人体运动目标跟踪的滞后性问题研究

研究人体运动目标跟踪问题,由于图像目标跟踪实时性差,在摄像机与被跟踪物体同时运动的情况下,被跟踪人体走路速度过快,两者速度不匹配时,运动的人体存在着被跟踪的滞后性问题.为解决上述问题,提出了一种改进的粒子跟踪方法.在人体跟踪的过程中,可以根据实际跟踪情况在线减少粒子的数目,进而减少运算时间,使得算法的运算速度可以根据被跟踪人体的运动速度实时调节,形成速度最佳匹配.仿真表明,改进的算法很好地解决了被跟踪运动目标的滞后性的问题,跟踪效果明显改善.     

一种改进高斯模型的人体运动图像跟踪算法

研究改进的人体图像序列跟踪优化问题,提高跟踪的准确性.针对当人体运动图像序列帧中,背景图像帧变化较快,帧间像素差异较大的情况下,传统的跟踪方法无法适应较大幅度的、快速的图像背景帧变化,提取的动态像素过少,导致出现跟踪前景误判,跟踪效果滞后、失准的问题.为了解决上述问题,提出一种基于高斯混合模型的人体运动跟踪算法,通过建立一种混合高斯模型模拟去除干扰,通过迭代动态像素参数更新,消除图像帧快速变化造成的像素减少带来的影响,解决跟踪滞后问题.实验结果表明,改进方法能够大幅提高在复杂背景下的人体运动准确性,取得了不错的效果.     

一种用于机器人的物体运动参数快速识别方法

为了使机器人能跟踪并抓取运动目标,实时给出目标物的运动参数是首要问题,也是个困 难的问题.本文给出一种物体二维运动的快速估计算法,不需要抽取物体特征,也不需要事先 知道物体的模型,而是通过运动物体序列图像的复数矩与运动参数之间的关系,来恢复物体的 二维运动.该算法与基于傅里叶描述子的运动估计方法进行了比较,证明了算法的快速性和 准确性.     

基于视觉的运动目标伺服跟踪研究

为对烟包PV带进行准确的伺服跟踪并完成剪带任务,提出一种基于运动估计的视觉跟踪算法。利用图像矩得到运动目标质心的坐标,根据质心的图像坐标计算出目标的速度、加速度。采用卡尔曼滤波算法预测运动目标在下一时刻的位置,并结合物体运动的速度、加速度作为伺服控制的依据,控制伺服电机的运动。实验结果表明,运动目标的速度误差在2 pixel/s以内,位置误差在5 pixel以内,验证了该算法的准确性和实时性。     

基于最大似然准则Hausdorff距离的跟踪算法

针对视频处理中运动物体的检测和跟踪问题,提出一种基于最大似然准则Hausdorff距离的目标跟踪算法,首先利用基于GVF的Snake方法获得物体模型;然后采用基于最大似然准则的Hausdorff距离匹配后续帧中的目标,搜索策略采用类似于Rucklidge提出的多分辨率搜索方法,在不影响搜索成功率和目标定位精度的情况下, 可以显著地缩短搜索时间;最后使用Snake方法完成运动物体的轮廓更新.实验表明该方法可以较好地跟踪刚性和非刚性物体,同时对部分被遮挡的目标也有良好的跟踪效果.     

海上浮动目标图像跟踪研究与仿真

研究浮动目标的图像准确跟踪问题。海上浮动目标容易受到风向、海浪等突变性因素影响,其运动方向和速度都有很强的突变性和非线性,造成图像中前后联系的方向运动参数估计失准。传统的跟踪方法多是基于运动图像的前后联系进行运动跟踪的,由于这种运动突变性的存在,使得运动间的关联性被大幅降低,跟踪结果出现较大偏差,收敛速度降低,造成跟踪结果的不准确。为此提出了一种自适应方向突变因子的浮动目标运动跟踪算法。引入随机分布的运动突变影响算子,在运动估计过程中作为惩罚因子出现,最大程度降低运动中的突变因素影响。仿真结果表明,自适应突变因子算法能够较准确完成海上浮动目标跟踪,避免了传统方法跟踪延迟等问题。     

相似背景下的运动目标自动跟综问题研究

研究视频图像中准确实现运动目标跟踪问题,要求在视频图像中找到目标确切位置,并反馈给跟踪系统.针对传统基于特征匹配的跟踪,当被跟踪物体所处环境中存在颜色、形状接近的物体时,会出现像素特征误匹配,造成运动目标跟踪错误率较高.提出基于Markov Chain Monte Carlo数据关联的运动目标跟综方法.通过建立像素概率模型,将运动日标跟踪问题公式化,运用MCMC方法对后验概率进行采样估计,避免了,模型匹配像素点的不确定性.实验证明,运动目标跟踪方法实现了在与自身相似背景下的准确跟踪,有效降低了跟踪错误率,取得了满意的效果.     

机载跟踪器的逃逸目标图像快速识别模型仿真

机载跟踪器进行逃逸目标识别跟踪的过程中,目标往往是高速移动的,为了逃逸跟踪,运动的速度和方向具有较大的突变性,与跟踪器之间会形成较大的跟踪距离差.传统的视觉方法为了弥补这种距离差,通过减少采集图像的样本,以提高跟踪的准确性,但是一旦样本数量过少,将会导致识别跟踪的准确性降低.提出基于高斯分布的动态逃逸目标识别跟踪方法.对跟踪目标图像进行归一化处理,获取与数据库中的样本图像具有同样的尺寸和分辨率的图像.计算动态目标图像的形心,根据高斯分布原理建立动态目标的识别跟踪模型,并对模型中的相关参数进行及时更新,保证了动态目标识别跟踪的及时性和准确性.实验结果表明,利用改进算法能够有效提高动态目标识别跟踪的准确性,缩短了识别跟踪的时间.     

基于改进随机蕨的跟踪注册方法研究

针对无标识增强现实跟踪注册方法在复杂环境下存在跟踪注册失败、速度较慢的问题,提出一种基于改进随机蕨的无标识增强现实跟踪注册方法。该方法以真实场景中的目标物体图像作为模板,使用随机蕨分类器进行目标检测,解决环境光照变化或目标被遮挡跟踪注册失败的问题。使用FAST角点进行特征检测提升检测速度,对随机蕨的仿射过程进行改进来弥补特征点尺度不变性和仿射不变性缺失。通过该分类器进行特征匹配,进而估计三维位姿并渲染注册虚拟物体。实验结果证明,该方法具有较好的准确性、实时性和鲁棒性。     

高速机动目标检测算法研究

研究机载雷达高速机动目标检测问题,指出目标的高机动性带来回波包络走动以及多普勒频率展宽,导致传统相参积累效果下降、检测概率降低.为了解决上述问题,提出了一种随机Hough变换的检测方法,将多脉冲观测时长内的高速机动目标回波能量积累问题转化为图像域的直线与曲线检测问题,使得未知速度、加速度的目标包络走动及弯曲得到积累,实现了匀速和匀加速度运动目标的有效检测,并获得速度与加速度的估计值.仿真结果证明了该方法的有效性.     

机载雷达组网多站测角被动跟踪轨迹优化研究

研究多观测器轨迹优化控制问题,由于多站测角被动跟踪系统运行存在误差,用机载雷达组网的可移动传感器采集信息,可对雷达载体轨迹优化进行研究,利用控制雷达载体的飞行轨迹可有效解决跟踪目标的弱观测性及估计器的稳定性。为了改善传统轨迹优化算法容易陷入早熟收敛和局部最小的问题,提出一种模拟退火(Simulated Annealing,SA)和粒子群优化(Particle Swarm Optimization,PSO)算法的混合优化方法(SA-PSO)。在给出了角度信息的适应度函数表达式基础上,结合模拟退火算法的局部搜索能力和粒子群优化算法的全局搜索能力,提高优化算法的收敛速度、精度以及全局搜索能力。实验证明,改进的混合算法对雷达载体轨迹优化有效,并减小对机动目标的被动跟踪误差。     

基于大数据分析的移动对象轨迹预测方法

对移动对象的轨迹预测将在移动目标跟踪识别中具有较好的应用价值。移动对象轨迹预测的基础是移动目标运动参量的采集和估计,移动目标的运动参量信息特征规模较大,传统的单分量时间序列分析方法难以实现准确的参量估计和轨迹预测。提出一种基于大数据多传感信息融合跟踪的移动对象轨迹预测算法。首先进行移动目标对象进行轨迹跟踪的控制对象描述和约束参量分析,对轨迹预测的大规模运动参量信息进行信息融合和自正整定性控制,通过大数据分析方法实现对移动对象运动参量的准确估计和检测,由此指导移动对象轨迹的准确预测,提高预测精度。仿真结果表明,采用该算法进行移动对象的运动参量估计和轨迹预测的精度较高,自适应性能较强,稳健性较好,相关的指标性能优于传统方法。     

一种改进的海面舰船目标跟踪方法

用警戒雷达跟踪海面舰船目标时,由于舰船运动速度较慢,这使得其在雷达两次观测之间的位移与雷达本身的测量误差是可比拟的。这种情况下,传统的Kalman滤波在付出较大计算量的同时并不能显著提高跟踪精度。为此,针对海面匀速直线运动的舰船目标,提出了一种基于线性递推回归的投影滤波跟踪算法（Projection Filter based on Linear Recursive Regression,PFLRR）,仿真实验表明该算法的滤波性能与Kalman滤波相当,但其计算量仅为Kalman滤波的2/5左右。     

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.     

基于序列图像的实时人流检测与识别算法研究

针对可见光下人流检测、识别算法中存在的运动目标分割准确率低、识别效果差等问题,提出一种新的跟踪与识别方法.首先利用序列图像中运动目标时空一致性,将帧间二阶差分(SODP)与边缘检测相结合进行运动目标分割;再根据行人运动模型和运动目标局部性特征,通过粗采样方法快速提取跟踪特征向量;利用运动目标轮廓投影比、形状因子等特征分量,并构造基于人工神经网络的运动目标分类器进行识别.通过对大型商场进行的实际测试表明:该方法在运行效率、识别准确率方面均取得满意结果.同时,算法对于光线、阴影和人流变化等外界因素的影响,具有较强适应性.     

基于五帧差分和改进的Meanshift算法的运动目标跟踪

针对传统的帧差法检测运动目标时易出现空洞及Meanshift算法在复杂环境下易丢失跟踪目标甚至导致跟踪失败的缺点,提出了采用动态阈值五帧差分与跟踪目标实时模板更新的改进Meanshift的运动目标检测与跟踪算法,以提高系统的实时性和鲁棒性。结果表明该方法是可行的,能准确检测出运动目标,以提高目标跟踪的可靠性。     

基于背景减除法的视频序列运动目标检测

视频序列中运动目标的检测是目标识别、标记和追踪的重要组成部分,背景减除法是运动目标检测中被广泛应用的算法。针对光线变化、噪声和局部运动等影响运动目标检测效果的问题,提出一种基于背景减除法的视频序列运动目标检测算法。该算法结合背景减除法和帧间差分法,对当前帧像素点的运动状态进行判断,分别对静止和运动的像素点进行替换和更新,采用最大类间方差（Otsu）法对差分图像进行目标提取,并使用数学形态学运算去除目标中的噪声和冗余信息。实验结果表明,所提算法对于视频序列中运动目标的检测具有较好的视觉效果和较高的准确度,能够克服局部运动以及噪声等缺陷。     

自适应均值漂移算法目标跟踪检测仿真研究

研究运动物体目标跟踪精确度问题,由于存在遮挡和多光源的噪声影响检测精度,而且运动目标的跟踪是在连续的图像帧间创建位置、速度、形状等存在匹配问题。传统的目标跟踪算法由于目标的动态移动速度大,而容易导致跟踪丢失目标。为了解决上述问题,提出了一种改进的基于自适应均值移动(Cam Shift)目标跟踪新算法。主要难点技术问题是提取了多运动目标视频图像,进行了背景分离。算法是一种颜色跟踪算法,根据多次迭代的计算结果,自适应调整图像,实现对运动目标的实时跟踪。仿真结果表明,提出的改进目标跟踪算法的跟踪精度和滤波效果有了较大提高,同时具有较强的鲁棒性能。     

目标相似性度量的鬼影抑制方法

针对背景差分法中的鬼影扰乱运动目标检测与跟踪问题, 提出目标相似性度量的鬼影抑制方法。首先分析间隔帧中目标的直方图分布和像素变化率, 依此判断目标相似度并检测鬼影; 然后提出面向鬼影对象的背景模型更新方法, 快速校正鬼影背景, 抑制鬼影再出现。实验结果表明, 该方法克服了自适应背景方法的检测灵敏度低和运动属性方法消耗高的缺点, 能够快速准确地抑制鬼影。     

基于二值掩码图像的粒子滤波目标跟踪快速算法

粒子滤波算法是进行运动目标跟踪的一种重要方法。针对传统粒子滤波算法在进行目标跟踪时存在的计算量大、实时性不足的问题,提出一种基于二值掩码图像的粒子滤波目标跟踪快速算法。该算法在传统粒子滤波算法的每个帧处理阶段产生二值掩码图像,再结合权重选择方法移除背景中权重较小的粒子,保留权重较大的重要粒子。提出的算法可以有效减少参与计算的粒子数目,节约算法的计算成本,从而提高目标跟踪的实时性。与传统粒子滤波算法进行比较,实验结果表明,提出的算法不仅能够有效地提高跟踪速度,而且跟踪结果的准确性和鲁棒性也有所增强。