基于R-FCN框架的多候选关联在线多目标跟踪

在线多目标跟踪是实时视频序列分析的重要前提。针对在线多目标跟踪中目标检测可靠性低、跟踪丢失较多、轨迹不平滑等问题,提出了基于R-FCN网络框架的多候选关联的在线多目标跟踪模型。首先,通过基于R-FCN网络从KF预测结果和检测结果中获取更可靠的候选框,然后利用Siamese网络进行基于外观特征的相似性度量,实现候选与轨迹之间的数据关联,最后通过RANSAC算法优化跟踪轨迹。在人流密集和目标被部分遮挡的复杂场景中,提出的算法具有较高的目标识别和跟踪能力,大幅减少漏检和误检现象,跟踪轨迹更加连续平滑。实验结果表明,在同等条件下,与当前已有的方法对比,本文提出在目标跟踪准确度(MOTA)、丢失轨迹数(ML)和误报次数(FN)等多个性能指标均有较大提升。     

基于视觉伺服的镭射膜在线纠偏系统

针对镭射膜这类反光材料检测困难的问题,提出一种基于视觉伺服的在线检测系统,采用独特的照明和CCD成像技术获取镭射膜的图像,研究一种基于最大梯度的亚象素边缘跟踪算法分析和计算位置偏差,通过视觉伺服运动控制系统实现在线自动纠偏控制.现场运行表明该系统实现了对镭射膜在线纠偏的要求,并在高速生产环境下运行稳定可靠.     

基于在线学习的自适应粒子滤波视频目标跟踪

传统的粒子滤波视觉跟踪算法采用固定模型和大量粒子表征目标后验概率,不能满足复杂条件下的视频目标实时跟踪.为了提高跟踪的鲁棒性和稳定性及计算效率,本文提出将自适应状态演化方程和在线增量学习观测似然模型嵌入到粒子滤波算法;并采用在线自动调整粒子数目的策略,提高粒子滤波视觉跟踪的计算效率.室内外实验结果表明,文中提出的视觉跟踪算法不仅能准确、高效地跟踪序列图像中的运动目标,而且对光照、姿态变化引起的目标表观变化具有良好的鲁棒性.     

基于参数自适应与模板更新的孪生网络跟踪算法

孪生网络跟踪算法在跟踪过程中网络参数固定,跟踪模板仅仅使用第1帧给定的目标,这导致算法的鲁棒性较差。为此,提出基于参数自适应(PA)与模板更新的孪生网络跟踪算法。首先,利用通道注意力和空间注意力对目标特征进行调整,提高网络对跟踪目标的关注度;其次,利用滤波器参数更新策略滤除背景的干扰,提高网络对当前目标的辨识能力;最后,增加与主网络平行的子网络,通过更新子网络的跟踪模板,使网络能适应目标的变化。在VOT 2018、VOT 2019 2个标准数据集上进行测试,期望重叠率(EAO)分别达到0.455和0.331,验证了本算法的有效性。     

基于演化非对称核函数的均值漂移跟踪算法

针对传统均值漂移跟踪算法中采用的对称核函数模板中包含了较多背景像素点,影响跟踪精确度和稳定性的缺点,在固定非对称核函数的基础上对均值漂移跟踪算法进行了改进,提出了一种基于演化非对称核函数的均值漂移目标跟踪算法。本文算法首先介绍了将非对称核函数模板引用到均值漂移算法框架的关键问题——模板中心——的计算方法;其次将非对称核函数模板的表述和演化有机结合,提出了利用区域相似度的目标轮廓水平集演化算法并阐述了非对称核函数模板的更新策略。实验结果表明,相比现有的方法,本文提出的基于演化非对称核函数模板均值漂移跟踪算法具有更高的准确性和可靠性,同时也能满足一般目标跟踪任务的实时性要求。     

基于遗传进化策略的粒子滤波视频目标跟踪

粒子退化问题是影响基于粒子滤波视觉跟踪性能的一个重要因素,为克服这种缺陷,本文将遗传进化策略引入粒子滤波跟踪算法,利用遗传算法的选择策略,根据预定的似然阈值迭代选择每代粒子中次优个体,然后对未选中的粒子实施交叉、变异操作以获得粒子的多样性,从而有效解决了粒子的退化问题.另外,针对跟踪中目标表观变化的问题,本文提出的跟踪算法采用了多模板自适应更新技术以确保跟踪的准确性.实验结果表明,本文提出的跟踪算法能有效地跟踪室内运动目标,并对光照变化、目标姿态变化具有良好的鲁棒性.     

基于加权Lucas-Kanade算法的目标跟踪

针对传统的序列图像目标跟踪方法难以适应复杂背景干扰、目标形状变化以及目标位置非规则抖动的问题,提出了一种基于加权Lucas-Kanade算法的目标跟踪新方法.首先引入搜索模板,估计出目标在实时图像中的位置并将其作为加权Lucas-Kanade算法的迭代初始值,然后计算权值函数,利用当前模板和初始模板进行两次跟踪,得到目...     

基于工业焊接小车的视觉伺服控制算法研究

针对基于视觉传感器的焊接小车，提出了提高跟踪精度和鲁棒性的视觉伺服控制方法。首先，建立了图像特征的数学模型，并设计了错误数据的检测算法，其次，对于折线焊缝跟踪过程中存在的位置延迟问题，采用了一种自适应视觉伺服控制结构。这种自适应结构在线检测焊缝方向，并能够在焊缝方向发生变化时对控制参数进行相应的调整。针对该控制结构，设计了基于Kalman滤波器的焊缝方向变化检测算法、参考像素坐标调整算法以及预测与实时调整相结合的控制方法。焊缝自动跟踪实验表明所提方法具有较强的鲁棒性和较高的精度。     

基于在线特征选择的粒子滤波跟踪算法

在复杂场景下,传统的粒子滤波跟踪算法较难定位目标.针对此问题,提出了一种基于在线特征选择的粒子滤波跟踪算法.该算法首先在线、自适应地通过Fisher判别准则,从16个不同的颜色特征空间中选择最能区分目标及其邻近背景的1个最佳特征空间,然后在这个最佳特征空间中用基于统计直方图的粒子滤波算法跟踪目标.试验结果表明,该算法鲁棒性和准确性较好,在光照变化.目标自身发生形变和遮挡情况下能够准确地对目标进行跟踪.     

一种动态模板匹配的卡尔曼滤波跟踪方法

在视频跟踪系统中,运动目标检测是实现跟踪的前提和难点.为了能够有效地检测出目标,提出了一种基于动态模板匹配和卡尔曼滤波的目标跟踪算法.首先将前两帧图像差分检测运动目标区域,提取特征点;然后利用卡尔曼滤波在搜索区域中找到与目标模型最匹配的候选目标位置并与当前帧目标模板进行匹配;最后将特征点流失率作为限定阈值,采用模板更新策略动态更新模板.跟踪实验表明,该算法具有很好的匹配精度与实时性,对目标姿态变化、大小变化、遮挡问题等有很好的鲁棒性.     

基于无锚框的孪生网络目标跟踪改进算法

视觉目标跟踪在车辆、人机交互以及监控等领域应用广泛,虽然近年来取得了很大的进展,但是在跟踪过程中,仍然存在许多的干扰因素。针对跟踪过程存在目标尺度和长宽的比例会随着目标或跟踪设备的变化而变化以及背景干扰的问题,设计了一种基于无锚框的孪生神经网络的跟踪方法。首先,改进了特征提取网络,提高了跟踪的准确性。其次,增加了非局部感知网络,能够更好地利用模板和搜索分支更深度的特征。对于分类来说,增加了选择分支,用于抑制较低的得分,选择更高更准确的得分,从而能够进行更好的回归预测。其采样策略也不同于之前的网络,并对损失部分进行了优化。在对网络进行整体的训练及实验之后,该算法能够很好地跟踪目标,提高了跟踪的成功率和精确度。     

基于先验知识模板更新的头部跟踪算法

针对被跟踪头部目标特征状态随时间变化而与参考模板不匹配的问题,本文提出一种利用先验知识来指导Mean Shift算法中参考模板更新的策略.该方法根据被跟踪目标不同状态下所呈现出颜色的统计特征信息,采用辅助模板对候选模板中的不同颜色特征进行指导性更新,从而形成一个具有目标先验知识的参考模板,解决了模板更新时机选择的难题.实验结果表明,该算法有效解决了因头部旋转而导致模板不匹配的问题,实现了头部的连续跟踪,取得了很好的跟踪效果,并且提高了跟踪算法的自适应能力.     

基于DSP的主动视觉运动目标跟踪策略及实现

设计了一种基于TMS320DM642的单目主动视觉运动目标自动跟踪系统,该系统采用了一种期望极大化(Expectation Maximization,EM)自适应窗口的运动目标跟踪方法.本方法以考虑了像素空间位置信息的混合高斯模型建立目标的灰度特征模板,然后通过EM算法迭代估计出使每帧似然函数最大化的分布参数值,这些参数不但可确定出跟踪目标在图像序列中的位置和形状尺寸,而且为单目摄像机的自动变焦和基于分区逻辑的摇摆运动提供了控制信息.实验表明:系统可以自动而稳定地跟踪具有复杂运动状态的目标,对320pixelsx240pixels的图像可实现平均约20 frame/s的跟踪速度.     

基于几何特征点的扩展目标跟踪方法

提出了一种基于几何特征点的扩展目标跟踪方法,该方法借鉴模板匹配跟踪的思想,以目标的几何特征点作为模板进行目标跟踪.把多尺度Harris特征点检测与SIFT描述子相结合,用于几何特征点的提取和描述,接着引入加权相似性度量公式和更新策略以提高特征点的匹配精度,从而实现更加稳定的跟踪.试验表明,该算法可以稳定地跟踪姿态剧烈变化的扩展目标.     

利用帧间差探测函数模型的运动目标跟踪算法

针对基于模板匹配的目标跟踪算法中,匹配环节在算法中耗费大量的处理时间,使实时性较差的问题,提出了一种基于帧间差探测函数模型的运动目标跟踪算法.算法将"虚拟边缘"引入目标运动事件中,建立了帧间差探测函数模型,设计了几种新的模块用于解决目标跟踪中的方向纠错和实时性问题.实验结果表明,不仅可以有效地对在复杂背景下运动的小目标进行跟踪,而且能够获得相比于块匹配法更好的实时性能.     

智能目标检测与跟踪系统的设计与实现

为了实现复杂背景下对任意目标的智能检测与稳定跟踪,设计了基于双DSP结构的集视频处理、云台运动控制于一体的实时电视跟踪系统.系统采用模块化硬件结构,并提供直接用户接口可使系统脱离上位机独立工作.同时改进了目标识别算法,提出一种基于区域分割的相关模板提取方法.利用自适应空域滤波器分割出目标区域,再用二次投影法快速提取目标,并以模板评价函数为准则实时更新模板.具有模板自适应性强,目标判断准确,跟踪鲁棒性好等优点.外场实验表明,在目标变化和有物体遮挡干扰的情况下,系统能准确提取任意指定目标,并保持连续稳定的跟踪.     

基于贝塞尔轨迹的视觉导引AGV路径跟踪研究

为提高视觉导引自动导引车(automatic guided vehicle,AGV)路径跟踪精度,提出一种基于贝塞尔轨迹的精确路径跟踪算法。该算法首先将采集的多种路径特征图像进行预处理得到形状信息,训练SVM多层路径形状特征分类器;然后根据命令,改变AGV采集到的分支路径图像的权重,迭代计算所选择路径的若干最小内接圆;最后,利用最小二乘规则,将最小内接圆的圆心拟合成贝塞尔轨迹,实现AGV的精确路径跟踪。将该算法应用于视觉引导AGV中,并进行路径特征的在线识别和轨迹跟踪实验。结果表明:路径特征的识别准确率为99.7%以上,识别时间约为22 ms,弯道轨迹跟踪准确度为20 mm和20°;与传统方法相比,该方法显著提高路径特征识别和轨迹跟踪的准确率,更能满足工业现场需求。     

一种基于区域联盟的传感器网络协同目标跟踪研究

针对传感器网络中的协同目标跟踪问题,提出一种基于区域联盟的传感器网络协同目标跟踪框架,给出一个简单的、节能的面向目标跟踪的无线传感器网络体系结构。并在YangH.和SikdarB提出的事件驱动的分布式预测算法的基础上进行改进提出适合于区域联盟的传感器网络协同目标跟踪的算法,使其既能满足目标跟踪,又能更好地节约能量。     

印刷品缺陷在线检测算法的研究

介绍了基于数字图像处理的印刷品缺陷在线检测系统的原理和工作流程.提出了一种改进的图像配准算法对标准模板图像和待测图像进行匹配.实验结果表明,该算法计算速度快、检测精度高,满足了系统设计的要求.     

基于混合相关滤波信息融合再检测的目标跟踪算法

为了减小在目标跟踪过程中目标形变和复杂背景变化对跟踪效果的影响,提出一种基于混合相关滤波信息融合再检测的目标跟踪算法。首先,利用相关滤波算法提取到目标的方向梯度直方图HoG特征,利用颜色模板得到目标的颜色特征,计算两个模板的采样得分;其次,再将两者的特征信息用线性组合的形式进行特征信息融合确定目标位置,跟踪过程中,根据设定的阈值条件选择两个模板采样较大的得分再检测目标的位置;最后,输出所有帧目标位置的结果。与其他的算法进行比较,该算法在应对目标形变和背景杂波方面有较好的跟踪效果。