人体运动目标跟踪的滞后性问题研究

研究人体运动目标跟踪问题,由于图像目标跟踪实时性差,在摄像机与被跟踪物体同时运动的情况下,被跟踪人体走路速度过快,两者速度不匹配时,运动的人体存在着被跟踪的滞后性问题.为解决上述问题,提出了一种改进的粒子跟踪方法.在人体跟踪的过程中,可以根据实际跟踪情况在线减少粒子的数目,进而减少运算时间,使得算法的运算速度可以根据被跟踪人体的运动速度实时调节,形成速度最佳匹配.仿真表明,改进的算法很好地解决了被跟踪运动目标的滞后性的问题,跟踪效果明显改善.     

人体运动目标的检测与跟踪

提出了一种静止背景的情况下人体运动目标的检测与跟踪的新方法.该方法利用背景差分法与粒子滤波器算法相结合.首先,利用背景差分法可检测运算出人体运动区域的大小和形心,在一定的时间间隔t(t＜＜1s)后,再次利用背景差分法经运算可得到人体运动的速度,然后运用粒子滤波器算法利用背景差分所获得的人体运动区域的大小、形心、速度三个参数建立跟踪模型.实验结果证明,该方法对人体目标跟踪是快速且有效的,并且有很好的鲁棒性.     

一种基于自适应阈值的复杂背景下自动目标跟踪方法

提出了一种基于自适应阈值的复杂背景下自动目标跟踪方法，该方法采用一种自适应块匹配的运动估计，以平均绝对误差作为目标匹配准则，针对不同大小，不同运动方向，不同运动速度的目标均可进行较好的跟踪。该方法采用三不搜索策略较好地实现了目标搜索，同时，根据目标运动的惯性，引入了运动矢量的向前预测策略，减小了目标搜索的盲目性，提高了跟踪的可靠性和效率。     

安防领域中运动目标自动跟踪算法的设计

本文阐述了一种安防领域中运动目标自动跟踪算法的实现,该系统用于控制摄像机捕捉移动目标,主要由超声波传感器、舵机云台、摄像头、上位机监控界面等组成。由两组超声波传感器对运动目标进行综合定位,通过数学运算的方式,得出物体较精确的二维坐标,处理得到云台的控制量,控制摄像机跟踪目标,并在上位机上显示状态。     

基于色块的人体运动跟踪

人体运动跟踪一直是一个具有挑战性的课题,并在体育运动分析、医学分析、动画制作等领域被广泛研究.对跟踪精度的要求和如何在运动过程中解决四肢的自遮挡现象是其中的难点.本文提出了一种基于色块,融合边缘提取和区域匹配的鲁棒算法,在单相机下得到了高精度的跟踪结果并部分解决了自遮挡问题.最后给出的实验结果将证明我们算法的有效性.     

一种基于模板匹配的运动目标跟踪方法

为了提高运动目标跟踪算法在复杂场景下的稳定性,提出了一种将小波变换与模扳匹配相融合的跟踪方法。它首先对图像序列采用滤波器组实现运动目标分割,再通过对图像序列小波变换以确定目标匹配子图像,最终使用模板匹配求取最佳匹配点来实现实时跟踪。采用MATLAB仿真实验,对标准视频序列coastguard_cif实验测试结果表明,提出的方法具有良好的跟踪性能。     

基于Kalman 预测的人体运动目标跟踪

在基于视觉图像的人体运动目标智能监控中,为了实现快速实时跟踪,使目标跟踪更为准确,利用Kalman方程的递推预估计能力,采用基于Kalman预测的目标跟踪方法,进行二维空间的运动仿真研究和室内环境下的实验测试分析。理论分析与实验结果都表明,该方法对目标的运动趋势和方向能够做出正确的预测估计,有效地提高目标跟踪的实时性,为后续的图像处理和分析提供了保证。     

视频运动目标跟踪方法研究

视频运动目标跟踪属于计算机视频模块的重点研究内容,具备较大的应用前景。随着各种新技术融合到目标跟踪方法中,其跟踪准确性得到提升。受到目标形变、遮挡以及尺度变化影响,跟踪失败的问题也时有发生。为了改进视频运动目标跟踪方法,本文系统的阐述了当前视频运动目标跟踪方法的类型,从算法设计流程着手,给出关于视频运动目标跟踪方法的具体设计框架,对未来算法发展方向进行了展望。     

面向小运动目标的压缩域跟踪方法

压缩域跟踪是直接从压缩码流中提取运动矢量和块编码模式来实现目标对象的跟踪.针对现有压缩域跟踪方法对小运动目标跟踪性能较差的问题,本文提出了一种面向小运动目标的压缩域跟踪算法.在分析现有算法不足原因的基础上,本文从起始帧掩模的获取、离群值边界的设置和预测跟踪小目标的边缘控制三个方面提升小目标跟踪的性能,并通过数据驱动的方法寻找到块编码感知的系统参数优化.所提算法在三个小目标视频序列上进行了测试,实验结果表明,与其它压缩域跟踪算法相比,本文算法可以有效地提高小运动目标跟踪的准确率和F度量.     

室内人体运动目标的自动跟踪方法

元数据在银行数据仓库中具有重要意义.讨论元数据的分类和作用,分析元数据的管理功能,给出一种基于银行数据仓库的元数据管理系统,对其结构进行分析和说明.实践结果表明,该系统可以加强对数据的分析和管理能力,提高银行数据仓库等决策系统的灵活性和可扩展性.     

基于运动信息和再匹配的多目标追踪

随着目标检测模型的日趋成熟,基于检测的追踪成为多目标追踪研究的主要方向.借助几乎完美的目标检测结果,在数据关联时可以采用只使用IoU信息的方法.但是在实际使用中,少量丢失的检测会造成大量的身份互换和轨迹断裂,进而严重影响追踪效果.针对这一问题,该算法引入图像信息,使用IoU模型进行初步追踪,结合行人特征向量对初步追踪的...     

基于分块运动估计的对象跟踪方法

针对摄像机运动和场景光照突变的情况,提出了一种基于分块运动估计的对象跟踪算法。首先,对图像进行分块角点匹配,得到各块运动参数,然后对各块进行分块运动补偿和光照补偿;对补偿后的图像进行相邻帧差分得到目标的近似质心位置;跟踪过程则融合运动目标加权颜色直方图和梯度直方图作为目标特征,以所得质心为初始搜索点,采用螺旋搜索算法,进行目标模板和候选目标相似性检测,搜索最佳匹配点得到目标对象在当前帧的准确位置。实验结果表明,该算法能够有效克服光照剧烈变化,在动态背景下能达到对对象的准确跟踪。     

基于模板匹配的自适应目标跟踪算法的实现

基于传统的目标跟踪方法,在图像检索过程中采用了自适应模板匹配方法,提高了目标跟踪的速度和可靠性,使目标跟踪的准确程度和算法的效率有了显著的提高,并给出了使用自适应模板匹配方法跟踪的试验仿真结果。     

一种基于目标分割的实时跟踪方法

为减少颜色相似背景在目标跟踪过程中对跟踪结果的影响,提出一种基于目标分割的实时跟踪方法。利用背景差分的方法进行目标分割,使用目标位置、大小及颜色的特征完成目标状态的更新,对连续帧之间的目标实施匹配跟踪,当2个目标重合分离时采用目标大小、颜色特征实现匹配。实验结果表明,该方法匹配跟踪速度较快、跟踪效果较好。     

动态场景下的运动目标跟踪方法研究

复杂背景下实时目标的跟踪与识别属于自动目标识别（ATR）研究领域,包括对目标的分割、特征提取和目标识别等几个方面。由于现在的目标跟踪方法都是面向特定应用环境的,所以不存在一个算法能通用所有的场景。探索并明确算法的特点和应用环境,对于在实际应用中选择合适的方法是十分必要的。目前的大部分文章都是根据具体适应场景分析各自的方法,缺乏对跟踪方法的系统性研究,该文简要介绍了动态场景下单个运动目标的几种典型跟踪方法,在算法内容、假设条件、先验知识、理论计算量、实现难点及改进措施等方面进行了分析,并对研究难点及未来的发展趋势作了较为详细的阐述。     

基于参数学习和运动预测的在线多目标跟踪算法

针对在线多目标跟踪中的短时遮挡和检测器误差造成的误检和漏检问题,提出一种结合参数学习和运动预测的在线多目标跟踪算法。采用逐帧关联的方式,首先利用目标的历史轨迹建立卡尔曼滤波器模型预测目标当前帧的可能位置,然后计算目标和当前观测之间的关联度建立代价矩阵。对于多目标跟踪被建模为指派问题,采用Hungarain算法求解,此外制定策略处理目标出现、消失和遮挡等异常情况。而对于多目标跟踪系统中的参数,设计一种新的二分类参数学习方案。实验结果验证了参数学习的有效性以及对误检、漏检和遮挡的鲁棒性,并且与若干经典算法的性能比较中,在多个指标上表现出一定优势。     

Mean-Shift跟踪算法中核函数窗宽的自动选取

传统核窗宽固定的Mean-Shift跟踪算法不能很好地对逐渐增大尺寸的目标进行有效的跟踪.在分析同一目标在不同尺度下核直方图基于Bhattacharyya系数相似性的基础上,发现并证明了在核窗宽固定的条件下,目标在其窗宽范围内进行缩放、平移运动并不影响Mean-Shift跟踪算法空间定位的准确性.在此基础上,提出了一种基于后向跟踪、形心配准的核窗宽自动选取算法.对尺度渐大的车辆进行的跟踪实验验证了该算法的有效性.     

基于高速公路场景的车辆目标跟踪

车辆目标检测与跟踪是高速公路视频监控系统实时监控获取交通参数的关键步骤.本文提出了一种面向高速公路场景的目标轨迹时序信息结合核相关滤波KCF算法的车辆目标跟踪方法,实现了车辆目标的高精度持续跟踪.该方法首先采用基于深度学习的单目标检测SSD算法,通过建立车辆数据集,实现了适用于高速公路场景的车辆目标的分类与检测.然后,基于目标轨迹时序信息实现目标车辆与轨迹的匹配,并且采用KCF跟踪算法对丢失目标进行预测重定位,从而实现车辆目标轨迹的持续跟踪.实验表明,该跟踪方法精度高,且适应多种不同场景,具有较高的应用价值.