基于SURF目标跟踪算法研究

SIFT算法是特征图像特征提取中一种最具鲁棒性的算法,但是其在特征提取匹配上速度较慢,很难满足实时目标跟踪的要求。使用SURF特征提取方法既保持了SIFT算法的高精度的优点,又克服了速度慢的缺陷。提出使用SURF提取并且匹配目标的特征点,用重心算法计算目标的脱靶量,通过小区域跟踪方法和高速硬件平台实现目标的实时跟踪。实验证明,算法对目标的轻微旋转、部分遮挡、亮度变化具有很强的鲁棒性,跟踪速度比SIFT算法也极大提高。     

基于改进Camshift的运动目标跟踪算法应用研究

CamShift是利用目标颜色信息对目标跟踪的算法,当目标运动过快时,由于运动方向的不确定性,Cam—Shift不能准确跟踪目标,导致跟踪丢失．针对存在的问题,文章在Camshift算法中引入目标运动轨迹预测思想,提出了一种能有效跟踪运动目标的新方法．该方法能准确预测运动目标的位置,减少在算法中搜索目标的次数,进而提高目标跟踪的准确性和速度．实验结果表明,该方法对运动目标能够快速、有效地进行跟踪．     

基于Kalman预测器的多特征Camshift运动目标跟踪算法

基于色度特征的Camshift算法在运动目标颜色特征与背景颜色特征差别不大或目标附近有与目标色度相近的物体时,往往会失去跟踪目标或者跟踪目标不准确.据此,提出一种基于Kalman预测器的多特征融合的Camshift运动目标跟踪算法,将色度特征和梯度方向特征结合起来,利用综合直方图实现目标跟踪,并针对运动目标突然加速导致目标跟丢的情况,采用Kalman预测器预测运动目标在下一帧中可能出现的位置,再用Camshift算法搜索目标中心,提高搜索的实时性.实验表明,该改进算法有效地解决了原有算法存在的问题,提高了目标跟踪的速度与精度,满足了实时性要求.     

利用Camshift算法实现运动目标自动跟踪

为实现在背景复杂、颜色混淆、目标形变等环境下自动跟踪目标,将Camshift算法对色调分量敏感的特性推广到饱和度、亮度等分量,构造了颜色三分量凸函数组合模型,利用多目标规划最优求解法获取自适应颜色识别最佳组合解,结合质心、倾角识别和Kalman运动信息预测跟踪技术,取得了复杂场景下多色度目标发生旋转、遮挡和速率变化时都能精确跟踪的效果,并将这种改进的Camshift组合算法应用在自适应实时跟踪系统上,提高了系统识别速度和跟踪能力。     

基于改进Camshift的人脸跟踪算法

研究了一种基于改进Camshift的人脸跟踪算法.该算法采用分块加权的直方图匹配方法增强人脸的辨识度,通过人脸形态约束筛选不合理的人脸形态变化,并结合Kalman滤波器预测修正跟踪人脸位置.实验表明,改进后的算法比经典Camshift算法有更强的抗肤色干扰能力和跟踪准确性.     

基于Kalman滤波器的运动目标跟踪算法

运动目标跟踪是计算机视觉中的一个典型问题,如何能准确快速的跟踪目标是研究的关键。提出了Kalman滤波器结合Camshift的改进算法。首先选取一段视频图像序列,通过背景差分法快速检测出运动目标,初始化搜索窗口,用Kalmam滤波器预测目标位置,再用Camshift迭代算法计算目标最优的位置,将结果作为Kalman滤波器进行下一次预测的估计值。实验表明,当目标被严重遮挡或受到同色背景干扰时,本算法仍能快速准确的跟踪运动目标。     

SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换（SIFT）算法的精度和稳定性都不够,而加速鲁棒特性（SURF）算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFF算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。     

基于IMM的舰载雷达目标跟踪算法研究

首先研究了目标跟踪中的卡尔曼滤波算法和常用的机动目标跟踪模型,分析了各模型基于卡尔曼滤波算法的跟踪性能。然后,引入交互式多模型算法,使用多个不同的运动模型匹配目标不同的运动模式,且各模型之间存在交互。在MATLAB中模拟舰载雷达的目标运动航迹,采用交互式多模型算法,通过对经典交互式模型(即一个CV模型和一个CA模型)的实验仿真,验证了在目标跟踪系统中交互式多模型算法的有效性。     

基于注意力机制的Siamese目标跟踪算法研究

为了进一步提升Siamese神经网络算法在目标跟踪领域的性能,本文对SiamMask的backbone模型基于注意力机制原理进行了重新设计。首先,对Siamese目标追踪网络的backbone网络框架进行局部修改;其次,对改进的算法与原SiamMask算法在Microsoft COCO2017数据集上进行了网络训练与验证;最后,将原SiamMask算法与改进的算法的验证集数据进行比对,以此来评价改进算法的性能。结果表明,在同等算力与数据集的条件下,基于注意力机制的backbone Siamese目标跟踪算法比SiamMask在IOU值上有2个百分点左右的性能提升。     

基于粒子预测的非线性状态目标跟踪算法

对目标状态进行可靠的估计,可以在相对较小搜索区域内完成对模板的搜索,提高跟踪的实时性.卡尔曼(Kalman)预测对线性高斯问题能够提供最优估计,而对目标模型、观测方程等要求的非线性、非高斯问题不再适用,针对此问题,提出利用基于蒙特卡罗(Monte Carlo)模拟方法和贝叶斯估计的粒子滤波(Particle Filter)对非线性、非高斯问题进行位置预测.详细描述了基于粒子预测的目标跟踪算法,并给出实验仿真结果.     

基于新息协方差的机动目标轨迹估计算法研究

针对态势显示系统中机动目标运动状态不确定、卫星定位误差、接收机随机噪声造成的目标轨迹估计精度低的问题。在"当前"统计模型的基础上,提出了一种基于新息协方差的Kalman滤波算法,该算法根据新息协方差的极大似然最优估计实现加速度方差的实时估计和自适应调整。仿真结果表明,该算法的估计性能优于常规算法,跟踪精度较高。     

Target Tracking Algorithm Based on Meanshift and Kalman Filter

Directed at the problem of occlusion in target tracking, a new improved algorithm based on the Meanshift algorithm and Kalman filter is proposed. The algorithm effectively combines the Meanshift algorithm with the Kalman filtering algorithm to determine the position of the target centroid and subsequently adjust the current search window adaptively according to the target centroid position and the previous frame search window boundary. The derived search window is more closely matched to the location of the target, which improves the accuracy and reliability of tracking. The environmental influence and other influencing factors on the algorithm are also reduced. Through comparison and analysis of the experiments, the modified algorithm demonstrates good stability and adaptability, and can effectively solve the problem of large area occlusion and similar interference.     

基于EDKF的机动目标跟踪算法研究

运用"当前"统计模型(CS)的扩充卡尔曼滤波(EDKF)与匀速运动(CV)模型进行交互,设计出了一种适合于色噪声环境中机动目标跟踪的交互式多模型(MM-EDKFCS/CV)算法.CS模型适用于一般的机动目标跟踪,EDKF对色噪声中目标的跟踪具有较高的跟踪精度,因此IMM-EDKFCS/CV算法保证了色噪声中机动目标和非机动目标的跟踪性能.仿真结果证明了此算法的可行性和有效性.     

基于ELM与Mean Shift的抗遮挡目标跟踪算法

针对目标跟踪过程中发生遮挡时跟踪出现偏差的情况,在传统Mean Shift跟踪算法的基础上引入极限学习机(extreme learning machine,ELM),提出了基于ELM与Mean Shift的目标跟踪算法。该算法根据过去3个时刻的目标位置信息,利用ELM预测出目标当前可能位置,代替目标前一时刻位置作为Mean Shift迭代起始点,并在邻域范围内进行迭代,得到目标的真实位置.实验结果表明,与现有的改进算法相比,新算法减少了迭代次数和运算时间,同时在遮挡情况下能够准确定位目标位置并进行跟踪,提高了跟踪系统的实时性和鲁棒性.     

基于SURF算法的双目视觉立体匹配研究

针对双目视觉立体匹配效率低的问题,从SURF匹配算法和摄像机标定、校准方面进行了改进。与传统视觉匹配算法相比,SURF匹配算法具有效率高、抗干扰能力强等优点。对摄像机进行标定与校准,校准后的特征点更精确,为准确匹配奠定了基础。利用极线约束条件改进SURF算法匹配速率,并进行了相关实验。实验结果表明,算法不仅降低了匹配时间,而且还提高了匹配准确率。     

基于SURF算法和OpenCV的掌纹识别技术研究

该文提出了一种基于快速鲁棒特征算法和OpenCV的掌纹识别方法。首先应用固定阈值法将手掌二值化,并提取出有效掌纹区域。然后用快速鲁棒特征算法提取并描述该区域的特征点,再通过随机采样一致性算法进行特征点之间的匹配。最后,通过一系列测试对该系统的性能进行了评估,实验结果证明该系统对掌纹图像的旋转、亮度和尺度变化具有较好的鲁棒性,且具有比较高的识别精度和时间性能。