数字化信息,在汉字图像识别或数据压缩时,经常要用到图像的骨架。运用数学形态学的方法,给出了文字图像骨架的提取算法,并进行了实验。     

基于人体碎片的特征提取算法研究

特征提取一直是模式分类问题中的关键步骤,对基于身体碎片外形轮廓及其和人物中心相对位置特征的提取算法进行研究。此算法操作简单,这些特征是在所有位置和所有大小上提取的,使制作的分类器满足平移和缩放不变性,并且他还是基于有标注数据库的。此算法可用于基于物体碎片特征的人脸识别系统、车辆和人体的自动视频监测系统以及其他的监控系统和图像检索中。     

基于Kalman与SIFT的车辆跟踪算法

车辆跟踪是智能交通系统中的一项关键技术。文章在研究现有的车辆跟踪算法基础上,提出了一种基于卡尔曼（Kalman）与尺度不变特征变换（Scale invariant feature transform,SIFT）的车辆跟踪算法。通过将车辆的外接矩形信息转化为Kalman滤波参数,对车辆运动进行建模,结合SIFT特征匹配能够有效地解决车辆遮挡问题。实验结果表明,该方法能够对运动车辆实现稳定的跟踪,并且能够有效地解决车辆遮挡问题。     

基于粒子分组优化的自适应跟踪算法

针对粒子滤波算法中粒子退化问题,提出一种基于粒子分组优化的自适应跟踪算法。在传统粒子滤波算法的基础上,分别从特征直方图的建立和粒子重采样策略两个角度进行改进。综合考虑目标与背景的特征显著性和相似性两个因素建立比值关系进行量化分析,选取能够最大程度区分前景目标和背景的特征,并以此区分度作为权值确定直方图中所选特征的区间数。通过实时分析粒子间相对空间分布位置,建立一种新的粒子重采样策略,采用复制、线性组合、淘汰等不同形式对粒子的数量和分布位置进行自适应调整,使得粒子性能得到优化。实验仿真结果验证了所提算法的有效性。     

基于目标中心距离加权和图像特征识别的跟踪算法

本文提出了一种实时跟踪算法,以目标中心距离加权的灰度图像作为模板,采用mean-shift迭代方法实现目标的空间定位;同时建立二值图像模板,根据目标的图像特征,进行尺度定位.本算法改进了kernel-based算法对变尺度目标的跟踪.对于超过一定像素的较大目标,本算法进行"降采样",大大减小运算量,从而实现了对大尺度目标的实时跟踪.实时视频流的跟踪实验验证了该方法的有效性.