基于DSP的运动目标自动跟踪系统的设计与实现

为了使视觉监控系统具有自主能力,设计了一种基于嵌入式高速DSP处理器Blackfin533的运动目标自动跟踪系统。文中分别介绍了系统的硬件和软件设计。该系统运用差分图像法,通过阈值图像分割来检测运动目标,并采用形心跟踪算法来自动跟踪目标。实验结果表明该系统取得了较好的跟踪效果。     

基于DSP的运动目标自动跟踪系统的设计与实现

为了使视觉监控系统具有自主能力，设计了一种基于嵌入式高速DSP处理器Blackfin533的运动目标自动跟踪系统。文中分别介绍了系统的硬件和软件设计。该系统运用差分图像法，通过阈值图像分割来检测运动目标，并采用形心跟踪算法来自动跟踪目标。实验结果表明该系统取得了较好的跟踪效果。     

基于VPX架构的目标跟踪系统设计

设计了一种目标跟踪系统,该系统利用立体沙盘模拟复杂地面环境,通过红外和可见光传感器采集图像数据,利用红外图像传感器来检测目标,在检测到目标的基础上,利用可见光传感器来跟踪目标。目标跟踪采用粒子滤波算法实现,为了实现对目标的稳定跟踪,结合红外传感器的检测结果和可见光图像的跟踪结果对目标模板的更新。该图像处理算法在以VPX为设计架构、FPGA＋DSP为核心的高速嵌入式图像处理平台实现,最终生成目标坐标偏差来控制伺服云台的转动,使其保持在视场的中心,并输出目标跟踪图像,实现对目标的跟踪。     

基于卷积神经网络的无人机视觉跟踪系统设计

文章研究了具有云台摄像机(PTZ)的无人机视觉跟踪问题,并设计了能够自动初始化的跟踪系统。该系统首先通过PTZ相机系统拍摄的图像背景,计算包含运动目标的边界;其次,通过卷积神经网络算法决定该边界内是否存在无人机;最后,采用视觉伺服方案调整PTZ参数,使被探测无人机的边界尽可能地延伸到摄像机视场范围内。实验结果表明,文章设计的系统对无人机的快速机动具有较强的鲁棒性。     

基于高速视觉目标跟踪系统的自动调焦算法的设计

为了解决高速视觉目标跟踪系统在进行目标跟踪过程中目标的尺度与清晰度的变化,提出一种基于尺度不变性的自动调焦算法。该算法包括基于改进型二维OTSU分割的自动变焦算法和基于二维图像信息熵的对焦算法,通过高速视觉目标跟踪系统获得目标区域,计算目标像素面积和清晰度评价值,转化为可调焦镜头变焦步数和对焦步数后通过FPGA发送调焦指令,最终完成自动调焦动作。设计了自动调焦验证系统以验证算法的性能并得出满足追踪要求的最佳调焦参数。实验证明,该算法在高速目标跟踪系统的跟踪过程中可以较好地完成自动调焦任务。     

算力限制平台下的长时目标跟踪

为了满足某些算力受到限制的应用场景的长时跟踪需求,如以C64x+DSP为核心的嵌入式系统,提出了一种由连续跟踪环节与目标检测环节两部分构成的低时间复杂度长时跟踪算法,连续跟踪环节基于自适应更新的时空上下文算法（STC）,目标检测环节使用归一化互相关匹配算法。在没有目标出视场、目标快速移动等特殊跟踪场景时,连续跟踪环节输出跟踪结果,在跟踪失败后,目标检测环节对全幅图像进行处理,只要目标出现在图像中,便可以重新锁定目标。经实验验证,目标检测环节可以在目标出现后准确检测到目标,满足了长时跟踪的要求。同时,目标检测环节在跟踪不可靠时的辅助定位也提升了连续跟踪环节的鲁棒性,使用OTB2013数据集测试,本算法的精确度较STC算法提升了4.95%。     

基于双目视觉的自动跟踪系统设计

设计了一种基于双目视觉的目标自动跟踪系统。该系统通过双目相机获取图像信息后,先利用Yolov5s实时检测算法快速识别目标,再利用核相关滤波法对目标进行跟踪,最后采用半全局立体匹配算法结合加权最小二乘法进行目标深度的测量,获取距离信息和位置。根据目标位置控制系统的速度和方向,使系统与目标保持相对方位和设定的距离,实现自动跟踪。从结果上看,采用了该系统的拍摄机器人可以执行危险任务,解决安全问题。     

旋翼无人机视觉跟踪系统

设计实现了一种基于PC104计算平台的旋翼无人机自动目标跟踪系统.该系统由机载视觉子系统、地面站子系统、无线通信子系统3个部分组成.构建了完整的空地、人机交互环路.采用基于背景权重的Mean Shift目标跟踪算法,能够有效减小复杂环境背景对目标跟踪的影响.可靠性高且算法复杂度低.在室内外环境下进行的实验测试结果表明:系统在目标跟踪过程中即使遇到相似目标干扰或大面积遮挡,仍能够准确地自动跟踪目标,利用目标在图像中的位置主动引导数字云台与其保持相同运动方向,使目标尽可能处于相机中心视场范围内,验证了系统的可靠性和实时性.     

弱监督目标检测相关研究

弱监督目标检测是一种利用图像级别的标签来检测图像中多个或单个示例边界框的计算机视觉任务,具有很高的挑战性。本文首先介绍了弱监督目标检测的背景、问题定义和基本框架,然后对当前的弱监督目标检测算法进行了总结和分析,比较了它们的优缺点,最后探讨了该领域未来的研究方向。     

基于双DSP的运动目标智能跟踪系统的设计和实现

本文针对视频监控领域中对运动目标的检测与跟踪，设计了一种以双DSP为核心处理器的嵌入式实时控制方案，并阐述了系统的硬、软件结构，以低成本成功实现了集实时视频处理、云台运动控制、摄像机自动调节于一体的智能视频跟踪系统。实践证明，系统工作性能良好。     

基于少量样本学习的多目标检测跟踪方法

视频目标检测跟踪算法一直是计算机视觉领域的研究热点,目前大部分方法均需人工采集样本训练检测模型,搭建目标检测跟踪系统.当目标成像条件发生变化时,需重新采集样本,训练模型,调试整个检测跟踪系统,耗费大量人力、物力.本文提出一种基于少量样本学习的多目标检测跟踪算法,只需在监控视频第一帧指定待检测目标,即可自主生成混合分类模...     

基于ADSP-BF561的视频跟踪系统的研究与实现

设计了基于ADSP-BF561的视频跟踪系统,通过控制摄像机姿态实现对运动目标的自动识别和跟踪。系统采用三帧间差分法与图像分割相结合进行目标识别,利用卡尔曼滤波算法进行目标定位,辅以云台运动控制算法完成目标跟踪。经室内测试,该系统能对运动目标进行有效识别与跟踪,且具有一定的实时性及稳定性。     

基于路侧激光雷达的多目标检测与跟踪算法

为了检测与跟踪城市交叉口复杂环境下的道路目标,提出一种基于路侧激光雷达的多目标检测与跟踪算法。首先利用背景减除法滤除背景点云,随后融合5帧点云并利用曲率体素聚类算法检测目标得到3 D包围盒信息,之后通过自适应阈值的双门控和生存周期管理策略,有效提升关联精度并减少了目标丢失和误检,最后利用交互式多模型无迹卡尔曼滤波(IMM-UKF)和联合概率数据互联(JPDA)的融合算法完成道路目标的跟踪。试验结果表明,该算法在保证检测和跟踪性能基础上满足实时性要求,具有工程实用价值。     

Moving object detection and tracking from video captured by moving camera

This paper presents an effective method for the detection and tracking of multiple moving objects from a video sequence captured by a moving camera without additional sensors. Moving object detection is relatively difficult for video captured by a moving camera, since camera motion and object motion are mixed. In the proposed method, the feature points in the frames are found and then classified as belonging to foreground or background features. Next, moving object regions are obtained using an integration scheme based on foreground feature points and foreground regions, which are obtained using an image difference scheme. Then, a compensation scheme based on the motion history of the continuous motion contours obtained from three consecutive frames is applied to increase the regions of moving objects. Moving objects are detected using a refinement scheme and a minimum bounding box. Finally, moving object tracking is achieved using a Kalman filter based on the center of gravity of a moving object region in the minimum bounding box. Experimental results show that the proposed method has good performance.     

一种适应光线变化的运动手势检测与跟踪方法

在数字图像处理过程中,运动目标的有效检测是一个重要的前提。文中针对现实环境下光线的多变性,提出了一种有效的运动手势检测和跟踪方法。在三帧差法的基础上,结合Camshift运动目标跟踪法、单高斯建模法和自适应阈值提取方法,从而解决了传统帧差法无法适应光线复杂变化的问题。同时,通过使用Camshift跟踪算法对检测出的手势进行跟踪,并实时建立肤色高斯模型自动适应光线的变化以及其光线变化所带来的干扰。经实验表明,该算法可有效检测出运动目标并进行跟踪,另外还可排除光线发生突变所造成的影响。     

基于DPM和KCF的十字靶标检测与跟踪

为了实现对十字靶标的自动检测与跟踪,建立了十字靶标检测跟踪模型。针对目标检测中运算量大、实时性差、目标跟踪需要人工标定视频初始帧的问题,提出了一种基于可变形部件模型(DPM)和核相关滤波器(KCF)的十字靶标检测跟踪算法。首先,提取十字样本集的梯度方向直方图(HOG)特征,采用Latent SVM分类器训练特征集,生成十字靶标物体类的DPM模型。然后,通过滑动窗口搜索匹配方法遍历待检测图片。最后,将检测到的结果作为跟踪算法的起始跟踪帧,应用KCF算法快速跟踪目标。当跟踪目标丢失时,暂时停止跟踪,利用DPM模型重新检测定位目标再进行跟踪。实验结果表明:采用DPM模型检测的平均帧率为1 fps,结合DPM和KCF算法,实时检测跟踪的平均帧率为40 fps。采用基于可变形部件模型(DPM)和核相关滤波器(KCF)的十字靶标检测跟踪算法,实现了目标的自动检测与实时跟踪,且检测速度明显高于传统算法,并且在目标漂移或丢失后自动重新定位并继续跟踪,完成十字靶标的长时间跟踪。     

基于改进YOLOv3算法的行人检测研究

YOLOv3算法在单一物体目标检测时使用Darknet53作为主干,网络出现冗余现象,导致参数过多,检测速度变慢,传统的边界框损失函数影响检测定位准确性。针对这一问题,文中提出了改进YOLOv3算法的行人检测方法。通过构造以Darknet19为主干网络多尺度融合的新型网络,加快训练速度和检测速度,还通过引入广义交并比损失函数来提高检测精确度。实验结果表明,在行人检测数据集如INRIA行人数据集中,相比于原始算法,文中所提算法的精确度提高了5%。和Faster R-CNN相比,在保证准确率的情况下,采用文中算法使单张图片的检测速度达到了每张0.015 s。     

Iterative optimization for frame-by-frame object pose tracking

Joint object tracking and pose estimation is an important issue in Augmented Reality (AR), interactive systems, and robotic systems. Many studies are based on object detection methods that only focus on the reliability of the features. Other methods combine object detection with frame-by-frame tracking using the temporal redundancy in the video. However, in some mixed methods, the interval between consecutive detection frames is usually too short to take the full advantage of the frame-by-frame tracking, or there is no appropriate switching mechanism between detection and tracking. In this paper, an iterative optimization tracking method is proposed to alleviate the deviations of the tracking points and prolong the interval, and thus speed up the pose estimation process. Moreover, an adaptive detection interval algorithm is developed, which can make the switch between detection and frame-by-frame tracking automatically according to the quality of frames so as to improve the accuracy in a tough tracking environment. Experimental results on the benchmark dataset manifest that the proposed algorithms, as an independent part, can be combined with some inter-frame tracking methods for optimization.     

基于稳定状态差异的停车及抛落物检测算法

近年来,道路交通状况的自动检测逐渐成为研究的热点。因为违法停车、抛落物不仅影响交通秩序、诱发交通事故而且有损城市形象,所以停车、抛落物的检测已经构成道路交通状况自动检测的重要组成部分。提出了一种自动检测停车事件及抛落物事件的方法,利用双向跟踪实现停车及抛落物的检测,通过分析目标面积实现两者的区分。实验表明,该方法实时性好、准确性强,具有很大的实用价值。