基于边界矢量场的视频运动目标检测与跟踪

提出了一种新的视频运动目标检测与跟踪方法.该方法首先采用自适应帧间差分法对视频序列图像的运动目标进行粗检测,进而采用BVF(边界矢量场)Snake方法准确地检测出运动目标轮廓;其次获得轮廓质心后,对传统的α-β-γ滤波器进行了改进,实现对运动目标的实时跟踪;最后根据预测的质心位置来自动完成下一帧轮廓初始化.实验结果表明,该方法具有良好的实时性和准确性.     

用PLC对水平连铸“火焰切割”的自动控制

介绍了用PLC对抚顺钢厂二炼分厂水平连铸火焰切割机，切割区内辊道，冷床及其附属设备实现的自动控制。经过实际生产运行证明，该控制系统运行可靠，为企业增加了较大的经济效益。     

基于正交高斯赫密特矩的车辆检测算法

针对交通场景下多部车辆的情况,提出了一种基于正交高斯赫密特矩的车辆检测算法.该方法利用正交高斯赫密特矩完成运动车辆检测,并结合车辆检测结果进行边缘检测,采用Ostu自动选取分割阈值,获得细化目标边缘图.实验结果表明,该方法能够从复杂的交通场景下有效检测出运动车辆并进行跟踪,且算法实时性好.     

用PLC对水平连铸“火焰切割”的自动控制

介绍了用ＰＬＣ对抚顺钢厂二炼分厂水平连铸火焰切割机，切割区内辊道，冷床及其附属设备实现的自动控制。经过实际生产运行证明，该控制系统运行可靠，为企业增加了较大的经济效益。     

基于OpenCV的视频运动目标检测与跟踪

针对视频文件中运动目标检测与跟踪这一问题,提出一种先检测后跟踪的方法.首先利用平均背景法完成对背景模型的更新,从而检测出运动目标,在此基础上利用投影法来投影出运动目标的大小,最后再利用MeanShift算法对运动目标进行跟踪.在跟踪过程中,通过OpenCV编写程序实现对运动目标的检测与跟踪.实验验证,该方法在实现运动目标的精确检测与跟踪的基础上,减少了运算量,提高了跟踪的速度.     

加热炉过程自动化系统热装热送功能的开发

为了实现加热炉热装热送功能,在加热炉过程自动化系统中,开发连铸出口辊道至加热炉上料辊道的钢坯跟踪,对过程自动化模型进行优化,使其具备热坯处理功能.     

基于计算机视觉的运动目标跟踪算法探究

在目标是捕获标记点的运动系统中,由于有些标记点有着相似的特征,容易在捕获的时候发生错误,增加了跟踪标记点的难度.为了解决上述问题,笔者提出了以双视觉为基础的跟踪算法,可以找出运动区域内不正确的标记点,从而完成对正确的标记点的跟踪,从而解决标记点相似而导致的跟踪丢失问题.最后得到关于标记点正确的三维运动数据.并经过试验的检验说明,双视觉跟踪算法能够准确的跟踪标记点.     

一种综合运动检测和视觉跟踪的智能监控系统

智能监控是当前计算机视觉领域中的热点问题之一。本文提出了一种运动检测与视觉跟踪相结合的智能监控系统,能自动完成轨迹的初始化和终止,能够对数目可变的目标进行自动跟踪。该系统首先利用基于颜色空间模型的阈值化背景减法提取出运动目标,然后结合基于MCMC的颜色粒子滤波器和全局最近邻法对多个目标进行跟踪。并基于OpenCV机器视觉库搭建了智能视频监控平台。实验表明,该系统可以实时有效地检测、跟踪数目变化不定的运动物体。     

基于局部姿态先验的深度图像3D人体运动捕获方法

提出一种基于局部姿态先验的从深度图像中实时在线捕获3D人体运动的方法.关键思路是根据从捕获的深度图像中自动提取具有语义信息的虚拟稀疏3D标记点,从事先建立的异构3D人体姿态数据库中快速检索K个姿态近邻并构建局部姿态先验模型,通过迭代优化求解最大后验概率,实时地在线重建3D人体姿态序列.实验结果表明,该方法能够实时跟踪重建出稳定、准确的3D人体运动姿态序列,并且只需经过个体化人体参数自动标定过程,可跟踪身材尺寸差异较大的不同表演者;帧率约25fps.因此,所提方法可应用于3D游戏/电影制作、人机交互控制等领域.     

基于多特征与DCNN的红外SF6泄漏检测方法研究

传统SF6泄漏检测耗费大量人力物力.针对该问题,提出一种基于红外成像技术的自动检漏方法.使用混合高斯模型确认泄漏视频中的疑似泄漏区域;通过HSV颜色空间分析SF6泄漏的颜色特征;分析泄漏SF6在红外技术下的动态特性,提取其不规则运动特征;使用膨胀卷积神经网络(DCNN)作为分类器,并在视频帧上完成对泄漏区域的标注.实验结果表明,该方法通过检测不同设备、不同部位的SF6泄漏视频能够准确标记出SF6泄漏区域,检测准确率可以达到82.71％.     

一种基于优先搜索方向的边界跟踪算法

图像处理尤其是区域分析中,区域的边界是非常重要的信息。提出了一种基于优先搜索方向的边界跟踪方法。该方法是以区域为基本操作单元,以当前边界点和上一边界点所确定的方向的外法线方向为起始搜索方向,顺时针方向搜索下一个边界点,当下一个边界点与该区域第一个边界点重合时,该区域搜索完毕,并开始对下一个区域进行跟踪。利用这种方法跟踪出来的区域边界,不但能够很好的满足对边界一个像素的宽度、同一个区域的边界连通封闭、准确定位在区域外围轮廓上的要求,而且能够完整准确地保持目标区域外边界的自身原貌和特点,以及内、外边界彼此独立,可独立成图用。由于这种算法在跟踪过程中充分考虑已知边界点对后续边界点的影响,使得边界点保持了良好的相关关系,可以根据实际应用的要求,在跟踪过程中直接实现边界的矢量化。     

LAND红外测温仪的MULPIC中的应用

MULPIC冷却模型是决定宽厚板产品性能的重要因素之一,而MULPIC区域的智能冷却模型很大程度上依赖于钢板的实测温度.本文介绍了LAND红外测温仪在MULPIC生产中应用,并详细介绍了红外测温仪的测温原理以及分类.对高温计的峰值采集功能、均值功能、跟踪保持功能做了详细介绍.     

From Statistical Panic to Moral Panic: The Metadiscursive Construction and Popular Exaggeration of New Media Language in the Print Media

As a way of tracking popular framing of CMC, this article critically reviews an international corpus of 101 print-media accounts (from 2001 to 2005) of language-use in technologies such as instant messaging and text messaging. From the combined perspective of folk linguistics and critical discourse analysis, this type of metadiscourse (i.e., discourse about discourse) reveals the conceptual and ideological assumptions by which particular communication practices come to be institutionalized and understood. The article is illustrated with multiple examples from across the corpus in order to demonstrate the most recurrent metadiscursive themes in mediatized depictions of technologically or computer-mediated discourse (CMD). Rooted in extravagant characterizations of the prevalence and impact of CMD, together with highly caricatured exemplifications of actual practice, these popular but influential (mis)representations typically exaggerate the difference between CMD and nonmediated discourse, misconstrue the "evolutionary" trajectory of language change, and belie the cultural embeddedness of CMD.     

基于Gabor滤波和特征三角形的驾驶员面部跟踪

文章提出了一种驾驶员面部跟踪的鲁棒、有效的视频图像人脸跟踪算法。该算法根据水平投影曲线获取眼睛、鼻孔和嘴等区域构造特征三角形(包括等腰三角形和直角三角形),再根据刚体约束生成潜在人脸跟踪矩形区域。再采用二维Gabor核函数构造最优滤波器48个,在特征跟踪矩形区域内获取48个人脸特征点。该算法能够在不同尺寸、不同光照、不同姿态和不同表情甚至不同噪音情况下跟踪人脸有效率达97.81%。     

信息视频图像人脸检测算法研究

本文首先采用运动信息检测算法,根据帧图像中是否包含运动信息判断图像中是否包含人脸区域,决定是否对该帧进行肤色分割,然后依据非线性的YCbCr肤色模型对需要检测的帧进行分割,进一步确定人脸区域的大致位置,并进行了仿真实验,实验结果表明该算法能够对视频图像序列中的人脸进行检测,具有良好的性能和一定的研究参考价值。     

Mean shift tracker combined with online learning-based detector and Kalman filtering for real-time tracking

Color-based visual object tracking is one of the most commonly used tracking methods. Among many tracking methods, the mean shift tracker is used most often because it is simple to implement and consumes less computational time. However, mean shift trackers exhibit several limitations when used for long-term tracking. In challenging conditions that include occlusions, pose variations, scale changes, and illumination changes, the mean shift tracker does not work well. In this paper, an improved tracking algorithm based on a mean shift tracker is proposed to overcome the weaknesses of existing methods based on mean shift tracker. The main contributions of this paper are to integrate mean shift tracker with an online learning-based detector and to newly define the Kalman filter-based validation region for reducing computational burden of the detector. We combine the mean shift tracker with the online learning-based detector, and integrate the Kalman filter to develop a novel tracking algorithm. The proposed algorithm can reinitialize the target when it converges to a local minima and it can cope with scale changes, occlusions and appearance changes by using the online learning-based detector. It updates the target model for the tracker in order to ensure long-term tracking. Moreover, the validation region obtained by using the Kalman filter and the Mahalanobis distance is used in order to operate detector in real-time. Through a comparison against various mean shift tracker-based methods and other state-of-the-art methods on eight challenging video sequences, we demonstrate that the proposed algorithm is efficient and superior in terms of accuracy and speed. Hence, it is expected that the proposed method can be applied to various applications which need to detect and track an object in real-time.     

基于多尺度建议框的目标跟踪误差修正方法

随着深度学习技术引入视觉目标跟踪领域,目标跟踪算法的精度和鲁棒性有了很大的提高。但在低空无人机跟踪目标的实际场景中,情况比较复杂,如相机的抖动、大量的遮挡、视角和焦距的改变等,使得跟踪算法的准确性受到极大挑战。目前的算法大多建立在目标外观变化缓慢的前提假设下,在跟踪的过程中不具备检测和修复漂移（跟踪误差）的能力。针对该问题,提出了一种基于多尺度建议框的目标跟踪误差修正方法。离线阶段,利用大量的已标注的目标样本训练基于多尺度建议框的目标跟踪修正模型,获取不同类别目标的先验知识。在线阶段在核相关滤波跟踪的基础上,依据相关响应置信度自适应评价的结果,通过目标跟踪修正模型不定期重新初始化目标的位置,避免了因为误差累积而导致跟踪失败。算法在无人机航拍数据集上进行了测试,结果表明,该跟踪算法在目标发生较大形变的情况下能较好的修正跟踪漂移问题。相比于其他几种算法,目标跟踪的成功率和精度分别提高了14.3%和3.1%。     

基于改进YOLOv5和Bytetrack的牦牛跟踪

目前, 我国青藏高原地区的牦牛养殖方式以传统的人工放牧为主. 为解决人力养殖方式无法快速跟踪统计牦牛数量的问题, 本文提出了一种改进YOLOv5和Bytetrack的牦牛跟踪方法, 以实现在视频输入情况下快速检测跟踪牦牛. 采用基于深度学习的YOLOv5目标检测网络, 结合CA注意力、跨尺度特征融合和空洞卷积池化金字塔等优化方法, 减少牦牛检测中因遮挡而导致检测难度大、误检漏检的问题, 实现对视频中牦牛更精确的检测; 使用Bytetrack跟踪器通过卡尔曼滤波和匈牙利算法实现帧间目标关联, 并为目标匹配ID; 使用ImageNet中的部分牦牛数据和青海玉树地区采集的牦牛样本图像来训练模型. 实验结果表明: 本文改进模型的平均检测精确度为98.7%, 比原YOLOv5s、SSD、YOLOX和Faster RCNN模型分别提高1.1、1.89、8.33、0.4个百分点, 能快速收敛, 检测性能最优; 改进的YOLOv5s和Bytetrack跟踪结果最优, MOTA提高了7.1646%. 本研究改进的模型能够更加快速准确地检测和跟踪统计牦牛, 为青海地区畜牧业的智慧化发展提供技术支持.     

改进的核相关滤波跟踪算法

主要针对核相关滤波（KCF）跟踪算法无法解决目标跟踪中尺度变化及目标丢失问题,提出了一种改进的核相关滤波目标跟踪算法。在训练位移滤波器的基础上增加了一个尺度滤波器来改进目标尺度变化问题。为解决目标丢失问题,结合了遮挡处理机制,当判断目标受到遮挡面积较小时使用支持向量机（SVM）对样本进行在线训练,当目标遮挡时使用再检测分类器进行检测。实验结果表明,该方法与其他优秀跟踪算法比较跟踪精度有明显提升。     

Robust tracking via monocular active vision for an intelligent teaching system

The research of this paper investigates a practical intelligent tracking teaching system, addressing the problem of teacher detection and tracking via monocular active vision in real time. The split lines and position-based visual servo rules are created to realize the robust and stable tracking, which is designed to keep the tracked teacher in the middle of image with a fixed size by automatically controlling a pan/tilt/zoom monocular camera in either rostrum region or other regions in the classroom. Face tracking in rostrum region is initiated by a face detector based on Adaboost followed by a novel long-term tracking algorithm named as informative random fern-tracking-learning-detection (IRF-TLD), which has advantages for its high accuracy and low memory requirement using real-valued feature and Gaussian random projection. Moreover, Gaussian mixture model can be automatically started to detect the teacher’s movement when face tracking fails or stand-up students are detected. Experimental results on many benchmark sequences, which include various challenges for tracking, such as occlusion, illumination and pose variations, and scaling, have demonstrated the superior performance of the proposed IRF-TLD method when compared with several state-of-the-art tracking algorithms. Extensive experiments in a series of challenging real classroom scenarios also demonstrate the effectiveness of the complete system.