一种在线学习的目标跟踪与检测方法

针对现有在线学习跟踪方法缺乏监督机制的缺点,提出一种新的跟踪框架。以随机森林在线学习理论构造分类器作为目标检测器,用SURF特征点匹配方法作为目标跟踪器,跟踪过程中用可靠跟踪的结果形成对检测结果的监督机制,不对低置信度样本或错误样本进行学习,避免了分类器分类精度的逐渐下降,同时在跟踪失败时用目标检测器对目标进行重新捕获,形成跟踪、学习、检测三者有机结合的跟踪框架。对不同视频序列的测试结果表明,本文算法能有效避免目标出现较大外观变化或被大面积遮挡等复杂情况下的跟踪失败问题。     

弱小目标检测与跟踪算法

低对比度小目标检测与跟踪算法的研究是电视跟踪领域的关键技术之一。针对弱小目标的目标特性，按USAN原则进行目标检测，利用目标的特征参数及目标运动的一致性、连续性排除噪声干扰，实现对目标的稳定跟踪。实验采用VC＋＋仿真平台验证该算法的可行性和有效性，并移植到DSP专用图像处理平台上，达到了工程的5可靠性与实时性要求。     

基于多信息融合的运动目标跟踪方法

针对复杂环境下多运动目标跟踪的高冲突信息组合问题,在DSmT的理论框架下,提出了一种将局部冲突在局部进行分配的改进证据合并方法来研究多运动目标的跟踪问题.该方法通过深入分析冲突及其相关因素之间的关系,将目标的位置信息与颜色信息进行融合建立起多信息合并的运动目标跟踪模型.仿真实验结果表明:采用该方法可实现互遮挡条件下的多...     

基于假设理论的序列图像中多目标检测和跟踪

本文提出一种基于目标检测的多维假设多目标检测和跟踪方法,此算法对于序列图像的照明变化和遮蔽现象具有很高的鲁棒性.首先,对序列图像进行背景抑制、时域滤波和杂波剔除的预处理,得到单帧的初始目标检测结果.对于初始检测中存在的漏检和误检现象,采用基于假设理论的跟踪概率模型优化初始检测轨迹;将目标的跟踪信息反馈于目标检测模块,形成一闭环自适应跟踪系统,达到多目标的最优检测和跟踪.实验结果表明了所提出的方法在多目标检测和跟踪中的可行性和有效性.     

一种快速运动目标检测与跟踪算法

运动目标的检测与跟踪是计算机视觉和图象编码研究的主要内容,有着广泛的应用领域。基于光流场的检测与跟踪是其常用的方法之一,但其计算结果和效率是不能令人满意的。提出了基于帧间差阈值法和光流场相结合的快速运动目标检测与跟踪算法,诸结果表明该算法简单实用、运算速度快,克服了单纯光流场方法的不足。     

基于混合相关滤波信息融合再检测的目标跟踪算法

为了减小在目标跟踪过程中目标形变和复杂背景变化对跟踪效果的影响,提出一种基于混合相关滤波信息融合再检测的目标跟踪算法。首先,利用相关滤波算法提取到目标的方向梯度直方图HoG特征,利用颜色模板得到目标的颜色特征,计算两个模板的采样得分;其次,再将两者的特征信息用线性组合的形式进行特征信息融合确定目标位置,跟踪过程中,根据设定的阈值条件选择两个模板采样较大的得分再检测目标的位置;最后,输出所有帧目标位置的结果。与其他的算法进行比较,该算法在应对目标形变和背景杂波方面有较好的跟踪效果。     

一种特征点跟踪的运动目标检测

提出一种基于特征点跟踪的运动目标分割算法。在角点跟踪过程中,8等分匹配点邻域,构造方向子邻域提高匹配精度;提出一种新的聚类准则抽取最优特征子集估计运动参数;结合统计方法消除残差噪声;采用时域滤波滤除孤立区域检测出运动目标。对200帧可见光视频序列和100帧红外图像序列中运动汽车进行检测分割实验,检出率分别达到96%和94%。     

基于SSD-CF的无人艇目标检测跟踪方法

针对目前目标检测和目标跟踪算法对无人艇运算配置要求高、速度慢等问题,该文一种提出基于SSD-CF的无人艇目标检测跟踪方法。利用MobileNets结构结合SSD目标检测算法构建轻量级卷积神经网络,实现无人艇的水面目标检测。目标检测结果作为相关滤波CF目标跟踪算法的初始输入,并在目标跟踪过程的保障其有效性。通过MODD水面船只视频数据实验表明,SSD-CF方法融合目标检测与目标跟踪算法,可有效地降低对运算力的要求,提升目标检测跟踪速度和目标位置的稳定连续性。     

红外弱小目标检测跟踪并行处理系统

针对红外弱小目标的实时检测与跟踪,本文设计了一套基于4×ADSP TS201S-600处理器的多DSP并行处理系统.该系统拥有LVDS数字视频输入输出接口,利用TS201S的链路口构建了松耦合并行处理系统,支持多DSP间的两两交叉互联和板级互联,定点运算的峰值速度可达19.2 GMAC@16 bit/s,浮点运算的峰值速度可达14.4 GFLOPS.实验结果表明,该并行处理系统具有高实时性、良好的适用性和扩展性等特点,可以实现对大画面,高帧频的红外弱小目标实时检测跟踪.     

基于数据融合和多重智能模型的目标识别和跟踪

考虑到单传感器的系统存在着局限性,提出了基于多传感器（雷达和红外）信号融合的目标识别和跟踪系统,以利用数据的互补和冗余。特征层融合能利用各传感器提供的特征为提高目标识别能力;对于点目标和面目标分别提出了智能规则推理和神经网分类器的目标识别方法。决策层融合能提高目标跟踪的精度并提高抗干扰性;提出了可信度决策的目标跟踪方法。     

基于人脸肤色和特征的实时检测跟踪算法

针对实时视频中的运动人体目标,提出一种基于人脸肤色和特征的快速人脸检测和跟踪方法.首先运用帧差法和形状信息检测出视频中的运动人体目标;然后在YCbVCr色彩空间中,根据肤色的色度聚类特性建立Gaussian模型,分割出肤色区域,去除噪声后,结合人脸的几何特征和器官独有的颜色特征滤除非人脸肤色区域,准确定位人脸在图像中的位置;利用控制策略驱动摄像机,根据人脸信息使人的头肩部位始终处于视频图像的中心,从而实现运动跟踪.为了增强系统对光线变化的适应性,提出了适当的Gaussian模型参数更新策略.实验结果表明,该算法能够适应复杂背景下的人脸检测,具有速度快、准确率高、鲁棒性好的特点,实现了运动人脸的可靠跟踪.     

基于深度学习的实时物体检测与跟踪

本文旨在研究多模态显著性检测方法,以提高在计算机视觉领域中物体检测与跟踪任务的性能。研究问题聚焦于如何融合多种传感器数据,以提高物体检测和跟踪的准确性和质量。采用基于深度学习的目标检测与跟踪方法,能够更准确地识别和定位感兴趣的物体,并连续追踪其运动轨迹。研究方法涉及条件生成对抗网络（Conditional Generative Adversarial Networks,CGAN）和动态权重自适应融合技术,以优化目标的检测性能。本文在多个多模态数据集上进行了性能测试,包括RGB-Thermal、RGB-Depth和RGB-Total。结果表明,与完整模型相比,移除对抗损失函数和模态权重的模型具有更高的召回率,尤其是在高阈值条件下。本研究验证了多模态显著性检测方法在不同数据集上的有效性,并指出在特定数据集上可能需要调整模型参数或损失函数的设计,以获得最佳效果。本研究不仅能够应用于自动驾驶、智能监控和人机交互等实际场景中,还为多模态数据融合在目标检测与跟踪领域提供了参考。     

一类基于信息融合的粒子滤波跟踪算法

本文提出了一种基于图像多特征信息融合的粒子滤波跟踪算法.该算法利用颜色柱状图描述运动目标颜色分布信息,帧间差的梯度图像描述目标运动信息,并在柱状图框架下给出了运动目标颜色和运动似然模型,保证了颜色和运动似然模型在尺度上的统一.由于图像多特征提供了运动目标多方面的测量信息,从而提高了算法的可靠性.试验表明该算法在使用相同粒子数目的情况下较采用单一颜色特征的粒子滤波跟踪算法效果好.     

基于全局和局部信息的目标跟踪算法

图像序列中的运动目标在跟踪过程中容易受到复杂环境以及严重遮挡所影响。针对该问题,提出一种基于全局信息和局部信息的混合粒子滤波算法。新算法在传统粒子滤波的基础上引入了多子块纹理直方图,它包含了目标的局部空间信息,使得跟踪算法的鲁棒性有所提高;根据目标受遮挡的程度自适应调节全局和局部信息对目标定位的贡献,在一定程度上提高了算法的抗遮挡能力和适应能力,实验结果表明该算法在目标处于部分遮挡和严重遮挡时能够达到比较理想的跟踪效果。     

复杂背景下迎头点目标检测算法

针对传统检测跟踪算法无法有效处理迎头点目标的问题,提出了基于红外序列图像相邻两帧间匹配的检测算法.根据迎头点目标的红外序列图像特点,采取点对点标记匹配结果,点对点统计标记次数,阈值门限输出迎头点目标.算法无需假定目标点位置,检测过程不随背景复杂程度和目标点数目变化而变化,尤其解决了高噪声情况下迎头点目标的检测和跟踪问题.算法结构简单、存储量小、运算速度快,根据多次仿真和实拍照片实验,验证了该方法的可行性和有效性.     

一种基于小波变换的目标融合跟踪方法

本文在分析小波变换的基础上，将小波分析应用到目标图像的融合跟踪技术上，利用小波的多尺度和多分辨特性，不仅能够获得不同分辨力下的图像序列，进行目标图像融合；还能有效地从信号中提取突变信号。对函数或信号进行多尺度的细化分析。图像边缘用小波变换进行处理和提取并对图像形心进行计算。能够得到较好的轮廓提取效果和形心定位精度，进而说明了小波变换可能成为目标跟踪中较好的数学方法。     

一种新的运动目标检测与跟踪算法

常用的运动目标检测算法无法解决在摄像机运动-目标运动情况下的运动目标检测，为此提出了背景匹配法。通过相关匹配算法使背景对齐，结合帧间差分技术有效地将运动目标提取出来；然后利用卡尔曼预测器对运动目标在图像中的位置进行预测，结合增量式带死区的PID控制算法，控制摄像机对准目标。实验结果表明，匹配块的选择加快了处理速度和提高了算法的稳定性，卡尔曼预测器使得跟踪更为平稳可靠。本方法具有简单、通用、抗噪等特点。     

基于全偏振参量的视频运动目标检测与跟踪技术研究

针对全偏振视频从一种新的角度检测和跟踪运动目标：基于全偏振I,Q,U,V中的V分量,并进行各个分量之间的运算,所得的图像在运用视频检测和跟踪算法后能获得更清晰的效果。     

基于全偏振参量的视频运动目标检测与跟踪技术研究

针对全偏振视频从一种新的角度检测和跟踪运动目标：基于全偏振I，Q，U，V中的V分量，并进行各个分量之间的运算，所得的图像在运用视频检测和跟踪算法后能获得更清晰的效果。     

基于全偏振参量的视频运动目标检测与跟踪技术研究

针对全偏振视频从一种新的角度检测和跟踪运动目标：基于全偏振I,Q,U,V中的V分量,并进行各个分量之间的运算,所得的图像在运用视频检测和跟踪算法后能获得更清晰的效果。