跟踪框自适应的尺度变化目标跟踪算法

为解决尺度变化的目标跟踪问题,借助于对数极坐标变换良好的尺度旋转不变性,提出一种基于椭圆对数极坐标变换域下目标跟踪算法。算法利用一种显著性加权的Mean Shift进行空间定位,进而将目标区域变换到椭圆对数极坐标系下并沿尺度轴进行积分,通过一维的最大相关匹配确定目标的尺度参数。实验结果表明,该算法不仅空间跟踪误差较低,而且能够较稳定地适应目标尺度变化,具有较好的鲁棒性。     

基于图像对数极坐标变换的多分辨率相关匹配算法

常规的图像相关匹配算法通常只具有平移不变性，而不具有尺度和旋转不变性，这就给存在尺度和旋转变化图像间的匹配问题设置了障碍。针对这一问题，提出了一种基于图像对数极坐标变换的相关匹配算法，并融入了高斯金字塔多分辨率机制以提高算法的效率。由于对数极坐标变换具有尺度和旋转不变性，因此该方法能够较好地克服传统图像匹配算法的缺陷，不仅可以完成存在更一般运动的图像间的匹配，而且在匹配的同时还可以对图像的尺度和旋转变化量进行估计。     

一种非刚体目标的实时检测与跟踪算法

提出了一种复杂背景下自动、实时地检测和跟踪非刚体目标算法。该算法利用自适应的背景减除方法,在复杂背景条件下提取出运动目标;采用颜色直方图模型为特征的均值平移法作为跟踪算法。试验结果验证了该算法的实时性和有效性。     

宽带信号匹配滤波的GPU实现及性能优化

从宽带相关的角度推导了基于小波变换的匹配滤波算法及基于快速傅里叶变换(FFT)算法,并分析了算法复杂度,提出了基于图形处理器(GPU)的可配置宽带匹配滤波的软件实现和理论预测与函数实测结合的优化方法.通过优化线程块的维度、绑定纹理寄存器来改进内核函数性能,再使用计算统一设备架构(CUDA)库来降低FFT与极值搜索的时延,并进行了性能优化设计.在性能测试中,文中方法在GPU平台的实现相比8核CPU平台的实现具有3.3倍加速比,其处理时延能够满足宽带匹配滤波的实时性需求.     

利用局部特征联合匹配的非刚体目标跟踪

针对视频序列中非刚体目标的跟踪问题,提出了基于局部特征联合匹配的快速跟踪算法．算法将基于关键点的特征匹配问题转化为求解平衡指派的最优化问题,进而依据整体匹配最优的原则实现特征的联合匹配．跟踪过程为:首先分别提取目标模板和当前搜索区域的局部关键点并进行特征描述;然后依据联合匹配策略确定目标模板关键点在输入帧图像中的匹配结果;最后依据匹配结果确定目标在输入帧图像中的位置和尺度．实验结果表明,该算法对目标的非刚性形变具有较强的鲁棒性,能够适应复杂的背景变化并获得稳定的跟踪结果．     

Research on visual object tracking by fusing dynamic and static features

Traditionally, most tracking algorithms only use the single static feature or single dynamic feature to model the object. The static feature based model can not describe the object's dynamic characteristics and is difficult to adapt to the changing object with a background cluster, abrupt movement and rotations. While the classical optical flow is able to describe local dynamic characteristics, it has aperture issues. Therefore, we present a new tracking method based on fusing the dynamic and static features adaptively: the dynamic feature is extracted by the bidirectional optical flow and error metric adaptively, and is fused with the static feature by the fusion weight efficiently. The fusion weight based covariance is constructed to evaluate error ellipse which describes the object's scale and orientation exactly; the weight assignment parameter is updated by an on-line parameter updating mechanism, which balances the dynamic feature and static feature and ensures the tracking adaptation to the object's velocity and scene changes. Experiments show that the proposed algorithm can achieve better tracking results compared with the related algorithms, on the occasions when the object moves abruptly and rotates with a background cluster.     

目标识别的极指数栅格方法

在极对数坐标下常常通过傅立叶变换得到目标的轮廓不变量来识别目标,提取的特征量多且花费的时间长,因此提出了一种新的目标识别的极指数栅格方法,该方法首先将直角坐标中的目标映射到极对数坐标下,把包围变换中心的目标轮廓变换成一维目标曲线,然后提取曲线的结构特征,包括目标的跨度、目标曲线面积比率和目标曲线分布状况,这些结构特征具有旋转、缩放、平移不变性,用BP网络对3个二维目标进行学习和识别,实验证明,利用结构特征进行识别得到了较好的识别效果,并且花费的时间少,但是本方法仅适用于没有滚动和扭动的单个运动目标识别。     

基于注册和多尺度表观模型的三维头部跟踪

针对人体大范围运动下的头部姿态跟踪问题,提出一种基于尺度不变特征变换（SIFT）局部描述符注册和多尺度表观模型的三维头部姿态跟踪方法.基于SIFT局部描述符的注册算法通过在两帧灰度图像间进行特征点匹配计算两帧间的头部运动,在两帧人脸图像的尺度有一定变化时仍可得到精确结果.多尺度视角表观模型可以减少大范围跟踪时的误差累积,该模型在线选取具有不同头部姿态的关键帧,并通过多次注册的方法来减少当前帧的误差累积.实验结果表明,该方法不仅跟踪结果准确（均方根（RMS）误差为4 °）,而且在人体前后运动约1 m和头部进出摄像机视角情况下均很鲁棒.     

Biological object recognition approach using space variant resolution and pigeon-inspired optimization for UAV

Recognizing the target from a rotated and scaled image is an important and difficult task for computer vision. Visual system of humans has a unique space variant resolution mechanism (SVR) and log-polar transformations (LPT) is a mapping method that is invariant to rotation and scale. Motivated by biological vision, we propose a novel global LPT based template-matching algorithm (GLPT-TM) which is invariant to rotational and scale changes; and with pigeon-inspired optimization (PIO) used to optimize search strategy, a hybrid model of SVR and pigeon-inspired optimization (SVRPIO) is proposed to accomplish object recognition for unmanned aerial vehicles (UAV) with rotational and scale changes of the target. To demonstrate the efficiency, effectiveness and reliability of the proposed method, a series of experiments are carried out. By rotating and scaling the sample image randomly and recognizing the target with the method, the experimental results demonstrate that our proposed method is not only efficient due to the optimization, but effective and accurate in recognizing the target for UAV.     

利用团块模型进行目标跟踪

提出了一种基于局部特征的目标跟踪算法．通过多尺度分析方法,根据颜色和空间上的相似性将目标分割为多个区域,每个区域由一个团块表示,团块包含了该区域所有像素的颜色均值、形状和位置．根据团块特征构造目标的外观模型,定义团块的匹配准则,通过团块匹配进行目标跟踪．由于目标模型是基于局部特征的,并且包含目标的全局空间结构,因此该算法在局部遮挡和目标尺度变化的情况下,依然能够进行准确地跟踪．实验表明该算法能够有效实现复杂场景下的目标跟踪,性能优于Mean-shift算法．     

一种实时人脸跟踪方法

研究了一种实时人脸跟踪方法。针对运动过程中人脸大小、形状都会发生变化的特点,采用直方图非参数密度估计作为人脸模板及人脸候选区域的模式特征,并通过Bhattacharyya系数度量其相似度。在人脸跟踪过程中以均值偏移为核心算法,通过均值偏移矢量的迭代,在局部得到最匹配人脸。最后给出实验结果,验证了跟踪方法具有很好的实时性,并对人脸姿态变化、旋转及被短时遮挡具有较好的鲁棒性。     

一种蜂窝网中伪线性卡尔曼滤波混合定位算法

提出了蜂窝网中一种基于伪线性卡尔曼滤波的到达时间和到达角（TOA／AOA）混合定位的算法,能够对处于运动状态的用户进行跟踪定位．根据用户运动模型,使用笛卡尔坐标旋转以降低状态变量的维数,在确保跟踪精度的同时又降低了算法的运算量．同时考虑了用户在不同的观测平台间切换时实现连续跟踪的问题,分析和仿真了观测平台自身的定位误差和散射半径对跟踪精度的影响．结果表明算法的精度能够满足E911要求,并与最小二乘算法的定位精度进行了比较．     

基于图像矩信息的CamShift视觉跟踪方法

为了适应视觉跟踪过程中目标形态的变化,使用核密度估计对视频序列中的运动目标进行色彩分布建模,运用CamShift算法进行跟踪,并结合图像矩信息确定目标区域.采用全局更新策略对目标色彩分布模型进行实时更新,进一步提高了跟踪的准确性.实验结果表明,该方法对目标在平移、旋转、局部遮挡等不同运动条件下均可实现稳定的跟踪,克服了尺度变化对跟踪带来的影响,是一种鲁棒性较强的跟踪算法.     

一种新坐标描述多体系统动力学及仿真软件

用完全笛卡尔坐标描述多体系统的运动学和动力学在提高计算效率方面有突出优点。导出用完全笛卡尔坐标表示的刚体及多体系统运动学和动力学模型,研制了相应的通用仿真软件ＤＡＭＳ。通过ＤＡＭＳ软件对算例进行的动力学分析与计算,表明该方法及软件的有效性。     

一种具有半波对称特性的电网谐波检测方法研究

针对一类电力系统的测试信号具有半波对称特性,提出了一种改进FFT算法.该算法在传统FFT算法的基础上省去了偶次谐波分量的计算,只分析奇次谐波,计算量是传统FFT的一半,大大提高了谐波的分析速度.在此基础上,为解决因非同步采样所导致的频率泄露问题,通过引入基于该改进算法的自适应频率跟踪流程,从而实现对这类电网谐波快速、精确的分析.MATLAB仿真结果表明,该算法响应速度快、实时性好、测量精度高,可有效地抑制电网频率和相位的突变影响,是一种工程实用方法.     

仿射变换在压缩感知跟踪中的应用

针对跟踪中目标尺度变化和旋转问题,将仿射变换和应用到压缩感知跟踪中.首先,以上一帧的跟踪结果为均值,以一定的标准差按照高斯分布,随机生成不同尺度和旋转角度的候选框;然后,通过仿射变换将其转换至直角坐标系中,通过多尺度滤波得到目标在不同尺度下的高维特征向量,采用压缩矩阵将高维特征向量降维至低维空间;最后,将低维特征向量通过贝叶斯分类器选取具有最大响应的候选位置作为目标的跟踪位置.在此基础上分别提取正负样本来更新分类器参数,从而实现持续稳定的跟踪.实验结果表明,该算法能够较好地解决压缩感知跟踪中的目标旋转和尺度变化问题.     

非均匀空间采样下的表层穿透雷达逆时偏移成像算法

提出了一种冲激脉冲表层穿透雷达(ImpSPR:Impulse Surface Penetrating Radar)非均匀空间采样下的逆时偏移(NUSS-RTM:Non uniform Spatial Sampling Reverse Time Migration)成像算法。ImpSPR对表层下区域进行探测时,当空间采样非均匀分布时,基于快速傅里叶变换的距离偏移(RM:Range Migra-tion)成像算法和衍射层析成像算法不再是一种有效的方法。需要进行坐标轴拉伸变换或采用非均匀傅里叶变换进行成像处理,算法流程复杂。本文以波动方程RTM处理为基础,运用泰勒级数展开得到了波场关于空间维方向导数的二阶精度差分格式,导出了NUSS-RTM成像算法并给出了具体的差分网格实现形式。通过对ImpSPR实测数据的处理,结果表明NUSS-RTM成像算法可有效地应用于ImpSPR非均匀采样或均匀采样下的高分辨成像。     

飞蛾扑火优化的尺度比例感知空间长期跟踪器

针对无人机长期跟踪过程中尺度变换导致目标丢失和跟踪精度低的问题,提出了一种基于飞蛾扑火优化(moth-flame optimization, MFO)的尺度比例感知空间长期跟踪器。首先,设计了高斯初始化以代替飞蛾扑火优化算法的随机初始化策略,降低优化算法在跟踪过程中的计算复杂度,减少算力浪费;其次,结合快速梯度直方图特征,构建了改进的飞蛾扑火优化跟踪器;然后,为了解决无人机航拍长期跟踪中目标尺度变化的问题,设计了一种自适应尺度变换的判别尺度空间跟踪(discriminative scale space tracking, DSST)算法,进一步提出了一种尺度比例感知空间跟踪器,解决了尺度滤波器中因长宽比固定而导致的跟踪漂移;同时,分析了滤波器响应峰值在各背景下的变化情况,提出了一种能反映环境变化下跟踪置信度的指标,并通过置信度将MFO优化跟踪框架与尺度比例感知空间跟踪器相结合,解决了尺度变化与长期跟踪目标丢失的问题;最后,在无人机长期跟踪数据集上开展了性能验证。结果表明：提出的算法可有效防止漂移现象的发生,提升跟踪效率;与目前跟踪领域中12种同类文献算法进行对比可知,提出的算法精度较高...     

Visual object tracking with the adaptive scale based on AGMM point sets matching

A visual object tracking method with the adaptive scale based on AGMM(Asymmetrical Gauss Mixture Models) point sets matching is proposed aimed at adaptively following the object's scale changes, which often cause tracking failure. As the feature point set in the last frame is considered as the GMM centroids and the feature point set in the current frame represents the data respectively, AGMM fuses the feature information and spatial information; by comparing the similarity between data and GMM centroids, we match the point sets between two adjacent frames and obtain the reliable feature points in the current frame; the degree of dispersion between points in the point set accurately reflects the size of the object scale and by using affine transformation, the proportion of the two point sets is computed to estimate the position and scale of the bounding box in the current frame accurately and effectively. Experimental results demonstrate that the method is adaptive to scale change and has advantage in illumination variation and color similar target tracking.     

运动物体参数估计与跟踪的线对应新算法

在分析刚体平面运动前后对应直线参数关系的基础上,提出了用直线对应原理估计物体运动参数的新算法. 线对应法可以同时估计物体的平移和旋转参数,这一点是传统的点对应和其他方法难以实现的. 推导出对运动物体自动跟踪的迭代公式,在跟踪过程中用齐次坐标实现了坐标系转换和运动合成的一体化. 仿真实验证明,在大噪声环境下这一算法仍然可以获得相当精确的运动参数.