一种红外和可见光双通道视频目标跟踪方法

室外场景下由于场景背景条件变化容易导致视频目标跟踪稳定性差。该文提出一种利用红外和可见光传感器的双通道视频目标跟踪方法。该算法利用可见光图像的目标颜色特征和红外图像的目标轮廓特征,结合均值漂移算法与水平集曲线演化实现目标定位,并给出了目标尺度和模板更新方法;对多目标跟踪的互相遮挡问题,通过判断目标合并与分离实现遮挡时多个目标的定位。实验结果表明,该文方法能够有效处理光照变化、阴影、遮挡等情况,实现目标的稳定跟踪。     

多目标跟踪中特征融合算子的选择技术研究

在基于信息融合的视频多目标跟踪过程中,特征融合算子的选择是关键.传统的基于特征融合的视频目标跟踪是将两个或两个以上特征作为测量特征通过某一融合机制进行融合权重.在一个高度非线性和难以建立模型的情形下,多目标之间的遮挡现象影响视频特性测量.为了解决该问题,提出了一种动态的选择融合算子的方法,以得到最好的跟踪性能.实验结果表明,动态地选择融合操作,可以提高互相遮挡的多目标跟踪性能.     

基于径向对称变换的自适应交通禁止标志检测

提出一种基于径向对称变换的自适应交通禁止标志的检测算法。采用RGB归一化阈值分割算法对交通图像进行二值化处理,构造和利用区域轮廓特征矢量,判决和提取候选标志区域。对于标志互相遮挡候选区域,提出采用基于分水岭变换的自适应标志分离算法进行标志分离;然后,对于低维的标志候选区域,根据其自身尺度特征提出一种参数自适应的径向对称圆形检测器和检测算法,最终确定禁止标志。本文算法在标准交通标志数据集(GTSDB)进行了实验验证。实验结果表明,与现有方法相比,本文算法有效提高了算法执行效率和检测性能,降低了算法复杂度;并且,对交通标志尺度、亮度和天气变化、运动模糊以及标志互相遮挡等有着良好的鲁棒性。     

一种改进720°全景相机底部图像拼接方法

针对支架等遮挡物对720°全景相机底部图像造成遮挡的问题,本文提出了一种基于分步拍摄的消除底部支架遮挡方法.通过对侧面、顶部一次拍摄和对底部两次拍摄消除底部遮挡.在此基础上,针对侧面、顶部、底部图像亮度不一致问题进行了优化.基于全局的匀色算法会导致不同区域的图像互相影响,造成匀色结果的偏差,提出了一种基于区域生长法图像...     

行人跟踪的多特征融合算法研究

为了克服遮挡,准确跟踪目标,本论文提出了一种基于最邻近法的多特征混合的跟踪算法。颜色特征和几何特征是视觉跟踪中最直观的特征,而且这两种特征的提取和匹配用时较少,被跟踪目标在没有发生遮挡时,使用颜色特征和几何特征也能准确跟踪被跟踪目标。当发生遮挡时,被跟踪目标的颜色特征和几何特征将变得不再可靠。Harris角点可以应对部分遮挡,所以将这三种特征融合起来就能很好的克服遮挡问题。但多特征融合往往会降低系统的时效性,本文采用最邻近法来决定目标匹配的优先度,克服了多特征对系统实效性的影响。实验结果表明,本文提出的算法对目标形变及遮挡具有良好的跟踪准确性和鲁棒性,并且克服了特征融合带来的时效性差的问题。      

语义增强引导特征重建的遮挡行人检测

行人被严重遮挡导致无法提取有效特征是行人检测中出现漏检的一个主要原因。为了解决该问题,提出一种语义增强引导特征重建的遮挡行人检测算法。首先,利用空间和通道之间的依赖性设计了语义特征增强模块,建立全局上下文信息用以增强遮挡行人特征。其次,为关注行人的可见区域,通过自适应特征重建模块生成语义分割图,自适应调整通道的有效权重,增强行人和背景的可判别性。最后,通过多层次级联语义特征增强和自适应特征重建两个模块得到多层次特征图,融合多特征用以最终的行人解析。实验结果表明,该方法在具有挑战性的行人检测基准CityPersons和Caltech上,对严重遮挡目标的漏检率分别实现了47.28%和44.04%,在遮挡行人的检测上相较于其他方法具有较好的鲁棒性。     

融合双域特征均衡的遥感图像道路提取

当前遥感图像道路提取模型仍在很大程度上受道路植被遮挡所影响,导致网络模型对道路信息误判。为此,基于双域特征均衡提出了一种不受遮挡物影响的道路提取方法,高效地实现植被遮挡下的道路提取。具体而言,提出了一种新的道路提取卷积神经网络,该网络由去除遮挡子网络和道路提取子网络组成。在去除遮挡子网络中嵌入一个分层卷积模块用于提取输入图像的深层结构特征和浅层纹理特征,以及双域均衡模块用于特征还原,以此去除目标道路上的遮挡物。道路提取子网络用于对去除遮挡后的道路结构进行精细的分割,得到准确性更高的道路提取结果。通过在四川西南农村地区的遥感数据集上进行大量实验,结果显示基于双域特征均衡的方法相较于其他遥感图像道路提取方法在像素精确度(Overall Accuracy,OA)和交并比(Intersection over Union,IoU)指标上达到了最高,分别是98.16%和85.38%。     

引入显著特征空间的抗遮挡红外目标跟踪

针对红外目标跟踪过程中目标纹理信息缺乏,与背景灰度呈现强耦合性,特别是在遮挡情况下目标特征信息链断裂,特征信息无法延续的实际跟踪问题,提出了基于显著特征空间的抗遮挡跟踪算法。首先通过分析红外目标特性,利用多尺度显著性、对比度和信息熵等信息生成显著特征向量空间,结合超像素特征距离和空间距离对区域进行聚类融合,突出目标区域,生成显著图。然后融合显著区域和原图,生成多个目标候选区作为跟踪算法输入。最后通过目标的空间分布场矩阵对全局的候选区域进行匹配,同时建立遮挡检测机制,基于显著区连通区变化和特征相似度变化曲线对遮挡的起始进行判断,结合遮挡判定设置模型更新策略。在不同红外测试集上的实验结果表明:所提算法在遮挡情况下也能达到较好的跟踪效果,有效增强了跟踪算法的鲁棒性。     

基于多特征自适应融合的抗遮挡目标跟踪算法

针对目前的目标跟踪算法在目标发生运动模糊或被遮挡等情况下跟踪效果较差,容易出现跟踪失败等情况,本文提出了一种多特征自适应融合的抗遮挡相关滤波跟踪算法。算法首先提取梯度方向直方图特征HOG和颜色直方图特征,以最大化跟踪质量为目标自适应融合两种特征的相关滤波响应;在跟踪的过程中根据响应图的质量存储高质量滤波模板,采用高质量模板和正常更新模板检测响应图的质量差值来检测目标的遮挡情况,当目标遮挡消失的时候,跟踪器的模板回溯到高质量模板来重新跟踪目标。根据在OTB100、UAV123的实验结果,本文算法相对于其他同类型的相关滤波在跟踪精度和成功率方面表现更好,在发生目标遮挡时仍能很好地跟踪。     

基于线性预测和加权投票的分块Mean-Shift行人跟踪算法

行人目标跟踪对公共交通规划、服务改善以及对大客流量的预测具有极重要的意义。而广泛采用的Mean-Shift算法及其改进算法在抗遮挡性能方面仍有非常大的改进空间。对此,文章针对行人轨迹交错或发生互相遮挡时可能引起的漏检及错检问题,结合基于分块的色调直方图、线性预测,提出了一种自反馈的混合检测方法。测试结果表明,该方法在行人发生遮挡或行径路线交叠时能够一定程度上减少错跟和漏跟,从而提高算法的鲁棒性。