动态融合梯度信息的Camshift算法改进研究

将梯度信息引入到Camshift算法之中,定义Camshift算法的梯度模型。依据运动目标和背景图像直方图的Bhattacharyya距离来动态决定梯度模型在查找算法中的决定权重,减小加入梯度后对算法时效性的影响;在Camshift算法求运动目标色调分量的过程中,改进由RGB空间到HSV空间转换计算的方法,减少反余弦和开方运算。在色调分量Hue基础上定义一种Hue分量,提高颜色空间之间的转换效率;在对目标跟踪框内颜色直方图进行计算时,以选取框重心位置为中心,距离中心越远的像素在颜色直方图中的比重越小.减小在选取运动物体初始位置时引入的背景噪声,提高跟踪算法的稳定性。实验证明:经过上述的改进,使得传统的Camshift算法在背景颜色与运动目标和有相似颜色物体对运动目标造成干扰的情况下的跟踪鲁棒性得到提高。     

基于核相关滤波的多尺度绝缘子目标跟踪

针对输电线路巡检视频中的绝缘子目标跟踪背景复杂,不能适应绝缘子尺度变化的问题,提出了一种基于核相关滤波的多尺度绝缘子目标跟踪算法。该算法首先提取绝缘子Hog特征,通过最小化决策函数来训练一个分类器,得出绝缘子目标位置,最后引入多尺度估计方法,来确定绝缘子目标的大小,从而提高了绝缘子跟踪的精度。实验结果表明,本文提出的跟踪算法能够适应绝缘子尺度变化且与传统Camshift的算法相比,具有较好的跟踪性能。     

基于图像处理技术的行人运动轨迹提取方法

为了实现复杂场景中多运动行人目标的检测和跟踪,采用计算机视觉技术对真实场景下行人运动视频进行处理。利用基于高斯混合模型的背景消减法提取运动目标前景,并通过形态学运算进行目标清晰化处理。采用基于预测的Kalman滤波算法对运动目标进行跟踪,并对画面中的人数进行实时统计和更新。输出多运动行人目标的实时坐标和运动轨迹。研究结果表明:本文提出的算法能够快速准确地检测和追踪多运动行人目标,初步提取行人运动轨迹。     

记忆驱动的空时相关滤波跟踪算法

为解决目标跟踪中目标形变、遮挡等因素导致目标外观大幅度变化的问题,提出了记忆驱动的空时相关滤波跟踪算法。首先使用交叉熵公式度量前、后两帧模型的差异,以确定样本的置信度;然后通过置信度储存跟踪目标的外观记忆,并使用外观记忆对模型做时间上的约束,以增加跟踪模型的抗干扰性。基于公开数据集OTB2015进行算法性能测试,结果显示,所提出的目标跟踪算法的跟踪精度和跟踪成功率皆有所提升,尤其是对目标遮挡、形变类视频的跟踪效果提升显著。     

基于时空马尔可夫随机场模型的车辆跟踪算法研究

鲁棒的车辆跟踪是实现交通事件自动检测的重要前提,车辆跟踪中的车辆相互遮挡则是影响车辆跟踪结果的关键因素。针对这一难题,设计自适应的车辆跟踪算法,并依据交通图像序列的时空相关性,根据马尔可夫的基本理论和贝叶斯方法,应用MRF-MAP理论分析框架,并结合了彩色图像序列的纹理信息建立了图像序列的时空马尔可夫随机场模型。采用随机松弛算法中的Metropolis算法来求解时空马尔可夫随机场模型,对车辆跟踪得到的目标标号图进行优化,从而解决车辆跟踪中的遮挡问题。初步实验结果,跟踪不遮挡的车辆时达到的跟踪成功率为95%。遮挡情况时成功率也可达到83%。实验结果表明,该跟踪算法在不遮挡时效果非常理想,在遮挡情况下跟踪鲁棒性也较好。     

基于卡尔曼滤波的台球跟踪技术研究

针对无遮挡情况下的跟踪问题,利用卡尔曼滤波的预测性与特征匹配相结合的方法对目标台球进行跟踪,以期提高跟踪的实时性和准确性。针对有遮挡情况下的跟踪问题,根据运动台球具有明显的颜色特性,采用卡尔曼滤波与Mean Shift相结合的方法,实验结果表明该方法具有良好的稳健性和实时性。     

基于颜色直方图匹配的非刚性目标跟踪算法

基于目标颜色直方图的相关匹配,用Bhattacharyya系数度量模板与候选目标直方图的相似度,结合Kalman预测和新三步搜索算法加快最优匹配的搜索速度,为避免静止背景对直方图统计的影响,加入运动分割信息,并对遮挡情况做出判断和处理．实验结果表明这种算法是十分有效的．     

目标机动未知下的有源声呐跟踪滤波方法

为解决由有源声呐测量误差而引入的目标机动判决模糊问题,提出了基于延迟机动检测的跟踪滤波算法。利用多假设跟踪方法,在目标机动检测模糊时,生成匀速及机动的两种目标运动假设以延迟最终的决策时间,基于残差序列构造假设检验统计量,实施序列似然比检验并融合强跟踪滤波器和Kalman滤波器的优点,提高了有源声呐对先验信息未知目标的跟踪能力。通过仿真分析表明,该算法不仅能够精确的跟踪匀速运动目标,而且能够稳定的跟踪机动目标。海试数据处理进一步验证了算法跟踪真实水声目标的有效性。     

结合角点特征的CamShift目标跟踪算法研究

在传统的CamShift目标跟踪算法中,仅仅依赖目标的颜色特征,而缺乏目标本身的一些特征,例如,角点,尺度和方向等信息,这将导致跟踪中容易出现中心偏移和无法抵挡目标受干扰等问题。为了能够实时有效地跟踪目标,本文提出一种结合角点特征的CamShift目标跟踪算法。该算法融合了角点的特征不变性,采用基于灰度图像的Harris角点检测算法,在图像的目标区域和候选区域提取包括图像信息的局部特征点,在视频图像相邻帧之间,通过特征点匹配,剔除虚假特征点,得到真实特征点的位置和主方向,用于引导和调整CamShift算法中搜索区域的位置和方向。测试结果表明,与传统的CamShift算法相比,该算法具有更好的跟踪效果和鲁棒性。     

水下多目标方位的联合检测与跟踪

针对水下多目标方位跟踪及航迹关联问题,提出了一种粒子滤波的联合检测与跟踪方法.该方法在状态滤波过程中不需要方位观测值的输入,直接根据波束能量评估粒子的似然函数;利用交叉和变异算子进化小权值样本,通过低差异性序列的重采样提高子代粒子多样性。实现了多目标的跟踪并避免了方位观测量与多目标航迹关联的问题。仿真结果表明,在航迹断续和航迹交叉的情况下,该方法能够连续准确地跟踪目标方位。利用水下无人平台舷侧线阵的试验数据对算法性能进行了验证,正横方向的跟踪误差在3°以内;在目标运动模型失配时仍可以收敛到正确的方位航迹,没有出现错跟与失跟现象,可提高对交叉、汇聚及分离的多目标方位航迹的连续检测与跟踪能力.