基于均值漂移的运动目标跟踪算法研究

为了实现在复杂环境下运动目标跟踪,提出了一种基于均值漂移的运动目标跟踪算法.该算法用帧间差法在复杂背景中获取目标模型,引入卡尔曼滤波器减少均值漂移算法迭代次数、解决遮挡问题,通过调节核函数带宽来改变跟踪窗口大小,以保证获取目标完整信息.实验结果表明,该算法不需要目标的先验知识即能实现复杂背景下对运动目标稳定、准确的跟踪,对目标遮挡有很好的鲁棒性.     

基于计算机视觉的运动目标研究分析

对视频中的运动目标进行跟踪、识别、检测,并对目标行为进行研究、分析,这就是基于视觉运动目标分析。检测与跟踪运动目标是理解与分析目标行为的前提。文章以计算机视觉为基础,分析了其检测与跟踪运动目标等问题,该研究对于检测和跟踪视觉运动目标的算法分析意义重大。     

基于单目摄像机的无人机动态目标实时跟踪

文章针对四旋翼无人机与动态目标组成的系统协同作业的任务,研究四旋翼无人机与动态目标的目标识别和目标跟踪问题。设计由单目相机、视觉计算机(树莓派3B)和飞行控制系统组成的自主跟踪控制系统框架,利用Camshift运动目标识别算法对目标位置进行识别并预测动态目标运动轨迹,通过Mavlink协议将无人机的位置信息实时发送给飞行控制系统,从而控制无人机进行动态目标跟踪。实现无人机对动态目标的目标识别,目标跟踪。     

智能视频监控中目标跟踪技术研究

目标跟踪是智能监控领域的关键技术,本文主要是研究实现这一关键技术。提出一种融合运动目标的面积和特征进行对比的算法,并结合运动估计算法对下一时刻目标最可能存在的方位进行预测,实现了对运动目标的跟踪。     

基于计算机视觉的增强现实演示系统

实现一种基于计算机视觉的增强现实演示系统。通过强像设备卖时采集真实场景图像,检测运动目标,通过对运动目标的运动跟踪获取运动目标位置,生成虚拟物体,根据运动目标的运动状态采用碰撞模型控制虚拟物体的运动,将虚拟物体和真实场景图像合成,并显示在通用显示器上,实现用运动目标控制虚拟物体运动的增强现实演示效果。实验证明,该系统能实现增强现实的演示效果。     

一种基于显著性区域的运动目标跟踪方法

根据目标跟踪中遇到的实际问题,在深入研究视觉注意理论的基础上,提出了一种基于视觉注意模型的运动目标检测模型,在该模型下提出了一种基于动态显著性区域的运动目标跟踪方法,该方法利用基于动态显著性特征的运动目标检测模型检测到目标的位置,然后通过自适应窗调整策略,对Mean Shift算法进行改进,可以有效进行目标跟踪,方法能快速准确的检测和跟踪运动目标。     

基于颜色和形状的机器人运动目标跟踪

针对类人足球机器人存在识别运动目标效果差、容易受光照变化影响等问题,提出了一种基于颜色和形状的运动目标跟踪算法:在HSI空间执行基于颜色信息的快速阈值分割,获取目标信息,加入自适应阈值更新,以增加算法的鲁棒性;利用卡尔曼滤波预测运动目标下一帧的位置,在局部范围根据目标形状信息执行优化边缘检测识别目标,获取目标准确的位置信息,然后继续跟踪.实验证明:该算法能够对运动目标进行准确跟踪,可满足实时性的要求.     

基于深度学习的目标跟踪与行为识别技术

随着人工智能算法模型技术的发展,目标跟踪和行为识别已经成为计算机视觉领域的重要研究任务。该文介绍Yolo V7和Yolo V8这2个最新的目标跟踪和行为识别算法。重点介绍基于深度学习的目标跟踪技术中的目标检测与特征提取、目标跟踪与位置预测,以及介绍基于深度学习的行为识别技术中的视频编码与特征提取、行为分类与识别。此外,该文以Yolo V7和Yolo V8模型结构为基础构建目标跟踪与行为识别的联合学习。     

基于视频目标跟踪算法的储粮害虫活跃程度判别研究

针对储粮害虫杀虫效果评估实验,本文提出了一种多目标跟踪算法,通过跟踪评估区域内多头储粮害虫的运动给出每头害虫的活跃程度,对害虫存活状态进行自动评估。算法基于 Faster R-CNN框架的目标检测技术,融合Mean Shift和Deep SORT目标跟踪算法,实现了对储粮害虫运动位置的连续跟踪,且减少了两头害虫相遇再分离后身份错位问题发生的情况。对于20头以内的同种害虫,平均多目标跟踪准确率为95.89%,多目标跟踪精度为83.18%。而且在目标跟踪算法中记录了每头储粮害虫的速度变化,通过分析一定时长的害虫移动速度,提出了一种评估储粮害虫活跃程度为低、中或高的分级方法,可以辅助实验人员对实验效果的分析。     

基于运动粒子的粒子群目标跟踪算法

为兼顾目标跟踪的准确度和目标跟踪时图像的处理速度,文章提出一种基于运动粒子的粒子群目标跟踪算法。该算法首先对目标跟踪区域提取HSV特征得到目标特征向量;然后以高斯分布的形式撒下n个粒子构成粒子群,通过梯度收敛算法可以快速准确地搜索到最佳的目标位置,并以此位置作为跟踪点,进行下一帧跟踪。实验结果表明,在精确度方面文章提出的算法是CSK算法的1.52倍、MS算法的1.57倍,在速度方面文章提出的算法是Struck算法的22.87倍、KCF算法的1.11倍,有效地兼顾了目标跟踪的准确度和处理速度。     

运动目标跟踪技术综述

运动目标跟踪是一个颇具挑战性的问题，文章对当前运动目标跟踪问题的相关方法进行分析研究。首先从一个崭新的角度提出了一套分析运动目标跟踪技术的体系结构方法。然后采用这种体系结构对列举的每种跟踪算法方案进行阐述和归类，指出了每种方案适用范围及其局限性。最后针对研究过程中所面临的难题，展望了运动目标跟踪技术新的发展趋势。     

足球比赛视频中的球员目标跟踪与检测研究

目的是探索基于边缘计算和深度学习(DL)的足球比赛视频中的球员检测和运动跟踪,从而提高不同场景下球员轨迹的检测效果。首先,基于面向梯度直方图(Histograms of Oriented Gradients)特征分析了球员目标跟踪与检测任务的基本技术;然后,将DL中的神经网络结构与目标跟踪方法相结合,改进了Faster R-CNN (FRCN)算法在检测小目标时的漏检问题。边缘计算将大量计算节点放置在靠近终端设备的位置,以满足DL对边缘设备的高计算和低延迟的要求。在分析了足球视频中的遮挡问题后,将优化算法应用于公共数据集OTB2013和包含80个运动轨迹的足球游戏数据集。经过测试,改进后的FRCN目标跟踪精度为89.1%,目标跟踪成功率为64.5%,运行帧率仍在25 fps左右。FRCN算法的高置信度也避免了模板污染。在普通场景中,FRCN算法基本不会丢失目标。在目标被遮挡的场景中,提出的FRCN算法的曲线下值面积略有减小。基于DL技术的FRCN算法可以实现足球比赛视频中球员的目标跟踪,对球员遮挡的情况具有较强的鲁棒性。将设计的目标检测算法应用到足球比赛视频中,可以更好地分析球员的技术...     

基于预处理和卡尔曼滤波算法的运动人体跟踪

对正在运动的人体进行跟踪时，为了保证系统的实时性和精准性，需根据当前的目标运动轨迹预测在下一时刻的位置，并且修正该时刻的位置。利用卡尔曼滤波器预测运动人体目标在下一帧中的位置，并且在预测之前对所采集到的视频进行预处理后，在matlab仿真环境下实现该算法，实验结果表明：本算法对人体目标的运动趋势能做出正确的预测估计，性能和跟踪效果更为稳定和可靠。     

基于孪生网络的多目标跟踪算法

多目标跟踪是计算机视觉领域一个重要的分支,在视频监控、自动驾驶等方面都有广泛的应用,而目前主流的多目标跟踪算法大都遵循基于检测的跟踪范式。针对SiamRPN++算法在有语义和外观均相似目标的场景下存在跟踪结果在正确和错误之间频繁切换的问题,文章提出了EmSiamRPN算法,该算法利用重识别特征对跟踪算法进行改进。针对基于检测的跟踪框架设计的FairMOT算法中卡尔曼滤波器存在手工设计关键参数问题,文章提出了EmSiamMOT算法,该算法使用EmSiamRPN算法替代卡尔曼滤波器,避免了手工设计关键参数,能够进行端到端的训练。为了验证所提出算法的有效性,文章选用MOTChallenge 2016公开数据集作为测试集,通过与SiamRPN++算法的单目标跟踪效果和FairMOT算法的多目标跟踪效果的对比实验验证了所提算法的有效性和优势。     

基于图像配准坐标定位的目标跟踪方法

SIFT算法在图像配准方向得到了较为成熟的应用,本文通过优化高斯金子塔,降低了SIFT算法的计算复杂度,保证了算法的实时性。使用SIFT算法匹配中的坐标位移变换来确定跟踪方位,实现对目标的跟踪。实验结果表明,基于图像配准坐标定位（Coordinate Based on SIFT,简称C-SIFT算法）的目标跟踪方法具有较好的实时性。     

基于改进IMM的机动目标跟踪算法

针对地面机动目标跟踪,提出了一种改进的交互式多模型算法,该算法在多模型中使用了基于新息的模型选取策略,解决了先验知识缺失情况下的机动目标跟踪问题。同时,基于新息的变化对"当前"统计模型进行改进,使之能够自适应调整最大加速度的大小。改进后的算法有效地处理了对未知目标先验知识不足的问题,更利于工程的实现。最后进行了Monte Carlo仿真,仿真结果表明所提出的算法保证跟踪精度的同时能够有更好的反应时间。     

无人值守变电站异常目标自动跟踪系统设计

针对目前无人值守变电站监控系统自动化程度低、实时性差等问题,研发了一种以高性能DSP芯片TMS320C6416为核心处理器的异常目标自动跟踪系统.软件采用独创的方向判别与速度预测算法来检测异常运动目标的运动参数,并以此控制摄像机自动跟踪异常运动目标.硬件采用嵌入式技术,实现了摄像头、云台、控制器的一体化设计.现场试运行结果表明,系统具有良好的跟踪性能和稳定性.     

基于全景视觉和常规视觉融合的目标跟踪技术

全景视觉和常规视觉协同利用进行运动目标检测与跟踪是图像处理中的一个重要课题,具有广泛的应用前景。文章基于全景视觉与常规视觉融合的目标跟踪技术,采用全景视觉和常规视觉协同方式,由全景发现目标后报警,将目标在空间中的水平和垂直角度信息传递给常规视觉系统,实现目标的跟踪。     

基于序列图像的人体目标行为识别研究

近些年来,伴随着图像视频的处理技术与人工智能技术的飞速发展,计算机的视觉图像处理技术也得到快速地发展并应用到各个学科领域。在已有成果的基础上,以运动目标的检测与跟踪为突破点,并借助相关算法进行研究:检测并提取被监控的场景中的运动目标;基于检测到的运动目标的有效特征,寻找最优的匹配算法,找到与目标模板相似的序列图像定位。     

基于DSP的视频快速特征匹配跟踪算法研究

以TMS320C6418芯片(DSP)为主体,设计了一套视频模板匹配跟踪设备,实现一种稳定快速跟踪复杂背景下目标的算法。算法通过边缘增强、统计分割等去除背景影响,分割出具有特征目标图像信息,再进行模板图像快速特征匹配。本文提出的算法对传统的匹配算法进行了改进,不仅提升了匹配算法的运算速度,还增强了目标跟踪稳定性。