视频序列中运动目标检测与跟踪

针对视频序列中运动目标的检测与跟踪,提出了一种基于边缘检测的背景差分算法。这种算法计算量较小,比较简单,在可以得到完整的运动目标的边缘信息的前提下,还不会受到背景的改变和光线的变化等外界因素的干扰。实验结果表明该方法具有良好的鲁棒性。     

视频序列中的运动目标检测与跟踪

提出一种视频序列中的运动目标检测跟踪算法。该方法采用直方图统计与多帧平均混合作为动态背景更新法,经过噪音消除、形态学处理、阴影处理后,用区域标记法提取目标。利用目标特征参数建立目标数组,通过当前帧目标数组和前一帧目标数组距离匹配实现运动目标的快速跟踪。该方法与传统方法相比具有更好的学习能力,从而有效地提高了运动目标检测的正确率和快速性。实验结果表明该方法具有良好的鲁棒性和自适应性。     

视频序列中运动目标检测与跟踪方法研究

提出了一种从摄像头获取的彩色图像中准确地检测出运动目标并进行实时跟踪的算法。首先将采集到的彩色视频图像序列转化为灰度图像,研究了几种图像锐化方法并进行了比较。然后进行帧间差分和阈值分割,成功分离出运动目标。最后采用投影法得到运动目标的大小及位置。实验结果表明,提出的运动目标检测与跟踪方法简单、有效、实时性高。     

视频序列中运动目标的检测与跟踪方法

提出了一种视频序列中运动目标的检测与跟踪算法,该算法采用基于码本背景建模的减背景法与差分法相结合的算法,实现对运动目标的快速精确的检测与提取,也能够在存在前景运动的过程中提取背景,使用卡尔曼滤波对运动目标在下一帧中最可能出现的位置进行估计,在此基础上利用Camshift跟踪算法进行较小范围的搜索和目标匹配,减少了运算量、节约了搜索和匹配的时间、提高了跟踪的速度。实验证明该方法具有一定的实用性。     

目标跟踪序列检测方法

所研究的序列假设测试适用于数字图像序列中有关低可视机动点源目标的多帧检测和跟踪。所提出了多重多阶段设测试跟踪算法采用多阶假设跟踪策略，从序列检测目标轨迹那部分延伸所形成的轨迹。ＭＭＨＴＴ算法不需概率目标机动模型。利用截断序列概率测试求出计算的的有效系数，以便删除密密集候等外刀迹树和评价检测的那部分轨迹。文中利用光学卫星跟踪试验结果，介绍和证实了分析的性能评定。     

视频序列中的目标检测

重点研究视频序列中运动目标的提取、跟踪、分类等问题,最终实现了一个完整的目标检测系统。首先,考虑到算法的复杂度和检测的实时性需求,优选了背景差与帧差相结合的检测方法,通过背景实时更新,达到了一个较好的检测效果。其次,充分考虑了卡尔曼滤波跟踪的简单、高效等特性,通过计算当前目标与候选目标之间的欧氏距离来寻找最佳匹配目标和区分相交物体。再者,提出了一种先用Adaboost算法获得各个目标的初分类,再采用BP神经网络对目标进行细分类的方法,实践证明,该方法在保证对绝大部分人、自行车、汽车有很好的分类效果外,对大部分杂物也能有较好的区分。最后,通过Matlab编程,设计并实现了一个完整的运动目标检测系统。     

基于OpenCV的交通视频运动目标检测与跟踪

智能交通系统（ITS）是目前世界交通运输领域正在研究和广泛关注的课题。OpenCV是一种用于数字图像处理和计算机视觉的函数库,由Intel公司开发。本文在目标检测方面,对采集到的交通视频进行灰度化、中值滤波、背景建模、二值化,背景差分等处理,可以较准确地检测出运动目标。在目标跟踪方面,提出了CamShift算法和Kalman滤波器相结合的方法,实现视频车辆的精确跟踪。最后,利用OpenCV的运动物体跟踪的数据结构、函数库,建立了一个视频车辆分析系统。用于道路上车辆的检测与跟踪,并具有良好的鲁棒性。     

视频监控中的运动目标检测与跟踪技术研究

视频监控中运动目标的检测和跟踪是智能视频监控的关键技术,本文利用帧间差分法和背景差法对运动目标进行检测,对这二种检测方法进行了研究和比较;利用波门（跟踪窗口）选取视场中某部分图像为目标图像,然后用边缘或质心跟踪等跟踪算法确定目标位置以及目标位置与波门位置的偏差实现了对目标的跟踪。     

基于视频序列的运动目标检测

为了能够在数字视频系统中实时的检测出运动目标,提出了一种基于序列图像的运动目标实时检测方法.采用了改进的基于自适应背景提取与自适应阈值分割的背景差分方法提取运动区域,同时使用高斯滤波及形态学滤波消除噪声等,改善了对运动区域的提取效果.实际工程实践证明,该方法可以准确、有效的完成运动目标分割,经统计,检测准确率在95%以上.     

运动目标检测与跟踪算法的改进与实现

提出了一种对视频图像中运动目标检测并进行实时跟踪的新方法。该方法利用基于背景建模的背景差分与改进的带时间戳的运动历史图像(tMHI)的目标分割相结合的算法对运动目标进行检测,在获取到视频流中的运动目标轮廓后使用基于tMHI的运动梯度算法来实现运动目标的跟踪。实验结果表明,该方法能够对指定区域内的目标进行有效识别和准确跟踪,并且弥补了运动目标暂时性停止时无法检测出来的不足。     

基于智能视频监控系统的运动目标检测和跟踪

以DaVinci技术的TMS320DM365作为处理器,完成周边模块的配置以及监控系统的设计,并以用改进型背景更新差分法和Kalman滤波方法对运动目标进行检测和跟踪。实验结果表明,改进后的算法在对运动检测中背景更新和目标提取有更好的效果,同时也满足了系统运算量小、实时性强的需求。     

基于SOPC的视频运动目标检测跟踪系统

文章是以Nios II处理器为中心的视频运动目标检测跟踪系统,通过CMOS图像传感器采集视频图像信息,采用帧间差分法检测运动目标,形心跟踪算法对目标进行跟踪,最后在VGA显示器上显示视频中运动物体。实验结果表明,该系统可达到运动目标检测跟踪的理想结果。     

一种航迹恒虚警的目标检测跟踪一体化算法

对于传统雷达系统,目标检测和目标跟踪通常被看作是两个独立的过程。然而,在跟踪阶段,可以获得目标位置信息(跟踪信息),将该信息反馈至目标检测器将有助于提升检测性能。为此,该文提出一种航迹恒虚警的目标检测跟踪一体化算法。首先根据目标跟踪信息和目标运动模型,建立预测波门;然后按照给定的航迹虚警概率,计算帧虚警概率,即预测波门内至少出现一个虚警的概率;最终根据帧虚警概率调整预测波门内的检测门限,完成目标检测过程。仿真实验表明,该算法可以大大提高目标检测概率,推远目标跟踪距离,同时也可以保证目标突然消失时航迹能够以较高的概率结束。     

红外图像中快速运动目标的检测与跟踪方法

红外热成像图像具有分辨率较低,细节模糊,对于快速运动目标适应性较差的特点.本文提出了一种结合目标检测算法,目标跟踪算法的红外图像中快速运动目标的检测与跟踪方法.该方法根据红外图像特点,使用ViBE算法检测运动目标,检测出图像中显著运动目标后,触发跟踪器,使用fDSST目标跟踪算法对显著运动目标进行跟踪.测试结果表明,该方法对于快速运动的红外图像目标能够高效检测、快速跟踪.检测与跟踪效果相对传统方法具有检测率更高、鲁棒性更好、实时性更强的优势,对于红外图像中目标检测与跟踪具有很强应用价值.     

基于改进的均值漂移视频目标跟踪算法

【】 采用帧差法提取目标的运动特征,结合边缘特征对光照变化、颜色不敏感和颜色特征对旋转、形状姿态不敏感的优点,提出了一种新的运动-颜色和运动-边缘特征联合的外观模型对目标进行均值漂移跟踪。分别计算颜色直方图和边缘直方图的Bhattacharyya系数,利用加权求和的思想概念计算下一帧各个特征的权值,将各个特征自适应融合,提高了跟踪算法的鲁棒性。针对目标被严重遮挡或全部遮挡而导致跟踪丢失的问题,提出利用Kalman预测器预测目标的轨迹改进均值漂移算法。实验结果表明,在光照变化、相邻相似背景颜色、变形、遮挡等复杂背景下,该算法仍能很好的跟踪目标。     

红外目标精跟踪方法的研究

本文提出了一种直接把红外前视传感器的输出作为测量值来跟踪红外目标的扩展型卡尔曼滤波跟踪算法。在滤波处理时,设置可变的测量矩阵,其目的在于提高运算速度和抑制噪声干扰。通过具体的实例,对所提跟踪算法的特点和有效性进行了细致的分析。     

基于角点检测的光流目标跟踪算法

为了解决传统目标跟踪算法在目标发生旋转、变形等情况下容易丢失的缺陷,提出了首先使用Harris角点算法提取几个目标角点特征,光流法进行匹配点配准,最后采用重心算法确定目标脱靶量的跟踪方法.利用了角点提取算法具有运算速度快且能代表目标形状特征的特点以及光流配准具有匹配精度高的优点.实验结果表明,该方法具有较高的跟踪精度,对于目标旋转、变形、遮挡都具有很高的鲁棒性.     

基于树莓派B 微处理器的视频检测跟踪系统的实现

针对目前视频检测跟踪系统大多是在PC机上实现的现状,本文设计了一种基于树莓派B 微处理器的嵌入式检测跟踪系统,实现了视频检测跟踪系统的便携式小型化。在图像处理算法上本文采用帧间差分方法进行目标检测,通过形心标记进行目标跟踪。本系统采用基于Linux操作系统的树莓派B 微处理器进行算法移植,通过远程桌面连接工具或小型液晶显示器进行视频显示。实验结果表明,本系统可以很好的实现视频检测跟踪的基本功能。     

融合机动检测的交互多模型目标跟踪

传统交互多模型算法所采用的基于“软切换”思想的模式概率估计方法 ,大大减少了计算量 ,但同时只能实现对目标的次优跟踪。为了进一步提高跟踪系统的性能 ,文中讨论了一种融合机动检测的IMM跟踪算法 ,通过采用点过程滤波器对机动目标的机动进行实时检测 ,从而获得各模式的当前概率 ,并将其与传统IMM算法相结合 ,实现跟踪系统性能的提高。仿真结果表明 ,该算法具有良好的跟踪性能     

目标跟踪中的多模型算法发展综述

对目标跟踪中的多模型算法的形成与发展进行了回顾 ,指出了各阶段多模型算法的局限性 ,重点对当前多模型算法的发展方向进行了分析