中值流辅助在线多示例目标跟踪

针对机器人演示学习中目标跟踪性能的严格要求,提出一种可以有效克服快速运动、遮挡和目标漂移的物体跟踪方法.首先计算中值流,并预测目标的位置偏移,以此计算高斯权重;然后修正搜索区域,并使用在线多示例分类器进行目标搜索,计算似然度;最后使用贝叶斯框架对结果进行融合,使用穷举搜索得到最优的预测位置,并更新在线分类器.实验结果表明,与现有方法相比,该方法对快速运动和目标漂移具有更强的鲁棒性,而且可以达到实时跟踪.     

背景变化鲁棒的自适应视觉跟踪目标模型

提出了视觉跟踪任务中目标动态建模的一种方法.该方法首先针对跟踪序列中的当前帧图像观测进行Haar变换,从而得到图像的过完备特征描述;然后根据Fisher准则,评价每个Haar特征对目标和当前背景的区分能力,目标模型由那些区分能力最强的Haar特征构成.在跟踪过程中,采用卡尔曼滤波算法预测目标下一时刻的可能位置,从而根据目标的图像观测和目标下一时刻可能的位置附近的背景图像观测,对Haar特征的区分能力进行动态评价.通过保留区分能力强的特征,同时淘汰区分能力弱的特征,维护目标模型的强可区分性和低计算复杂性.该方法的主要策略是,在最大程度地保持可区分性的前提下,减少计算的复杂性.实验结果表明,在存在诸多不确定性因素的真实长序列视频上,该跟踪方法能够实时地完成复杂的目标跟踪任务.     

基于相关滤波的尺度自适应目标跟踪

针对视频目标跟踪中的尺度问题,提出了一种基于相关滤波的尺度自适应目标跟踪方法。首先利用核相关滤波获得目标的中心位置,然后将目标均分为四个子块,通过计算找出子块中心的最大响应位置,最后根据前后两帧目标子块中心位置的相对变化计算出尺度的伸缩系数,进而计算出目标尺度。在具有尺度变化的公开数据集上对本文方法进行测试,并和多种跟踪方法作对比,实验结果表明,该方法将尺度的计算问题转化为对子块中心的定位,其平均跟踪性能优于其它方法,验证了方法的有效性。     

基于Mean Shift的红外目标自动跟踪方法

Mean Shift是一种密度梯度的无参数估计方法,应用于目标跟踪领域有较好的性能.然而Mean Shift算法是一种半自动跟踪方法.为此,提出边缘检测与Mean Shift相结合的方法.利用结合小波的Canny边缘检测方法对初始帧进行目标检测,通过力矩在图像处理中的计算方法得出目标的形心位置,为Mean Shift方法提供初始信息.在目标丢失时,可以利用形心方法修正Mean Shift的迭代跟踪过程.实验结果表明,本方法可以实现对目标的自动跟踪,同时有效修正了对红外目标的跟踪偏移.     

基于集成多示例学习的Mean Shift跟踪算法

为了实现长时间稳定的对特定目标的跟踪,结合匹配型跟踪方法和决策型跟踪方法的优势,同时利用集成学习的思想构建多个强分类器,提出一种基于集成多示例学习的mean shift跟踪算法.首先在上一帧中对示例进行随机采样,构建分类器的集体,通过集成学习合成最终的分类器以确定当前帧中目标的初始位置;然后对初始位置和上一帧目标最终位置的距离与设定的阈值进行判断,决定是否采用mean shift跟踪算法对初始位置进行修订,以确定目标的最终位置.实验结果表明,该算法不但可以应对目标的形变、旋转、遮挡以及光照变化等各种复杂的情况,而且可以做到长时间的跟踪,具有较强的鲁棒性.     

基于图像放大影响的多模板相关跟踪算法

目标实时跟踪算法是图像处理技术中的一个非常重要的应用,该算法将提供的原始目标怍为基准图像进行序列跟踪。实时跟踪算法有很多种,大多是基于图像匹配算法的跟踪方法,其中比较常用的为单模板相关跟踪。该文通过对图像放大对相关跟踪影响的分析,计算了单模板相关跟踪的最小图像放大率。针对单模板存在的问题提出了多模板跟踪算法,根据目标莉背景的位置分布提出了五模板相关跟踪,并给出了多模板跟踪算法中的相关结果置信度的计算方法,同时根据最终的相关位置给出了跟踪点的计算方法,仿真试验证明优于单模板跟踪算法。     

基于特征点匹配的自适应目标跟踪算法

由于实际场景复杂多变,目标在运动过程中往往会出现形变、遮挡等问题,增加了跟踪的难度。为了解决上述问题,提出一种基于特征点匹配的自适应目标跟踪算法。算法初始化时在选定的目标区域内提取特征点,跟踪过程中通过对前后两帧的特征点进行匹配,计算出目标的位置、尺度和旋转变化,进而实现对目标的跟踪。同时通过对特征点的不断更新,可以使算法具有一定的抗遮挡能力。实验表明,该方法在实际应用中效果很好。     

一种基于纹理和颜色的目标跟踪方法

研究视频物体识别系统,传统连续自适应均值偏移(Camshift)跟踪方法根据H分量建立被跟踪目标的颜色模型,而H分量易受亮度(V分量)的影响,造成不能准确跟踪运动目标.为解决上述问题,引入运动目标的纹理特征,先提取HSV颜色空间的H分量,把它转化为局部二元纹理(LBP)图,计算目标的LBP纹理直方图并把反向投影到LBP纹理图上,得到LBP纹理概率图,然后采用Camshift算法确定当前图像中目标的尺寸和中心位置.对手势和人脸跟踪进行仿真计算,实验结果表明,在跟踪过程中可以对目标进行稳定的实时跟踪,通过计算,也改善了传统方法,使识别人脸不受光照的影响,验证了改进方法的有效性.     

基于梯度特征与彩色特征相融合的mean shift跟踪方法

针对mean shift跟踪方法中存在的光照变化不稳定问题,提出了基于梯度特征与彩色特征相融合的mean shift跟踪方法。首先分别提取目标的梯度特征和彩色特征,利用多尺度的相似度计算方法进行特征的匹配,然后通过最大化相似度对目标进行跟踪。通过物体和人体等运动目标的跟踪,验证了改进的跟踪算法在光照变化情况下的鲁棒性优于原有的算法,显著降低了跟踪位置误差。     

基于FPGA的运动目标检测与跟踪系统

针对传统运动目标检测与跟踪算法计算量大、检测速度慢、鲁棒性差的问题,提出了一种通过动态调整检测区域以实现高效运动目标检测与跟踪的方法。利用改进的帧间差分算法提取运动目标,将目标大小和位置信息分别传给区域裁剪算法和卡尔曼滤波跟踪算法,实现检测范围的缩小和目标跟踪。采用改进后的方法对分辨率为640×480的图像进行实验,检测到目标的大小为66×84,调整后的检测区域大小为132×168,帧间差分检测部分计算量减小了约92.78%,并且根据目标位置进行跟踪的效果较好,在FPGA中验证了此方法的正确性。     

旋转区域提议网络的孪生神经网络跟踪算法

孪生区域提议网络跟踪算法是一种高效的目标跟踪算法,通过锚框规避了图像金字塔对跟踪性能带来的影响,但这种跟踪方法受制于区域提议网络本身的局限性,在目标旋转时,跟踪精度将受到较大损失。而其他对旋转鲁棒性较高的方法则因为使用了复杂的旋转结构,导致算法的跟踪速度大幅下降。为了解决旋转目标对区域提议网络跟踪精度的影响,提出了旋转区域提议网络的孪生神经网络跟踪算法,通过AO-RPN（arbitrary-oriented region proposal network）结构将旋转与区域提议网络相统一,引入角度预测分支,在目标跟踪的过程中,直接对旋转的目标进行搜索,并得到最小外接矩形。该方法在保持较高跟踪速度的同时,精度超过了对目标进行旋转采样或使用局部特征进行跟踪的算法。通过在数据集OTB2015、VOT2016和VOT2018上进行的大量实验。结果表明,该算法在遮挡、形变、光照等多种复杂情况下表现出了较强的鲁棒性和适应性。     

Tracing tools to resolve neural circuits

In this paper we summarize neuroanatomical tracing methods, in particular combinations of methods designed to achieve the combined goals of tracing connectivity and extracting extra information from the projection or the target neurons. These combinations include techniques that identify projection fibres together with the neurons from which they originate, methods which establish the morphological or chemical identity of the target neurons and techniques to verify the presence of contacts between the terminal boutons on fibres and prospective target neurons. In the second part of this paper we describe a method recently developed in our laboratory, which consists of fluorescence tracing (introducing marker #1) combined with immunofluorescence with different fluorochromes (markers #2 and #3). This method enables us to observe the distribution of terminals of a particular set of projection fibres in contact with neurons belonging to two chemically different populations of interneuron. Multifluorescence confocal laser scanning is used for image acquisition of fibres and processes of presumed target neurons, and follow-up is by three-dimensional computer reconstruction. These reconstructions are used to determine that the contacts between the differentially labelled structures are real, i.e. with no optically empty space in between regardless of the angle of inspection. The specific experiments reported in this paper comprise the tracing with biotinylated dextran amine of fibres in the rat brain running from the presubiculum to layer III of the medial division of the entorhinal cortex. We studied the possibility of contacts in the latter area between the terminal boutons of these projecting fibres in association with presumed target neurons, i.e. parvalbumin and calretinin expressing interneurons.     

海天背景下三维目标红外成像仿真方法研究

通过建立的目标三维模型和场景数学模型,利用光线跟踪技术与图像融合算法,实现了海天背景下指定场景信息的目标红外成像仿真.首先,介绍仿真的主要流程,然后对建立三维目标信息、实现光线跟踪算法、目标红外图像与背景红外图像融合三部分分别进行了讨论,最后给出了实验生成的海天背景下指定位置的三维目标的仿真红外图像.     

Interpreting potential field data using continuous wavelet transforms of their horizontal derivatives

The continuous wavelet transform has been used with much success in the analysis of non-stationary time series. It has been used much less frequently in the interpretation of magnetic or gravity data, although several approaches have been tried. A simple method of obtaining location and depth estimates of gravity and magnetic field sources is suggested here. For gravity data the method uses wavelets based on the integer-order horizontal derivatives of the gravity anomaly from a point source (the Poisson kernel). For magnetic data the wavelet is based on the integer-order horizontal derivatives of the analytic signal of the anomaly from a contact or a thin sheet. The method is compared with Euler deconvolution, and is demonstrated with synthetic models and on gravity and magnetic data from South Africa.     

Quick recognition of circular objects in a black-white picture

A method of circular objects recognition is presented that depends on converting input picture into binary image, next on tracing perpendicular chords along the object determining its maximum extension, and then on separation and analysis of a rectangular frame determined by the chords. The process can be performed under the assumption that neighboring objects are sufficiently distant from each other. Brightness, are and gravity center of its original gray-scale contents are calculated inside that rectangular frame. These parameters are used for specification of each separated object. Values of these parameters are used to mark arcs connected to a node into which the object is transformed. The third step of data processing is to compare the identity (automorphism) or similarity (isomorphism) of a graph obtained as the result of a recognition process with a set of reference (template) graphs stored in a memory. The nodes of the recognized image that have greatest weights are taken into account in the first place in the identification (matching) process.     

一种彩色图像区域分割及轮廓矢量化新算法

提出了一种逆时针追踪轮廓线的彩色图像区域分割算法,其思想是按逆时针顺序追踪轮廓线,在追踪过程中避免了像素点的重复判断,采用回溯搜索解决崎点问题,从而保证了追踪过程的连续性和正性性,在此基础上,运用递归方法分割出图像的所有不同色彩区域,直接提取出具有一定色极特征的区域,具有较高的实用性,也是此算法的优点之一,本文亦从直线像素点排列的特点出发,提出了一种轮廓点列快速矢量化算法,极大地减沲轮廓需存储的像素点个数,节省了内存空间,并为进一步算是如形状匹配,编码等提供了基础,实施测试的结果表明,该算法效果较好,达到了预测的要求。     

基于人脸识别与光流追踪的移动机器人视觉导航方法

针对移动机器人视觉导航中跟踪目标丢失的问题,提出了基于人脸识别与稀疏光流算法(KLT)结合的移动机器人视觉导航方法(FR-KLT视觉导航方法)。采用OpenCV库中的Haar特征提取人脸识别算法实时检测识别目标人脸,通过Harris角点检测获取目标人体特征点,对目标人体进行精准定位;KLT光流追踪法测算目标移动趋势,并预测目标下一刻大致位置。目标人体位置变动时移动机器人对目标进行实时追踪导航。通过Pioneer-LX机器人在真实环境下试验,验证了该方法准确识别并跟踪目标的实时性和有效性。     

Navigation of an AUV for investigation of underwater structures

There is a great demand for autonomous underwater vehicles (AUVs) to investigate artificial underwater structures such as piles and caissons in harbours, and risers and jackets of deep-sea oilfields. This paper proposes an autonomous investigation method of underwater structures using AUVs that is implemented by initially detecting the target objects, localizing them, then approaching them by taking video images while closely tracing their shape. A laser ranging system and a navigation method based on the relative position with respect to the target objects are introduced to realize this behaviour.     

Nonlinear ray tracing: Visualizing strange worlds

Nonlinear ray tracing is investigated in this work. Sources of nonlinearity such as gravity centers, gravity lines, chaotic dynamical systems, and parametric curved rays are discussed. Curved rays are represented either iteratively or hierarchically. Algorithms for testing whether a curved ray and a 3D object intersect are presented. Sample images of a test implementation show the feasibility of the approach. Applications of nonlinear ray tracing are the visualization of relativistic effects, visualization of the geometric behavior of nonlinear dynamical systems, visualization of the movement of charged particles in a force field (e.g., electron movement), virtual reality, and arts.     

无线传感器网络被动红外目标跟踪技术研究

无线传感器网络的目标跟踪技术是目前研究的热点之一。被动红外传感器对活动的人具有较高的灵敏度,而目前被动红外多用于双元目标检测,并未实现目标定位,限制了被动红外的应用。本文提出了无线传感器网络的被动红外目标跟踪模型PITM。在该模型中,多个红外传感器节点通过协同可以确定目标的位置和运动速度。仿真实验表明,当节点密度为每1000m224个节点时,定位平均误差在0.5m左右,且节点密度越大,定位误差越小。