一种非重叠多摄像头的实时监控系统

大范围场景的监控需要使用多个摄像头。论文利用运动目标的颜色信息和路径特征,设计了一种非重叠多摄像头的实时监控系统。系统采用分布式多层次结构,在进行单摄像头层的处理时,根据像素点亮度变化检测和跟踪运动目标,同时获取运动目标的外形信息和路径特征;在进行多摄像头层的处理时,使用估计目标外形变化和建立路径模型方法融合多个摄像头信息,实现目标在非重叠多摄像头的跟踪。该系统不要求校准摄像头,也不要求建立完整的场景模型,即便在有亮度变化的环境中,仍能立即准确跟踪目标。实验证明提出的方法有好的跟踪效果。     

有效块的多特征融合的目标跟踪方法

运动目标跟踪是计算机视觉领域的一个热点,针对目前运动目标方法在跟踪目标时候会考虑目标框中整体信息,但是被跟踪目标外形具有多变性,导致跟踪方法鲁棒性和精准度不高的问题。利用被跟踪目标局部结构,将跟踪目标看成块粒子,在序列蒙特卡方法下,构建块粒子置信函数和运动相似性函数,通过权重投票计算跟踪目标最佳位置。并基于基础跟踪方法单一特征提取不足的问题,提出一种基于HOG和颜色直方图多特征线性融合的方法。实验表明,与多种优秀跟踪方法相比,该方法取得最低平均跟踪误差14.83,且目标重叠率达到0.67,表明该算法可以稳定、准确地进行目标跟踪。     

监控系统中的多摄像头协同算法

给出了一个分布式多摄像头监控系统结构,描述了一种使用路径模型和目标外形变化估计的数据融合方案,提出了一种新的在分布式监控系统中的多摄像头协同算法(PDA,PriorityandDistanceAlgorithm)。提出的算法基于多摄像头数据融合结果,根据任务优先级、目标与摄像头之间的距离及目标的可见性情况,分配摄像头给目标,其特点是使系统中有高优先级并距离摄像头最近的可见目标优先分配摄像头。实验结果表明提出算法能协同多摄像头可靠地跟踪人。     

基于三维视觉系统的多运动目标跟踪方法综述

多运动目标跟踪是智能视觉监控系统中的关键性的亟待解决的问题,采用二维视觉特征跟踪会在目标相互遮挡时丢失目标特征造成跟踪困难,近年来三维视觉跟踪系统越来越成为热点,利用三维特征能在多目标相互遮挡时更好地识别、跟踪目标,实现多目标遮挡时的精确跟踪,从而全面提高智能视觉监控系统的精确性。总结了近年来基于三维视觉系统的多运动目标跟踪方法,根据采用的不同三维视觉系统分为三类,将每类中具有代表性的方法进行了论述,分析了各典型方法的优缺点,最后提出了进一步研究的主要发展内容和趋势。     

多物体遮挡情况下的视觉跟踪算法

针对视频监控中多运动物体间的遮挡问题,提出一种结合全局特征匹配与局部特征匹配的目标跟踪算法.该算法采用基于直方图和基于分块的方法共同表达目标的灰度特征.遮挡发生前实时进行遮挡预判,遮挡时采用基于块分类的方法跟踪目标,遮挡结束后通过直方图匹配重新定位目标.实验结果表明了该方法的有效性和优越性.     

一种重叠视域多摄像头协同运动目标跟踪方法

针对重叠视域范围内多摄像头目标跟踪匹配问题,提出一种基于视野分界线的运动目标检测跟踪方法,通过Sift算法与Harris算法相融合对存在重叠视域范围的图像自动获取特征匹配点,利用所获特征匹配点对生成视野分界线,当目标通过分界线时,依据颜色信息的投影不变量方法,通过目标中心位置与视野分界线之间的距离来判断运动目标,进而实现运动目标的交接,完成后续动态目标的追踪.通过设置相同的视频帧数和实验场景与已有文献进行对比实验,所提算法对运动目标跟踪准确率分别为76％、87％、88％,均高于文献算法跟踪精度.实验结果表明所提出的算法能够实现多摄像头间的目标连续跟踪既能解决对同一运动目标的实时跟踪,又可以解决多视角协同重叠视域范围内的运动目标跟踪距离较近而导致运动目标丢失的问题,通有效提高目标跟踪的准确性,为多视角运动目标跟踪提供了一种新的解决方法.     

多场景视频监控中的人物连续跟踪

针对多场景监控,提出一种能在非重叠的多摄像机之间,实时地检测与被跟踪行人（目标）的视频监控系统。该系统分别对每个摄像机视频进行背景建模、前景检测以及运动目标的特征提取,当目标离开摄像机视域的时候,根据已知的拓扑关系向相关摄像机发布监控任务,当有目标进入处于有效监控状态的摄像机视域时,进行目标匹配,从而实现在多摄像机系统中对行人目标的持续跟踪。实验表明,该系统在非重叠摄像机场景中能实现实时的、鲁棒的目标跟踪。     

AVE监控系统中基于轨迹约束的目标检索方法

针对增强虚拟环境(AVE)视频监控系统,提出了一种基于目标二维图像特征和三维空时特征并进行轨迹约束的运动车辆检索方法.二维检索中采用SURF特征匹配进行目标精确定位;三维检索中通过提取运动目标空时特征,充分利用AVE系统中摄像头关联信息进行关联分析,缩小目标搜索范围.实验结果表明,该算法具有较高的检索效率与精度,特别适用于多摄像头AVE监控系统中目标快速定位,掌握其在监控区域中的全空间运动信息.     

基于遗传算法搜索的运动目标跟踪

随着视频监视系统智能化要求的提高,监控系统对运动目标的正确跟踪已成为本领域的一个研究热点。如何通过摄像头采集的2维视频画面,获得目标物的纵深运动状态,从而实现对摄像机焦距的控制是需要解决的问题。为此,提出了一种基于遗传算法搜索的运动目标跟踪方法,采用遗传算法,对运动目标的3维边缘特征模板进行最佳匹配,获得对目标位置以及大小的正确跟踪,以实现对摄像机焦距的控制,保证了被跟踪目标物能够在监控画面中大小相对稳定,提高了监控的质量。     

PTZ摄像头下候选区匹配的实时目标跟踪

提出一种基于候选区匹配的控制PTZ(Pan,Tilt,zoom)摄像头的目标跟踪方法.该方法将图像的中心区域或者检测的目标运动区域作为候选区对目标定位,并根据目标的预测位置计算摄像头运动参数,实现摄像头自动控制跟踪目标.采用对称差分来检测图像中的目标运动区域,利用颜色和纹理信息等特征来表示目标,通过相似性度量从候选区定位目标.同时考虑摄像头命令的传输和执行延时,利用目标运动轨迹对目标位置加以预测,并根据目标预测位置自动控制PTZ摄像头主动追踪目标.实验表明,该方法在较大区域内,以及瞬时遮挡条件下,能连续实时地主动追踪感兴趣目标.     

基于SIFT 特征的目标多自由度mean-shift 跟踪算法

传统的mean-shift跟踪算法不能跟踪目标的旋转、缩放运动,且常常因此造成定位不准.鉴于此,将尺度不变特征变换（SIFT）特征检测融入到mean-shift跟踪过程,提出SIFT特征点的尺度变化与目标的尺度变化成正比,特征点主方向变化与目标旋转角度一致,给出了基于SIFT特征的自适应目标尺度、方向计算方法,且利用带方向、可变带宽的椭圆核改进传统的mean-shift跟踪方法.实验表明,该算法能够较好地跟踪目标的旋转、缩放运动,定位也更准确.     

基于图像采集卡的智能安防监控系统设计

本文研究了基于Matrox图像采集卡的智能安防监控系统的总体解决方案,硬件设计部分详细叙述了该系统的图像采集模块设计和云台控制模块设计.通过对摄像机采集的图像进行运动目标的跟踪分析.产生控制信号,控制承栽摄像头的云台运动.以实现运动目标的跟踪:软件设计部分.针对运动目标的检测跟踪各种跟踪方法,详细研究并实现了基于时间差分的运动目标检测方法.完成了系统整体软件设计.实践证明,该系统具有较好的检测效果.     

改进联合概率数据关联的视频多目标快速跟踪

针对监控范围较大、目标外观特征少的视频多目标数据关联及跟踪问题,本文仅利用目标运动特征,提出了一种基于联合概率数据关联（joint probabilistic data association,JPDA）的复杂情况下视频多目标快速跟踪方法．首先采用murty算法求JPDA的最优K个联合事件,大大降低了计算复杂度;然后根据JPDA的关联概率讨论目标的运动情况,分析在多目标新出现、遮挡、消失、分离（前景检测存在目标碎片）等复杂情况下当前帧量测与跟踪目标的数据关联问题,获取复杂运动的多目标跟踪轨迹．在多个监控视频上的实验结果表明,该方法能大大提高跟踪性能,实现复杂情况下的视频多目标快速跟踪．     

多物体遮挡情况下的视觉跟踪算法研究

针对视频监控中多运动物体间的遮挡问题,提出了一种新的结合全局特征和局部特征匹配的目标跟踪算法。该算法采用直方图的方法和基于分块的方法共同表达目标的灰度特征。遮挡发生前实时进行遮挡预判,遮挡时,利用基于块分类的方法跟踪目标,遮挡结束后,通过直方图匹配重新定位目标。实验结果证明了该方法的有效性和优越性。     

基于SIFT特征跟踪匹配的视频拼接方法

针对不同摄像头的监控视频序列,提出了一种基于视频帧SIFT（Scale Invariant Feature Transform,即尺度不变特征变换）特征跟踪的拼接方法。通过SIFT算法提取帧图像的特征,并在跟踪的估计区域搜索匹配特征,从而确定待整合帧之间的变换参数。实验结果表明,该方法较好实现视频快速拼接,且对重叠区域小、形变大、有运动物体遮挡的视频具有较强的鲁棒性。     

基于ARM处理器的运动目标检测与跟踪系统

运动目标的检测及跟踪技术广泛应用于军事与民用领域。传统基于PC的目标跟踪系统不能满足对体积、功耗及便携性的需求,基于ARM处理器S3C2440A和嵌入式Linux操作系统构建了一个比较完整、实用的目标跟踪系统。该系统利用摄像头采集运动目标图像,处理器进行数字图像处理,LCD显示跟踪目标。阐述了实现原理及图像获取、目标检测、图像分割和目标跟踪算法程序流程。通过实际测试,该系统能满足对低速运动目标的检测、识别和跟踪,且具有较好的实时性和稳定性。     

桥区运动船舶的检测和跟踪

基于桥区的场景特点,提出一种基于自适应纹理特征的运动船舶目标检测跟踪算法。算法采用基于改进的局部二值模式（LBP）纹理特征取代亮度特征,在此基础上建立可实时更新的LBP背景,以背景模型方法提取船舶运动目标前景,并以简单的近邻方法实现对其跟踪。实验表明该方法通过目标检测与跟踪可实现对船舶运动的监控,算法准确性好,精度高,可为桥梁安全保护提供有效的技术支撑。     

基于边缘方向分布和粒子滤波的视频目标跟踪

针对背景复杂的非线性视频运动目标,提出了一种基于边缘方向分布和粒子滤波技术相结合的跟踪方法。该方法利用边缘算子获取目标区域边缘方向图,采用高斯核函数建立目标区域边缘方向分布,结合粒子滤波理论,实现对非线性视频运动目标的有效跟踪。计算机仿真结果表明,该方法可对非线性、非高斯的运动目标进行有效的跟踪,且在跟踪目标区域与背景颜色接近,背景复杂的场景下,与采用灰度特征的方法相比,有较强的鲁棒性和较高的跟踪精度。     

基于TMS320DM642的运动跟踪系统的设计与实现

为了使视觉监控系统具有自主能力,设计了基于TMS320DM642处理器的运动物体跟踪系统.分别介绍了系统的硬件和软件设计,提出了基于图像差分的特征等实用跟踪算法来跟踪运动目标.实验结果表明,该系统具有在复杂背景下实时检测识别和跟踪运动目标的能力.     

一种基于运动检测的行人多目标跟踪算法

针对固定摄像头下的行人跟踪问题,提出一种基于运动检测的多目标跟踪算法。在运动目标检测中,先利用没有目标出现的视频帧建立背景图像,然后计算背景差并计算差分图像的梯度以提高运动区域的检测能力,最后利用区域合并法得到完整的运动目标区域,并间隔一定的时间更新背景模型。在检测到运动目标后转入跟踪。在跟踪目标时,对于有遮挡和没有遮挡的情况分开处理:若目标之间未发生遮挡,基于目标的中心距和加权的颜色直方图特征进行匹配跟踪;当发生遮挡时,用卡尔曼滤波器预测目标的位置。实验证明,相对于传统的基于背景差法的多目标跟踪,该算法能提取更完整、准确的目标区域,对行人这一非刚性目标能实现较好的跟踪。