视频桩考仪中的图像处理技术

设计了一种不需使用特定考车、可由计算机自动判定考试成绩的汽车驾驶员视频桩考仪.采用CCD摄像机和带有红外探测器的标志杆对考场进行实时监测.通过图像去噪、滤波的图像预处理、运动目标检测、目标跟踪算法、运动目标轨迹描述等图像处理技术,实现了由计算机实时对考车序列图像进行运动轨迹跟踪、桩考汽车的路线、方向、停车和中途停车等信息实时检测和考试人员的操作是否正确的自动判断,保证了考试的公平性和合理性.     

基于主运动分析的野外视觉侦察系统——运动目标检测、跟踪及全景图的生成

本文介绍了一个针对野外自然环境设计的视觉侦察系统,其主要功能包括运动目标的检测、 跟踪及环境全景图的生成．摄像机安装在360°水平旋转可控的车载云台上,视频信号及云 台方位数据通过无线通讯传送给基地端的计算机．计算机自动地检测其中的运动目标,实时 地拼接出镶嵌有运动目标的全景图,当用户指定某个运动目标后计算机将自动地控制云台跟 踪该目标．我们根据二维仿射运动模型和鲁棒参数估计方法分析帧间主运动,对各帧图像进 行运动补偿后求得差值图像,聚类分割变化点得到运动目标,再根据目标运动的连续性约束 进行可靠的跟踪．为了满足实时处理的要求,程序进行了优化,该系统在PC机上,在384×2 88图像分辨率下达到12.5帧/秒的处理速度．     

基于改进高斯混合模型的实时运动目标检测与跟踪*

为提高运动目标检测与跟踪的可靠性,提出了一种基于改进高斯混合模型的实时运动目标检测与跟踪算法。该算法建立可自动调节分布数目的高斯混合背景模型,通过背景减除获取前景图像;利用目标相邻帧的连续性分割运动目标;在此基础上将传统的颜色直方图模型进行改进,提高目标颜色分布的可信度,进而根据目标的位置、大小和颜色构造运动目标全局匹配相似度函数,实时完成运动目标检测与跟踪。利用大量的监控视频数据进行验证,结果表明,与传统的检测跟踪算法相比,该算法减少了计算量,提高了复杂背景情况下运动目标检测与跟踪的可靠性。     

视频图像序列运动目标检测及轮廓提取

考虑到人类视觉对图像轮廓特征的敏感性,将目标检测与轮廓提取结合起来,实现了目标轮廓自动提取的方法.首先采用了背景差法跟踪视频图像序列中的运动目标,并采用了自适应背景更新的方法更新背景图像,结合活动轮廓模型法GVF Snake进行目标轮廓的提取,从而得到具有精确边界的运动目标.实验结果表明这种方法运算速度快、能够快速地收敛到目标轮廓、准确地跟踪目标,实现实时自动轮廓跟踪.     

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.     

基于全方位视觉的多目标跟踪技术

为了快速准确地检测并跟踪多目标对象, 提出了一种基于全方位视觉的多目标对象跟踪方法. 首先采用全方位视觉传感器(ODVS)实时地采集现场360°全景视频图像;接着融合运动历史图像算法(MHI)和运动能量算法(MEI)实现了快速高效的MHoEI(Motion History or Energy Images)自动跟踪算法, 对多目标对象进行检测和跟踪;最后, 本文采用面向对象技术融合目标对象进行匹配跟踪实验结果表明本文提出的方法能较好地跟踪多目标对象, 具有鲁棒性高、运算量小、便于硬件实现、高效等优点.     

基于Matlab实时运动目标跟踪检测系统

运动目标的检测跟踪是视频理解技术和计算机视觉的研究热点,其在解决智能视频监控,人机交互,智能交通系统等领域有着广泛而重要的应用,基于此利用matlab平台构建出USB摄像头实时图像采集处理系,从视频流采集到处理综合利用了背景估测,图像分割,目标检测与跟踪算法准确高效地检测出环境场景中的动态目标,并成功地对其进行实时追踪。利用matlab的simulink模块编程实现提取视频流YcbCr输入系统进行运算处理,并改进了背景估测和目标检测算法,提高系统的实时性。最终利用多次试验,对室内和室外运动目标实现检测跟踪,验证了系统处理实际问题的可靠性能。     

背景估计与运动目标检测跟踪

基于视频的自动目标检测和跟踪是计算机视觉中一个重要的研究领域,特别是基于视频的智能车辆监控系统中的运动车辆的检测和跟踪。提出一种自适应的背景估计方法来实时获得当前背景图像,从而分割出运动物体。为了准确地定位运动车辆的区域,采用差分图像投影和边缘投影相结合的方法来定位车体,同时利用双向加权联合图匹配方法对运动车辆区域进行跟踪,即将对运动车辆区域跟踪问题转化为搜索具有最大权的联合图的问题。该算法不仅能实时地定位和跟踪直道上运动的车辆,同时也能实时地定位和跟踪弯道上运动的车辆,从实验结果看,提出的背景更新算法简单,并且运动车辆区域的定位具有很好的鲁棒性,从统计的检测率和运行时间来看,该算法具有很好的检测效果,同时也能满足基于视频的智能交通监控系统的需要。     

基于视频序列的目标检测与跟踪技术研究

针对计算机智能监控环境,文中提出一种改进的基于像素灰度出现概率最大值的背景建立方法,该方法克服了光照变化对背景重建的影响,使得背景建立的时间大大缩短。并采用一种新的自适应背景更新算法获得背景图像以进行目标检测,这种方法较好地克服了IIR法更新速度难以取值的缺点,使得更新速率可以达到自适应的效果;在目标跟踪阶段,使用基于卡尔曼滤波的方法对检测出的运动目标进行跟踪,由于卡尔曼预测可以大大减小特征匹配的搜索范围,因此提高了跟踪的实时性。实验结果表明,该文的算法能够快速有效地获得、更新背景,并且能够实时地对运动目标进行跟踪。     

基于FPGA的多运动目标检测及硬件实现

针对视频流图像的目标检测,基于帧间差分理论提出了一种实时多运动目标检测算法。根据视频图像在实时处理中的应用,基于FPGA硬件平台并行处理快与可编程的特性,在FPGA上实现算法,经过MATLAB环境算法验证,并在设计的FPGA视频图像处理系统进行实现。该系统主要由图像采集模块、图像缓存模块、图像处理模块及图像显示模块4部分组成,通过OV5640采集图像数据,再对数据进行差分、滤波、形态学等一系列算法处理,存入DDR3中,最后通过VGA进行显示。实验结果表明,该系统在一定测距范围内可稳定跟踪运动目标,可实时显示,多目标检测识别率较高,能实时检测视频流图像中的多运动目标。     

公路汽车视觉导航中运动目标的检测与跟踪方法的研究

通过对室外行驶车辆上所采集的长序列图象的处理与分析,研究公路汽车计算机辅助礼堂导航中运动目标的检测与跟踪问题。算法的核心是根据图象中的水平、垂直边缘及目标尾部的局部对称性检测和图象中目标的存在,进而建立描述目标与摄象机之间的相对运动的状态模型和表示目标循征的透视投影模型,应用扩展的卡尔曼滤波器进行3维运动参数估计。     

低空运动目标的多传感器自动识别和实时跟踪

讨论了一种用于低空运动目标检测和跟踪的电视跟踪系统。为了提高系统自动跟踪和抗干扰能力,基于声—光—电多种传感器和测量装置如声波传感器、图像传感器和激光测距仪等,提出一种多传感器综合的自动目标识别和实时跟踪算法。该方法将被动声定位技术用于目标初定位,结合目标图像动静态特征和目标声源特征用于目标的特征提取和自动识别,根据视频跟踪和轨迹预测算法,得出期望的目标误差信号控制伺服机构进行精确跟踪。实验结果表明该算法简捷有效、精度和可靠性达到要求,验证了多传感器应用于全自动智能跟踪系统的可行性。     

六足机器人动态目标检测与跟踪系统研究

动态目标检测与目标跟踪是图像领域的热点研究问题,为研究其在移动机器人领域的应用价值,设计了六足机器人动态目标检测与跟踪系统。针对非刚体运动目标容易被检测为多个分散区域的问题提出区域合并算法,并通过对称匹配、自适应外点滤除对运动背景进行精确补偿,最终基于背景补偿法实现对运动目标的精确检测。研究了基于KCF（Kernel Correlation Filter）的目标跟踪算法在六足机器人平台上的应用,设计了自适应跟踪算法实现六足机器人对运动目标的角度跟踪。将运动目标检测及跟踪算法应用于六足机器人系统。实验表明,在六足机器人移动过程中,系统可对运动目标进行精确检测与跟踪。     

基于粒子滤波和在线训练支持向量机的目标跟踪新方法

序列图像中运动目标跟踪的有效性和鲁棒性是一个非常富有挑战性的课题。为提高在运动背景条件下视觉目标跟踪的性能,克服复杂环境对跟踪算法准确性的影响,提出了一种基于粒子滤波和在线训练支持向量机的目标跟踪新方法。从目标的特征描述和提取着手,引入了积分直方图快速提取特征的方法,加快粒子滤波器运行速度,满足一定的实时性要求。同时,分析了运动背景条件下具有代表性的跟踪算法的本质和特性,结合目标识别创新性地提出在线训练支持向量机的方法,通过在线识别信息和跟踪信息的融合保证算法具备较强的鲁棒性。实验结果表明,该算法能有效的解决动态背景条件下遮挡、光照变化和运动模糊等复杂情况下,对目标进行准确、有效、近乎实时的跟踪。     

基于ARM联合DE算法的监控方案设计与实现

图像监控系统的主要目的是对目标区域空间进行实时的监视与控制,其目的是准确清晰的获取目标图像。传统的图像监控系统存在布线复杂,适用范围小且扩展性差的缺陷。 为了提高视频监控系统的图像质量,改善其扩展性差的缺点,提出了基于ARM的无线嵌入式图像监控系统;同时基于帧间差分算法,结合自适应阈值等手段设计了图像监控系统中目标检测算法,提高了图像的获取质量并且实现了目标跟踪功能。设计的系统可以有效对目标区域进行实时监控,获取目标信息,跟踪移动目标。实验结果证明,该系统在图像监控方面具有很高的实时性、可靠性。     

基于PSO算法的运动目标跟踪研究

提出一种基于PSO的运动目标跟踪方法,并在TMS320DM642上实现.该方法首先针对采集到图像的Y分量通过帧间差分和背景差分相结合的方法建立背景模型,然后检测出前景运动目标,接着通过前景运动目标初始化目标模板,再对目标模板和待跟踪视频图像分别进行两次金字塔降采样,降低目标模板和待跟踪视频图像的分辨率.在顶层金子塔上采用粒子群优化算法对跟踪目标进行粗定位,在中间层和底层金字塔上采用钻石搜索方法对跟踪目标进行精确定位.在目标跟踪的过程中,目标模板随运动目标的变化而不断更新,实现对目标的实时连续性跟踪.该方法可以有效降低计算复杂度,提高搜索效率.     

Vision‐Based Tracking and Position Estimation of Moving Targets for Unmanned Helicopter Systems

The primary goal of this study is to track a ground‐moving target using a machine‐vision system installed on an unmanned helicopter, and to estimate its position if the target becomes unobservable. The machine‐vision system is accomplished using real‐time color images obtained from a charge‐coupled device (CCD) camera mounted on a computer‐controlled gimbaled system that can pitch and yaw. To avoid real‐time image‐tracking failure resulting from a moving target becoming concealed, the Kalman filtering technique is applied to predict the target's follow‐on position, so that the camera can continuously track the target. The entire system is initially tested on the ground and then mounted on a helicopter for in‐flight testing. The following three cases are shown in the flight tests: (1) an uncovered static target; (2) a moving visible target; and (3) a target that moves in a straight line at a constant speed and becomes temporarily concealed. The vision‐based tracking system with the developed algorithm is successfully applied in all three cases.     

A multi-cue mean-shift target tracking approach based on fuzzified region dynamic image fusion

Traditional target tracking algorithms based on single sensor images are unstable and have low accuracy. Based on regional target detection and fuzzy region rules, a fuzzy region-based multi-sensor image fusion approach is proposed in this paper. The similarity measure weight is adapted to this dynamic image fusion algorithm, while the tracking method uses the proposed multi-cue mean-shift tracking algorithm. Three experimental results using real world image sequences are evaluated using the steady state square root mean error. The fusion and tracking experiments indicate that the proposed approach is effective and efficient when aiming at a target moving from one area to a different area, which meets the robustness and real-time requirements.     

基于细胞神经网络运动目标跟踪算法研究

运动目标跟踪是模式识别、图像处理、计算机视觉等领域的重要课题,它把图像处理、自动控制、信息科学有机结合起来,针对背景是静止的运动物体图像序列,提出了基于细胞神经网络移动目标跟踪,该算法大部分采用细胞神经网络结构,能够实现高效、快速的移动目标跟踪,可以满足实时需要,在实验基础上验证了该算法的有效性。     

基于IR-UWB雷达的多视角融合动态目标追踪

近年来,对运动目标的定位和追踪被广泛地应用于室内导航、智能家居、安防监控和智慧医疗等场景.基于无线射频信号的非接触式定位追踪受到了研究人员的广泛关注,其中基于商用IR-UWB的技术能够以较低的成本和功耗实现目标定位和追踪的功能,具有较强的发展潜力.然而,现有工作大多存在以下问题:1)追踪场景受限,只针对理想情况下室外或者相对空旷的室内场景进行建模和处理; 2)目标的运动状态受限且建模过于理想; 3)虚假动态目标引起的追踪精度不足.为了解决这些问题,在理解多径场景下接收信号谱组成的基础上,提出一个基于IR-UWB的动态目标追踪方法.首先提取原始信号谱中动态成分,并利用基于高斯模糊的多径消除和距离提取算法,消除了多径干扰,仅保留与运动目标直接相关的一次反射信息,从而准确地获取了目标的距离变化曲线.随后,提出多视角融合算法,将不同视角上的设备距离信息进行融合,实现对自由活动目标的准确定位和追踪.此外,还搭建一个基于低成本商用IR-UWB雷达的实时动态目标追踪系统.真实室内家居场景中的实验结果表明,系统估计的人体中心的位置与真实运动轨迹的误差始终小于20 cm.在改变实验环境、实验者、活动速度...