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。     

基于视觉预测的运动目标实时跟踪系统

针对机器人控制系统中更高的视觉反馈实时性要求,提出一种基于最小二乘法预测的目标实时跟踪方 法．该方法采用最小二乘法预测运动目标的位置,以限定目标搜索范围,从而提高跟踪速度．实验结果表明该方法 能满足快速视觉伺服响应的实时性要求．     

仿人视觉过程的机器人视觉伺服系统研究

提出了一种模仿人类视觉过程的动态图像目标跟踪方法,其采用基于模板匹配的识别技术,通过模仿人类视觉目标定位过程运用遗传算法实现了对运动物体的视觉跟踪。利用此方法实现了一套视觉伺服机器人的运动目标跟踪系统,通过实验说明该方法能够满足系统的实时性要求,同时具有一定的抗噪能力。     

基于运动分析的运动目标实时跟踪系统

机器人的视觉伺服是机器人领域重要的研究方向.着力于提高机器人视觉反馈系统的实时性,提出了基于运动分析的的运动目标实时跟踪方法.该方法采用形态学方法标记连通域,并基于最小二乘法拟合运动轨迹曲线,预测下一时刻位置,设定连通域搜索范围,从而提高搜索速度.仿真结果表明:该方法处理效果良好,能满足后续系统实时性要求.     

一种视频多运动目标跟踪方法研究

图像运动目标跟踪是自动监控、道路导航、交通监控等重要系统的核心技术。为了解决视频中多个运动目标的跟踪,利用帧间差分、Kalman滤波器以及少量特征匹配来自动提取各个运动目标并进行跟踪。针对灰度图像序列,采用一种基于图像序列的梯度信息,使用帧间差分法自动提取运动目标,利用Kalman滤波器预测目标位置,在估计目标在下一帧的位置范围后,根据目标直方图特征来缩小搜索范围实现目标对象的准确跟踪。实验结果表示,该方法具有较小的运算量和较好的实时性,同等条件下具有较高准确性。     

紧耦合多传感器混合跟踪算法

在增强现实应用中实现对运动目标的准确跟踪是一个具有挑战性的任务。基于混合跟踪通过对多传感器信息的融合通常比单一传感器跟踪算法更为优越的特性,提出了一种新的紧耦合混合跟踪算法实现视觉与惯性传感器信息的实时融合。该算法基于多频率的测量数据同步,通过强跟踪滤波器引入时变衰减因子自适应调整滤波预测误差协方差,实现对运动目标位置数据的准确估计。通过标示物被遮挡状态下的跟踪实验结果表明,该方法能有效改善基于扩展卡尔曼滤波器的混合跟踪算法对运动目标位置信息预测估计的准确性,提高跟踪快速移动目标的稳定性,适用于大范围移动条件下的增强现实系统。     

基于自适应Kalman预测器的运动估计算法

利用图像序列估计目标运动速度是机器人视觉中的一项重要研究内容。它应用在机器人操作、导航、视觉跟踪等多项领域中。这些应用一般均要求运动估计算法具有较好的实时性和抗噪能力。卡尔曼滤波器和预测器正符合上述要求。该文基于运动图像的仿射模型，探讨从序列图像中预测目标三维平动速度的卡尔曼预测算法。首先建立运动目标的“当前”统计模型，然后根据运动图像的仿射模型找出图像运动参数与目标三维速度间的关系(图像运动参数由目标图像的几何矩计算获得)。最后结合自适应卡尔曼滤波和卡尔曼一步预测算法设计自适应卡尔曼一步预测器。为减轻预测器的发散性，对初始状态进行估计。仿真结果表明，基于“当前”统计模型和运动图像仿射模型设计出的自适应卡尔曼一步预测器具有较高的精度。     

基于细胞神经网络运动目标跟踪算法研究

运动目标跟踪是模式识别、图像处理、计算机视觉等领域的重要课题,它把图像处理、自动控制、信息科学有机结合起来,针对背景是静止的运动物体图像序列,提出了基于细胞神经网络移动目标跟踪,该算法大部分采用细胞神经网络结构,能够实现高效、快速的移动目标跟踪,可以满足实时需要,在实验基础上验证了该算法的有效性。     

基于卡尔曼滤波的运动人体跟踪算法研究

提出一种基于卡尔曼滤波的运动目标快速跟踪算法。利用卡尔曼滤波器的预测功能,预测运动人体目标在下一帧中的位置,在Matlab仿真环境下实现该跟踪算法,实验结果表明：该算法对人体目标的运动趋势能够做出正确的预测估计,跟踪效果和性能较为稳定和可靠。此外,该算法将图像全局搜索问题转换为局部搜索,使运算量减少,满足实时性跟踪要求,实现了对运动目标的快速跟踪。     

基于边界矢量场的视频运动目标检测与跟踪

提出了一种新的视频运动目标检测与跟踪方法.该方法首先采用自适应帧间差分法对视频序列图像的运动目标进行粗检测,进而采用BVF(边界矢量场)Snake方法准确地检测出运动目标轮廓;其次获得轮廓质心后,对传统的α-β-γ滤波器进行了改进,实现对运动目标的实时跟踪;最后根据预测的质心位置来自动完成下一帧轮廓初始化.实验结果表明,该方法具有良好的实时性和准确性.     

基于灰度直方图的运动目标特征检测算法

为提高运动目标的检测效果和指导性，提出一种基于灰度直方图分析的运动目标特征检测算法。采用视觉成像技术进行运动目标图像采集和视觉特征分析，提取运动目标的动态视觉特征量。根据运动目标边缘差分变换和空间位置关系进行运动图像的特征分离，提取运动目标图像的边缘轮廓特征量。采用统计形状模型进行运动目标图像的二值化分离，构建运动目标图像的灰度直方图。根据灰度直方图中的统计信息进行目标特征检测和动态特征提取，实现运动目标图像的视觉检测和动态识别，有效提取运动目标的关键特征，实现目标特征检测。仿真结果表明，采用该方法进行运动目标图像的特征检测性能较好，对运动目标的动态识别能力较强。     

基于机器视觉的二次设备运行状态巡检方法研究

为了提高二次设备运行状态的自动检测能力,提出一种基于机器视觉的二次设备运行状态巡检方法,采用机器视觉方法构建二次设备运行状态的成像模型,提取二次设备运行状态的视觉成像特征量,采用边缘轮廓检测方法进行二次设备运行状态机器视觉的边界特征分析,在机器视觉的梯度下降流中构建二次设备运行状态巡检的变结构分布模型,以灰度值较高区域边界像素点为中心,进行二次设备运行状态巡检的视觉重构识别,实现二次设备运行状态自动巡检。仿真结果表明,采用该方法进行二次设备运行状态巡检的智能性较高,特征分辨能力较好,提高了二次设备的巡检能力。     

基于视觉传达的多帧图像特征目标跟踪仿真

针对当前方法提取的多帧图像目标特征精度较差,导致多帧图像特征目标跟踪准确率较低、跟踪时间较长的问题,提出了基于视觉传达的多帧图像特征目标跟踪方法.采用稀疏表示方法采集多帧图像目标特征,利用高斯分布构建图像运动模型,小波分析多帧图像灰度及细节特征,根据灰度投影法提取多帧图像目标特征,并匹配多帧图像特征点,获取多帧图像轮廓...     

OPTICS聚类与目标区域概率模型的多运动目标跟踪

目的 针对多运动目标在移动背景情况下跟踪性能下降和准确度不高的问题,本文提出了一种基于OPTICS聚类与目标区域概率模型的方法。方法 首先引入了Harris-Sift特征点检测,完成相邻帧特征点匹配,提高了特征点跟踪精度和鲁棒性;再根据各运动目标与背景运动向量不同这一点,引入了改进后的OPTICS加注算法,在构建的光流图上聚类,从而准确的分离出背景,得到各运动目标的估计区域;对每个运动目标建立一个独立的目标区域概率模型(OPM),随着检测帧数的迭代更新,以得到运动目标的准确区域。结果 多运动目标在移动背景情况下跟踪性能下降和准确度不高的问题通过本文方法得到了很好地解决,Harris-Sift特征点提取、匹配时间仅为Sift特征的17%。在室外复杂环境下,本文方法的平均准确率比传统背景补偿方法高出14%,本文方法能从移动背景中准确分离出运动目标。结论 实验结果表明,该算法能满足实时要求,能够准确分离出运动目标区域和背景区域,且对相机运动、旋转,场景亮度变化等影响因素具有较强的鲁棒性。     

双目视觉运动目标跟踪定位系统的设计

针对运动目标在被遮挡时跟踪丢失问题,采用双目视觉对运动目标进行跟踪定位.首先,利用背景差分法实现目标检测;然后,利用Kalman滤波器改进的CamShift算法与FAST角点检测算法相结合,通过缩小角点检测的范围,提高预测的准确性和跟踪速度,同时有效解决了目标跟踪丢失问题;最后,通过双目立体视觉视差原理求出目标的三维坐标,实现对目标的定位.实验结果表明,该系统有效地解决了目标跟踪丢失问题,且算法实时性良好,有利于工业上使用机器人对运动目标的精确抓取.     

基于组合型表面模型的运动目标跟踪

运动目标跟踪是计算机视觉领域研究的难点课题,提出了一种基于组合型表面模型的视频运动目标跟踪算法。研究了目标的颜色特征空间和梯度特征空间,通过梯度特征和颜色特征的组合,以直方图的形式来建立目标表面模型,之后使用CamShift算法来完成一帧一帧的跟踪。实验结果表明,在图像背景复杂且目标出现遮挡的情况下,该方法仍能有效的跟踪目标。     

基于视差和SIFT的双目视觉移动目标识别和追踪的研究

开展基于视差和尺度不变特征变换(SIFT)的双目视觉移动目标识别和追踪的研究。首先采用基于梯度的立体匹配算法得到较准确的左右视图视差映射,其次通过视差映射提高基于SIFT特征的左右视图运动目标的匹配精度,最后利用视差映射和区域增长的方法相结合分别在左右视图完成运动目标的追踪。实验结果表明,基于视差信息和SIFT的双目视觉移动目标识别与追踪算法具有很好的准确性,能够在连续视频中完成左右视场中对同一物体的追踪。     

基于梯度特征和颜色特征的运动目标跟踪算法

由于在复杂背景下仅针对目标的颜色或梯度特征进行跟踪存在不足,提出一种基于梯度特征和颜色特征相融合的CG_CamShift跟踪算法。该算法充分利用颜色直方图对目标全局的描述及方向梯度图对结构信息的描述,并结合Kalman滤波对运动目标位置进行预测,解决了复杂背景下光照、遮挡等引起的目标跟踪丢失等问题。实验结果表明,该方法在保障跟踪实时性的前提下提高了跟踪精度,并具有较强的鲁棒性。     

A fuzzy inference approach to template-based visual tracking

The tracking of visual features using appearance models is a well studied but still open area of computer vision. In the absence of knowledge about the structural constraints of the tracked object, the validity of the model can be compromised if only appearance information is used. We propose a fuzzy inference scheme that can be used to selectively update a given template-based model in tracking tasks. This allows us to track moving objects under translation, rotation, and scale changes with minimal feature drift. Moreover, no rigidity constraint needs to be enforced on the moving target. Some experiments have been performed using several targets, and the results are very close to the ground truth paths. The computational cost of our approach is low enough to allow its application in real-time tracking using modest hardware requirements.     

基于双计算机的仿人机器人的视觉跟踪系统

运动目标的实时跟踪是机器人视觉的关键技术之一。设计了仿人机器人的视觉跟踪系统,系统采用双计算机,分别负责视觉信息的处理和运动单元的控制,两台计算机通过Memolink进行通讯。基于Windows的视觉信息处理子系统实现运动目标的分割,状态估计和预测。运动控制子系统采用RTlinux实时操作系统,利用PD控制器控制关节运动。实验验证了系统的稳定性和实时性。