基于DSP与FPGA的靶标动态检测跟踪技术

针对靶场目标测试面临的测量目标小、距离远、目标与背景对比度低等实际问题,提出了基于DSP（Digital Signal Processing）与FPGA（Field Programmable Gate Array）的数字视频图像信息进行目标动态检测跟踪的方法。该方法采用了图像分割检测方法与目标跟踪算法,精确并快速地定位靶标十字的中心,从而实现复杂环境下运动靶标检测跟踪,提高了检测效率和精度。     

一种船舶舱室人员动态检测及跟踪方法设计

基于视频图像的视频检测跟踪技术已成为新世纪热点技术,视频监控已广泛的应用于各个领域,对于海量视频数据进行自动识别检测处理有着十分重要的作用.论文将人员目标检测与人员目标跟踪相结合,实现人员动态的自动跟踪,可用于船舶舱室人员地动态检测及跟踪.该方法提高了视频监控的工作效率,降低了船舶舱室监控人员的工作强度.论文主要研究分析了高斯背景建模算法和CamShift算法,对CamShift算法提出改进,并对算法进行仿真实验设计,最后通过实验结果来分析和验证改进算法的有效性.     

一种快速序列图像低信噪比点目标的检测与跟踪方法

文中提出用截断序贯似然比检测、多级假设检验及航迹点信号强度滤波相融合的处产现序列图像中低信噪比点目标的检测与跟踪,其中,点目标的位置,速度及运动方向均未知。文中推导了相应的序贯似然比判决准则及虚假航迹终结准则,并对该算法进行了详细的描述及仿真,仿真结果表明该算法可快速实现信噪比为２的点目标的检测与跟踪。     

一种基于动态规划的弱目标检测方法

针对机载脉冲多普勒雷达检测弱目标困难,提出一种改进的动态规划方法.在动态规划算法中引入多级幅值累加判决门限,在循环递归过程中丢弃一部分目标轨迹,减少了算法计算量.经实测数据验证,该方法在强杂波背景下能较好地检测出低信噪比运动目标.     

基于动态规划的多目标复合检测与跟踪算法

基于动态规划的多目标检测跟踪算法涉及计算量爆炸和邻近目标难分辨的问题．针对实际应用中目标个数未知和环境中强弱目标并存限制的情况,提出一种基于动态规划的多目标复合检测与跟踪算法．首先利用传统恒虚警率(CFAR)算法进行一次检测,实现对强目标的检测和剔除;然后采用基于动态规划检测前跟踪算法对一次检测后的数据进行分区动态规划,实现对微弱目标的检测与跟踪,从而实现复杂环境下密集目标的有效探测．通过仿真和实测数据对本文算法性能进行了验证,结果表明该算法的高效性和稳健性．     

一种新的低信噪比序列图像运动点目标检测与跟踪算法

提出了一种新的低信噪比序列图像运动点目标检测与跟踪算法,该算法有要地结合了遗传算法与截断序贯似然比检验算法,仿真结果表明应用用此算法,可实现信噪比为２的点的检测与跟踪,文中根据低信噪比点目标检测的特点,了合适的编码方案,遗传操作方法及虚假航迹终结准则,提出了合格个体保留法。     

一种基于边界和区域的MRI脑图像分割方法

应用一种基于多分辨率边缘检测、区域选择和取灰度阈值相结合的方法实现了MR I(磁共振成像)脑图像的分割,得到了脑白质(WM)、脑灰质(GM)和脑脊液(CSF)的组织结构.并且针对该方法对模糊、不均匀的MR I脑图像分割时可能出现的问题进行了分析,提出采用动态阈值法对其进行改进,实验结果表明改进方法对模糊和不均匀图像,能得到较好的分割结果.     

一种基于特征的动态目标检测与跟踪算法

为解决图像处理特征目标物易受环境影响的问题,采用图像处理和颜色匹配的方法,提出一种基于特征的动态目标的检测和跟踪算法．首先对图像进行灰度化处理并获取图像梯度,确定目标物的弱可疑区。利用非完全特征匹配确定强可疑区,再进行完全特征检测确定目标物的位置,并根据运动物体两次移动位置计算出跟踪摄像器件的旋转方向和角度,最终实现对动态目标物的检测与跟踪．实验证明,该算法能够较好地完成动态目标物的检测与跟踪．     

一种实用的运动目标检测和跟踪算法

为使智能视频监控系统在监控时不仅具有较高的准确率,同时也保证系统的实时性,设计并实现了一种实用的在摄像机静止条件下运动目标检测和跟踪算法。首先对采集到的视频图像进行预处理,为算法提供最佳的图像数据,然后用混合高斯背景建模方法实现前景/背景分割,用形态学操作提取前景目标,最后用基于空间距离的方法实现目标跟踪。算法应用到实验系统,实验表明,系统在保证实时性的同时,能够正确检测和跟踪监控场景中的运动目标。     

TLD目标追踪算法研究

文章利用一个二值分类器、P-N分类器来改善未标记的数据的分类。P-N分类器需要利用数据集进行模型的学习,学习过程是通过正样本和负样本的约束,P-N分类器被用于目标检测以及追踪的在线学习。试验表明,利用P-N分类器的学习算法能够从一段未标记的视频序列检测、追踪指定目标。     

广义合作目标跟踪的误差空间估计方法

提出了广义合作目标的概念及误差空间估计方法,提高了光电跟踪系统的跟踪精度与平稳性。该方法采用引导数据与引导误差描述目标的运动,通过将目标的机动分散到引导数据和引导误差,在目标状态空间中根据目标的运动模型进行滤波,在误差空间中根据引导误差模型进行滤波与预测,再进行合成得到目标位置预测数据。实验结果表明在相同的机动水平下,该方法的跟踪性能优于Kalman滤波与强跟踪滤波。     

抑制闪烁噪声的SMM-IUKF目标跟踪算法

针对末制导被动雷达跟踪测量的闪烁噪声问题,在分析多模型滤波及其简化算法的基础上,采用迭代不敏卡尔曼滤波(IUKF),设计了一种简化的多模型滤波器(SMM-IUKF),并以一个典型三维目标跟踪问题为例进行了蒙特卡洛仿真验证.该算法具有与SMM算法同阶的计算量,估计精确度高、收敛速度快,较好地解决了闪烁噪声滤波问题.     

基于SURF目标跟踪算法研究

SIFT算法是特征图像特征提取中一种最具鲁棒性的算法,但是其在特征提取匹配上速度较慢,很难满足实时目标跟踪的要求。使用SURF特征提取方法既保持了SIFT算法的高精度的优点,又克服了速度慢的缺陷。提出使用SURF提取并且匹配目标的特征点,用重心算法计算目标的脱靶量,通过小区域跟踪方法和高速硬件平台实现目标的实时跟踪。实验证明,算法对目标的轻微旋转、部分遮挡、亮度变化具有很强的鲁棒性,跟踪速度比SIFT算法也极大提高。     

基于区域生长的目标检测方法

针对前视红外图像对比度低、背景干扰严重、不利于目标检测等问题,提出了一种基于区域生长的目标检测方法。首先,在形态学滤波机理的基础上,利用图像的整体纹理分布特点进行逐行扫描,选取有效的极大值点、极小值点,自适应确定结构元素的大小进行图像滤波。其次,在自动种子区域提取的基础上,通过生长条件的判决准则动态调整生长阈值,确定待检测目标。实验结果表明：该方法与NCC方法和OTSU方法相比,检测准确率提高了10%,精确度较高。     

基于Arduino的目标跟踪系统设计

利用Arduino设计并实现了一种目标跟踪系统。该系统包括图像采集处理、基于Arduino开发的下位机软件和舵机云台3个模块。相机实时接收图像,对捕获到的图像进行预处理,调用OpenCV中的函数对图像进行霍夫圆检测。计算机通过串口与Arduino开发板连接,将图形位置信息数据实时发送。通过Arduino控制舵机的转动角度,精确调整相机的方位、俯仰姿态,完成实时的目标追踪。实验结果表明,在使用Python开发的计算机软件中,通过动态目标视觉检测以及PID控制的角度输出,舵机云台实现了很好的控制效果,使二维转台实现圆形识别跟踪。     

空中对地面目标群瞄准的视频图像分析方法

采用视频图像分析与地面目标群运动特性相结合的方法，可以解决空中对地面目标群的跟踪和瞄准问题。为了对地面目标群运动特性进行预测，引入了宏观交通模型。根据飞行器质心和地面目标群中心相对位置的预测估计，得到了飞行器视频监视装置的下视角和方位角计算式，并且给出了地面目标群位置估计误差的在线修正方法。半物理仿真结果表明，利用这种方法可以使地面目标始终位于视频图像的中心位置附近。     

基于动态图像序列的运动目标跟踪

介绍了运动目标跟踪中基于特征、 3 D、变形模型和区域的 4种跟踪方法 ,着重分析了变形模型中Snake的跳跃模型跟踪方法和基于区域的几个有代表性的跟踪方法 ,说明了其在智能交通监控中的应用 ,并给出了区域跟踪的实验结果。