基于视频图像的高速公路车辆检测算法研究

针对高速公路智能交通系统中的复杂场景变化、阴影和车辆遮挡等影响车辆检测率的问题,提出了使用基于高斯混合模型的自适应方法来建立和更新背景,采用基于HSV的邻域均值快速阴影消除算法提高阴影消除的速度。对于遮挡车辆,采用基于Kalman滤波的识别算法进行遮挡车辆的识别,然后使用基于模板匹配的金字塔分级搜索算法对遮挡车辆进行细分割。实验结果表明,该算法既简单又有效,车辆的检测率达到97%,完全满足车辆检测的要求。     

车辆视频检测及阴影去除

针对智能交通系统的车辆检测问题,提出了一种运动车辆检测及阴影去除的方法。采用基于背景差与帧间差的方法来检测运动视频中的车辆,对背景差和帧间差检测出的车辆进行或运算得到运动目标。再对检测出的运动目标进行形态学处理,并结合色彩及阴影统计信息建立阴影模型,去除阴影。实验结果表明,该方法能够快速、准确地在动态视频中分割出运动车辆和阴影。     

基于卡尔曼滤波器的抗遮挡车辆跟踪算法

针对由于车辆相互遮挡而不能准确跟踪车辆的问题,提出一种基于卡尔曼滤波器的跟踪算法。算法利用基于图像内容敏感度的背景提取算法,获取目标车辆的二值化图像,然后采用卡尔曼滤波器预测目标车辆在下一帧中的状态,在预测区域中进行搜索匹配,建立相邻帧中目标车辆的对应关系,有效推理目标车辆的驶入、驶出以及遮挡和分离,并根据预测信息对发生遮挡的目标进行跟踪。实验结果表明,该算法能够获得良好的跟踪效果。     

基于快速小波变换和卡曼滤波的车辆检测与轨迹跟踪

主要研究一种新的车辆检测方法.在图像处理系统中,首先通过快速小渡变换提取图像的纹理,同时利用灰度共生矩阵对提取出的纹理进行度量与分析.在此基础上根据图像中各部分的纹理差异检测车辆的存在,并成功剔除阴影的干扰.其次,提出用于图像处理的卡曼滤渡的状态转移矩阵和观测矩阵,并利用其对车辆的状态进行跟踪,从而达到在图像序列中跟踪车辆运行轨迹的目的.实际道路环境下的实验充分说明所提出的方法的有效性.     

基于改进CAMShift的运动目标跟踪算法

针对视频序列图像目标跟踪中Mean Shift算法提取目标颜色特征易受背景影响的问题,首先选取非线性核密度估计方法用来进行运动目标的检测,然后采用CAMShift方法对检测到的目标进行跟踪,并结合非线性核密度估计的检测结果对目标直方图进行自适应更新。还针对目标的遮挡问题给出解决方法。实验结果表明,引入背景减法与CAMShift相结合的策略,能够实现运动目标的自动跟踪,并实现目标直方图的自适应更新。该算法的可靠性能满足实时检测的要求,较好地解决了光照变化、阴影及遮挡等造成的影响。     

实时部分遮挡车辆分割及阴影消除

遮挡和阴影问题是智能交通视频监控系统的重要难题.提出一种实时部分遮挡车辆分割及阴影消除方法,该方法针对不同车辆阴影类型获取反映车辆阴影几何形态特征且仅包含稀少像素的阴影线,利用阴影线梯度信息实现阴影消除,并采用几何形态特征分割部分遮挡车辆.实验结果证明,该方法不仅具有较高准确性,而且能满足实时性.     

基于码本模型的运动阴影去除算法

运动阴影会导致运动目标前景发生形变或丢失,影响运动目标前景的跟踪和分析。针对该问题,引入码本模型设计运动阴影去除算法。利用在YCb Cr颜色空间内建立的背景码本模型,检测包含运动前景目标和运动阴影的运动区域,并根据运动阴影在YCb Cr颜色空间中的特性得到运动区域中表示运动阴影的像素值,为视频帧中所有不同位置的像素点建立一个具有自适应亮度范围阈值和色度距离阈值的运动阴影码本模型,实现运动阴影的检测和去除。实验结果表明,该算法可有效提高运动阴影的检测率和识别率。     

基于视频的复杂交通场景中车辆实时检测系统的设计与实现

在基于视频的交通监控系统中,车辆检测是关键技术。为了提高车辆检测的实时性,本文建立的车辆检测系统通过设置检测区域,使系统处理的数据量大大减少,并结合了帧间差分和背景相减的方法检测出车辆及其阴影,同时利用颜色不变定律消除阴影,只检测出车辆。该车辆检测系统具有简单易用,实时性较强的特点。     

融合线性特征的局部纹理运动车辆阴影检测

提出了一种融合线性特征的局部纹理运动车辆阴影检测方法。首先基于连续帧视频图像信息建立初始背景模型;通过背景差法获取包含阴影的运动目标区域,同时依据该运动区域信息实时更新背景;结合亮度信息,利用改进局部二值模式的纹理算子描述运动区域纹理,并根据海明距离进行粗分类,快速检测出运动区域中的阴影覆盖区;进一步对阴影覆盖区域进行纹理信息的线性特性判断,排除车辆自阴影区域,获取背景阴影,得到真实车辆目标。实验结果表明,该方法提高了阴影和车辆自阴影的检测准确度,且速度快,可满足实时性要求。     

基于分层码本模型的阴影消除方法

为了解决复杂环境,特别是背景改变带来的背景模型变化,对运动目标的阴影检测与消除效果产生影响的问题,给出一种在YCb Cr颜色空间下基于分层码本模型的阴影消除方法。目标检测时采用分层建模与检测技术检测出运动区域并更新背景模型,从永久背景模型中提取背景图像并采用基于色度的阴影检测方法消除阴影,避免在阴影检测与消除中使用固定背景的问题。在公开测试集上的实验结果表明,该方法能有效地适应背景的动态变化,对复杂环境中的前景目标检测与阴影消除有很好的效果。     

开架水下机器人生物启发离散轨迹跟踪控制

针对水下机器人常规反步跟踪控制的速度跳变问题,提出了基于生物启发模型的反步滑模混合控制方法.应用生物启发模型的平滑、有界输出特性,产生渐变的参考跟踪速度,克服了速度跳变问题,也满足了推进器推力约束.同时自适应滑模控制算法产生跟踪控制律,对于水下干扰及模型不确定影响具有鲁棒性,能够实现水下机器人稳定、准确的轨迹跟踪控制.所提方法的稳定性通过Lyapunov理论进行了证明,并将该方法对FALCON开架水下机器人进行水平面离散轨迹跟踪控制的仿真研究,实验结果表明了提出控制方法的有效性.     

适用于遮挡问题的多车辆跟踪算法

针对多车辆跟踪中的遮挡问题,提出一种新的基于特征相关匹配的车辆跟踪算法。对前一帧和当前帧中获得的运动区域分别给予＂车辆区域＂和＂临时区域＂两种不同身份,采用＂三点外推法＂估计车辆区域在当前帧中位置,并通过计算到当前帧临时区域的距离以确定匹配区域,实现车辆跟踪。同时根据给各区域设置的状态因子判断车辆状态,结合基于追踪窗口的分割方法,较好地解决了车辆遮挡问题。实验结果表明,该算法简单有效,能较好解决跟踪中遮挡造成的车辆丢失问题,进行准确的目标跟踪。     

一种基于灰度直方图的交通检测系统

在中国由于行人和机动车混行的情况非常普遍,因此行人的检测和机动车一样也是交通检测的重要方面。然而国内外在行人与机动车混合交通流检测方面的研究却不多见。文章提出并阐述了一套基于视频的综合交通检测系统。该系统通过视频技术实时检测获得路段或路口上机动车、行人的综合交通数据。系统运用了实用性很强自适应背景差减法进行前景图像分割,并提出了基于灰度直方图的目标跟踪方法,在一定程度上解决了在人车混行中比较严重的遮挡问题。实验结果表明,系统在前景图像提取以及目标跟踪分类等环节都取得了令人满意的成果。     

基于图像序列的人体跟踪

由于人体的非刚体性和人体之间会经常发生遮挡,使得人体跟踪是一个很有挑战性的课题.针对这一特点,提出了用结合卡尔曼滤波和贝叶斯的方法来完成多个人体的跟踪,先建立简单的背景模型,然后用背景差分法得到前景区域,提取运动人体,并用EM(期望-最大化)算法建立相应的人体模型.在人体间没有发生遮挡时,用卡尔曼滤波方法来跟踪各个人体;人体间出现遮挡时,用贝叶斯方法来判别和跟踪相应人体.实验表明,该方法既能保证跟踪的快速性,又能很好地处理人体间相互遮挡的情况,该算法鲁棒性好,跟踪结果令人满意.     

无人机多机动目标自主探测与跟踪

无人机机载相机图像中机动目标尺寸较小而且会发生显著变化,加上大量的背景噪声干扰,给目标探测和跟踪带来很大困难.针对这些问题,本文提出了一种在无人机机载相机图像序列中自主探测与跟踪多个机动目标的方法.首先,提取目标的图像数字特征并采用级联分类算法进行特征分类,得到目标的强分类器,对目标进行自主探测搜索.然后,基于全局最优关联算法对探测回波进行关联滤波,实现对多个机动目标的跟踪与识别,其中最优关联代价矩阵融合了距离和方向信息,提高了关联和跟踪的鲁棒性.将无人机航拍图像序列中的地面坦克作为目标进行实验,结果表明本文算法可以实现对多个机动目标的自主探测和跟踪,并具有较好的跟踪鲁棒性.     

临近空间飞行器的模型参考滑模容错控制

针对临近空间飞行器中未知的执行器控制效益损失和漂移故障,提出了一种模型参考滑模容错控制方法,保证故障系统对参考模型的稳定跟踪性能。利用跟踪误差系统设计容错控制器,首先构造积分滑模面,以增强系统鲁棒性并消除稳态误差;随后,在无需故障诊断单元的条件下设计模型参考滑模控制律,使其增益能实现自适应调节以处理未知故障影响,其中自适应律基于李雅普诺夫稳定性理论设计,保证闭环系统稳定。在临近空间飞行器纵向动力学模型上的仿真验证表明,该方法能处理执行器中发动机节流阀调节通道和升降舵偏转量通道的不同故障,保证系统获得满意的鲁棒容错跟踪性能。     

基于遮挡检测和时空上下文信息的目标跟踪算法*

基于时空上下文信息的目标跟踪算法利用目标与背景之间的时空关系,在一定程度上解决静态遮挡问题,但当目标出现较大遮挡或快速运动目标被背景中物体遮挡(动态遮挡)时,仍然会出现跟踪不准确或跟丢的情况.基于此种情况,文中提出基于遮挡检测和时空上下文信息的目标跟踪算法.首先利用首帧图像中压缩后的光照不变颜色特征构造并初始化时空上下文模型.然后利用双向轨迹误差对输入的视频帧进行遮挡情况判断.如果相邻帧间目标区域特征点的双向匹配误差小于给定阈值,说明目标未出现严重遮挡或动态遮挡,可以利用时空上下文模型进行准确跟踪.否则利用文中提出的组合分类器对后续帧进行目标检测,直至重新检测到目标,同时对上下文模型和分类器进行在线更新.在多个视频帧序列上的测试表明,文中算法可以较好地解决复杂场景下较严重的静态遮挡和动态遮挡问题.     

一种基于运动轮廓的目标跟踪方法

为了解决目标跟踪中出现的遮挡问题,提出了一种基于运动轮廓的日标跟踪方法.通过对当前帧前面两帧图像统计加权来获得背景,并通过网格化加速了目标检测效率,降低了运算次数;然后采用的背景差分法来提取运动轮廓,通过运动轮廓获取目标相关特征进行跟踪,并采用结合基于运动轮廓色度匹配及卡尔曼滤波预测的方法进行遮挡问题的判断和处理.仿真实验结果表明算法可以准确地跟踪目标,并能很好的处理跟踪时出现的遮挡及互遮挡问题.     

融合相关粒子滤波目标跟踪算法

相关滤波算法因其优越的高效性和鲁棒性被广泛应用于目标跟踪领域,但是该算法无法很好地处理目标遮挡和尺度变化等问题。针对该现象,提出了一种融合相关粒子滤波目标跟踪算法,该算法采用多个相关滤波器,学习到更多目标信息和背景信息,提高了目标与背景辨识度,并且引进了粒子滤波随机采样策略,在目标离开遮挡物时能够快速捕捉到目标。在尺度估计中引入了多尺度因子,对定位到的目标进行多尺度缩放,选用与滤波器响应值最大区域对应的尺度因子作为缩放比例,从而对目标进行尺度更新;粒子滤波算法随着粒子数目的增加,其计算量也随着增加,针对该问题,提出了基于粒子繁衍的重采样算法,在跟踪效率上做了提升。对提出的算法进行了三部分对比实验,实验结果验证了提出算法在处理目标遮挡和尺度变化问题上的有效性。     

一种基于背景模型的运动目标检测与跟踪算法

本文提出了一种静止摄像机条件下的运动目标检测与跟踪算法．它以一种改进的自适应混合 高斯模型为背景更新方法，用连通区检测算法分割出前景目标，以Kalman滤波为运动模型实 现对运动目标的连续跟踪．在目标跟踪时，该算法针对目标遮挡引起的各种可能情况进行了 分析，引入了对运动目标的可靠性度量，增强了目标跟踪的稳定性和可靠性．在对多个室外 视频序列的实验中，该算法显示了良好的性能，说明它对于各种外部因素的影响，如光照变 化、阴影、目标遮挡等，具有很强的适应能力．