基于改进Snake模型的人体运动跟踪算法

提出一种改进Snake模型与光流估计相结合的人体运动自动实时跟踪算法.利用角点检测得到接近人体真实轮廓的初始轮廓,减少了迭代次数,降低了Snake模型收敛到局部极值的概率;同时针对Snake模型跟踪不够稳定、容易出现跟踪丢失问题,结合KLT光流法,选取当前帧所得到的轮廓点中的强特征点进行光流估计,将估计结果作为下一帧Snake的初始轮廓,有效地解决了这一难题.实验结果表明改进Snake模型可使初始轮廓形变到人体真实轮廓,同时实现了视频序列中自动、实时的人体跟踪.     

基于B-样条网络的主曲线建模

论文提出了一种基于B-样条网络的主曲线建模的新方法,该方法结合学习主曲线的多边形算法和B-样条网络来建立主曲线模型,实验结果表明所提出的方法是简便有效的。     

基于B-样条网络的复杂主曲线建模

提出了一种基于B-样条网络的复杂主曲线建模的新方法，该方法结合学习主曲线的多边形算法和B-样条网络来建立主曲线模型，同时提出了用于寻找主曲线分叉点的迭代算法。实验结果表明所提出的方法是简便有效的。     

联合LBS和Snake的3D人体外形和运动跟踪方法

为了解决基于多目视频轮廓信息的3D人体外形和运动跟踪问题,提出一种联合线性混合蒙皮和Snake变形模型的算法框架.首先建立人物对象的蒙皮模型,以每一帧多目同步视频的轮廓作为输入,采用一种基于剪影轮廓的可视外壳重建算法,使得作为3D特征的可视外壳保持了局部细节且更加光滑;并使用关节型迭代最近点算法进行匹配以捕获出每一帧骨架子空间下的人物3D外形及运动;再一次使用当前帧的多目轮廓信息,让Snake内外力共同作用于人物网格模型上的顶点,使之自由地趋近于目标对象.使用带ground-truth的合成数据进行对比实验的结果表明,该方法因同时使用3D误差约束和2D误差约束,提高了跟踪精度.     

一种基于统计信息的Snake运动目标跟踪算法

传统Snake模型采用基于轮廓的图像能,分割结果受图像噪声和强边界的影响较大。本文在Snake模型中引入区域统计信息,并对弹性能做了改进,克服了仅用边界信息描述目标轮廓的不足。把改进的Snake模型用于运动目标的跟踪,提高了跟踪的准确性。     

一种基于主动轮廓模型的运动目标跟踪方法

分析了几种经典主动轮廓模型（即Snake）的优缺点．针对传统Snake在应用于目标跟踪时的一些缺陷,设计了自动初始化轮廓的算法．采用四邻域交替搜索法取代八邻域搜索方法以减少计算开销,并给出了一种较为实用的基于Snake的运动目标跟踪方法．通过实验证明了本方法的可行性．     

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.     

一种新的B—Snake算法在目标轮廓跟踪中的应用

用Snake算法跟踪移动目标时，有时会产生目标轮廓与背景中另一些物体靠近的现象，如果不加约束．那么一些控制点将可能因被吸引到背景边缘而产生错误。另外，目标产生移动或旋转时，因轮廓控制点会产生交叉而导致轮廓跟踪失败。为克服此类问题，提出了一种新的有效的目标跟踪算法，可以跟踪静止或运动目标的2维轮廓曲线。该算法先利用三次B样条曲线连接控制点，以初始化物体的边界，然后通过Snake最小能量函数把控制点吸引到轮廓的边界。在Snake跟踪算法中，由于是采用和下一点相连向量与控制中心相连向量的夹角正弦值的正负来避免控制点的交叉，而控制中心的位置则通过α-β-γ滤波能有效地估计出来，因而能准确地跟踪运动的目标。该算法运用到静止的或移动的头部轮廓跟踪的实验证明，该算法不仅对目标轮廓跟踪具有较好的效果，且运算时间短、复杂度低。     

基于Snake模型约束对细胞微管的跟踪研究

细胞微管在细胞中起到支架和胞内运输作用,通过对癌变微管的跟踪研究,能够判断出抗癌药物的作用效果。传统的研究方法是通过对在荧光显微镜下录制的视频图像进行手动标定,这种方法需要的人工成本高,并且存在人为误差因素。通过Snake模型对微管边缘进行提取,得到和微管相接近的Snake点。在约束跟踪方向的情况下,利用改进的粒子滤波算法对单个微管进行跟踪,利用蛇点分布得到的重心来分布粒子。此方法可以实现对微管的自动跟踪,降低了人工成本,排除人为因素,并且容易得到需要的数据以便进行后续分析。通过实验仿真可知,Snake模型约束的改进粒子滤波算法用于细胞微管的跟踪方法具有很好的准确性和鲁棒性。     

B-样条曲线升阶的几何收敛性

B-样条曲线的升阶算法是CAD系统相互沟通必不可少的手段之一。B-样条曲线的控制多边形经过不断升阶以后,和Bézier曲线一样都会收敛到初始B-样条曲线。根据双次数B-样条的升阶算法,得到了B-样条曲线升阶的收敛性证明。与以往升阶算法不同的是,双次数B-样条的升阶算法具有割角的性质,这就使B-样条曲线升阶有了鲜明的几何意义。得到的结论可以使B-样条曲线像Bézier曲线一样,通过几何割角法生成。     

基于三次B样条曲线拟合的智能车轨迹跟踪算法

针对传统几何轨迹跟踪算法切向角获取依赖高精度惯导设备的问题,提出了基于三次B样条曲线拟合的轨迹跟踪算法。首先,通过对先验地图中的离散轨迹点进行拟合生成平滑轨迹线;然后,根据轨迹方程通过插值法重新生成离散路点,并计算各个路点处的切向角,从而实现了对多传感器融合轨迹的优化与跟踪。在真实的智能车实验平台上,用所提算法对20km/h低速绕圈和60km/h较高速度直道两种典型场景进行了在真实道路下的跟踪测试。在低速大曲率和较高速度直道两种典型场景下,所提算法轨迹跟踪的最大横向误差均保持在0.3m以内。实验结果表明,该算法有效解决了传统几何轨迹跟踪算法对惯导设备依赖的问题,同时保持了较好的跟踪性能。     

基于背景优化的Mean Shift目标跟踪算法

针对传统的Mean Shift算法在目标快速运动且背景区域变化较大时,容易丢失跟踪目标的问题,提出了一种基于背景优化的Mean Shift目标跟踪算法。该算法引入混合直方图并对直方图重新量化,再通过减少背景像素在概率密度函数(PDF)中的权重来对背景进行优化,从而降低背景区域对跟踪的影响。实验结果表明,当目标快速运动,且背景区域变化较大时,该算法仍然能够实现对运动目标的准确跟踪。     

基于静态自适应外观模型纠正的目标跟踪算法

针对单目标跟踪过程中难以长期稳定跟踪的问题,提出一种基于静态-自适应外观模型纠正的跟踪算法。首先将跟踪过程中可能遇到的干扰因素分为来自环境和目标本身两类,分别提出静态外观模型和自适应外观模型,静态外观模型用于全局匹配,自适应外观模型用于局部跟踪,静态模型纠正自适应模型的跟踪漂移问题;使用单链接层次聚类算法去除两种模型融合后引入的噪声;针对运动目标消失再出现时难以捕获的问题,使用静态模型进行全局搜索,捕获目标。对于实验中的视频序列,视频序列中目标的中心位置准确率为0.9,计算机每秒能够处理26帧图像。实验结果表明,该跟踪算法框架可以实现长期稳定的跟踪,具有良好的鲁棒性和实时性。     

基于粒子滤波的人脸跟踪算法

人物跟踪技术是目前智能监控系统的核心方法之一,针对人脸运动的非线性非高斯的特点,引入粒子滤波算法来进行运动预测估计,抵抗遮挡干扰。同时,根据人脸结构特点,提出了一种分块颜色直方图,用以描述人脸的特征。并且根据预测精度对预测过程中目标运动速度和过程噪声方差进行自适应更新。实验结果表明,在人脸的旋转,肤色和部分遮挡影响下跟踪精度较高,抵抗光照环境变化,以及人脸大小变化等的鲁棒性较强。     

一种基于运动估计的红外目标跟踪方法

为解决红外目标跟踪中目标的交错、遮挡等问题,提出了一种新的基于运动估计的目标跟踪方法。建立目标的方向梯度-灰度直方图特征模型,该模型能较准确地刻画目标特征。使用最大后验概率指标在搜索区域进行目标匹配,该指标能很好地突出目标、抑制背景,并容易得到全局最优解。提出一种新的运动估计方法,即轨迹预测算法,对目标的运动进行较准确的估计。实验结果证明,该方法不仅计算复杂度低,而且能够较好地解决目标交错、遮挡等问题。     

基于改进粒子滤波算法的人体运动跟踪

在复杂环境中对人体进行有效性和鲁棒性的跟踪是计算机视觉领域一个非常富有挑战性的课题,提出了一种基于改进粒子滤波算法实现的人体运动跟踪。利用改进的粒子滤波算法跟踪视频序列中的人体运动,不但解决了传统粒子滤波算法计算量大、误码多的缺点,而且能较好地处理遮挡和自遮挡问题。实验结果表明,该改进算法能更准确、更有效地跟踪运动人体。     

基于尺度不变特征的光流法目标跟踪技术研究

针对目标跟踪问题中目标和场景动态变化的问题,提出了一种结合尺度不变特征变换（SIFT）和光流估计算法并改进模板更新策略的目标跟踪算法。SIFT特征是一种局部特征,具有尺度和旋转不变性。光流场反映的是一种全局特征,表示像素点强度的变化。SIFT特征点可以很好地满足光流估计的条件。实验结果表明这种改进后的目标跟踪算法能应用于部分遮挡的情况,并且相对于传统光流法具有更高的精确度。     

基于阈值判断的CamShift目标跟踪算法

针对CamShift算法只利用目标的颜色信息,在跟踪过程中,易受目标相似物、遮挡以及光照等复杂背景影响导致目标搜索窗口发散,跟踪稳定性能降低,提出了一种基于阈值判断的目标跟踪方法。该方法将OTSU法和Snake模型结合,利用OTSU法以最佳阈值对图像进行分割,分离前景区域和背景区域,初步提取目标轮廓作为Snake模型的初始轮廓,经收敛得到目标的精准轮廓,利用轮廓外接最小矩形框内的像素计算目标质心,判断与CamShift算法中目标搜索窗口质心之间的欧式距离,如果未超出阈值,则直接使用CamShift算法跟踪目标,反之,则将计算出的目标质心作为CamShift算法中当前帧目标搜索窗口的质心跟踪目标。实验结果表明,该算法跟踪目标具有较好的实时性,跟踪性能稳定、可靠。     

基于局部图块匹配的行人跟踪算法

针对传统行人跟踪算法计算复杂度高的问题,提出一种基于局部图块匹配（local block-graphs matching , LBGM ）的行人跟踪算法。利用摄像机采集视频流帧画面中含有行人的多幅视频图像,按照行人所在的图像区域进行分割;对图块进行数据关联匹配,通过匹配结果完成对行人的检测过程,得到检测的行人集合;针对行人集合,利用损失最小化进行最小偏差的路径预测,实现行人的跟踪过程。选取多相机行人视频（multi-camera pedestrians video ）进行对比实验,实验结果表明,该算法可以有效地跟踪行人,较传统算法有更好的行人检测率和跟踪准确率。