基于序列图像视觉跟踪技术的人体运动研究

针对当前常用的视觉目标跟踪算法容易受到类目标颜色干扰的问题,提出在传统的ABCshift算法中引入Kalman滤波器,从而通过CAMShift算法降低运动目标和其类似颜色物体的颜色相似度,并通过Kalman滤波器解决目标被遮挡干扰的问题。人体运动试验验证表明,该算法可有效实现对目标的跟踪,并具有很好的鲁棒性和实时性。     

一种YOLO识别与Mean shift跟踪的车流量统计方法

为了解决车流量统计中存在的车辆识别速度慢、统计准确率低的问题,提出一种YOLO识别与Mean shift跟踪的车流量统计方法。首先将车流量统计划分为车辆识别、跟踪与计数问题,建立高效的车流量统计模型。YOLO算法可对被检区域内车辆快速检测,根据YOLO的回归特性,将Mean shift核函数应用于目标区域得到目标模型,运用巴氏函数计算出候选模型,并对其进行跟踪。Mean shift可根据YOLO提供的最新车辆位置更换目标模型,这样目标跟踪丢失问题便可得以改善。实验结果表明,本文车流量统计模型在车辆识别、计数上有较快的速度和较高的准确度,能够基本满足智能交通中车流量统计的需求。     

基于KF和MS算法的神经丝蛋白质自动跟踪性能比较

跟踪研究神经丝在生物医学神经退行疾病领域有重要意义,针对人工标记效率低的现状,提出用计算机自动跟踪神经丝。本文采用Kalman滤波算法和Mean Shift算法对荧光显微下神经丝蛋白质运动视频进行目标跟踪,跟踪结果表明,基于运动模型和估计测量值的Kalman滤波算法在跟踪效果上明显优于基于颜色空间特征的Mean Shift算法。     

Mean-Shift和Kalman算法在工件分拣技术中的应用

针对生产线上动态工件的跟踪分拣问题,提出了一种Kalman预测目标和Mean-Shift搜索目标综合应用的跟踪算法,实现了对履带上工件的动态跟踪.该算法首先利用Kalman滤波估计出后续运动目标的位置、速度和匹配范围,然后使用基于HSV色彩空间融合的Mean-Shift算法进行小范围搜索和目标匹配,最后将Mean-Shift算法得到的目标位置作为下一帧Kalman滤波器的输入参数使得后续状态具有预测的能力,迭代执行,直至搜索到目标为止.实验证明,该算法能够有效解决动态工件的跟踪和定位问题.     

基于组合带宽均值迁移的快速目标跟踪

为了解决传统均值迁移(Mean shift)目标跟踪算法中跟踪窗口容易收敛至局部概率模式的问题,提出一种基于组合带宽Mean Shift的目标跟踪策略,并建立了一种自适应学习率的over-relaxed优化策略以加速收敛过程。根据目标尺度设定了一组从大到小排列的带宽序列,并依次根据每个带宽进行Mean Shift迭代收敛运算,利用大带宽的平滑作用避开局部概率模式的干扰;依靠小带宽进行精确定位,最终使其收敛到真实目标区域。由于组合带宽Mean Shift会造成一定的额外运算量,为此引入over-relaxed优化策略加速迭代过程。在边界优化算法的收敛条件约束下,根据采用over-re-laxed策略前后相关系数的变化,自适应地调整学习率。实验结果表明,组合带宽Mean Shift能够有效地跟踪快速运动的目标,并且当目标短暂丢失时也有一定的恢复能力;实验采用over-relaxed策略后,收敛次数减少了30%～70%。     

一种抗遮挡的运动目标跟踪算法

提出了一种基于彩色特征的抗遮挡目标跟踪算法。利用mean shift递推寻找当前帧目标的位置,并通过Kalman滤波估计目标状态。选用对目标部分遮挡具有鲁棒性的加权量化彩色直方图作为目标特征的概率分布,用Bhattacharyya系数作为特征相似性度量。提出一种目标遮挡因子,作为目标被遮挡程度的判断根据。当目标严重遮挡后,观测位置不再满足Kalman滤波的条件,采用目标状态量外推取代Kalman状态更新来预测目标当前的位置。实验结果表明,此方法对于部分遮挡以及全遮挡有较好的鲁棒性。     

基于均值漂移算法的水下视频目标跟踪

鉴于水下的特殊环境,本文利用均值漂移算法对水下视频中的运动目标进行跟踪.首先对水下视频目标对象和候选目标对象分别建立RGB颜色分布加权直方图模型,将这两个模型进行匹配,匹配度用Bhattacharrya系数来表示,搜索出与目标最匹配的候选目标并且更新目标模型,依此类推,从而在视频序列中实现目标跟踪.仿真实验证明,基于均值漂移算法的目标跟踪能够克服水下视频环境中干扰运动目标跟踪的因素:水波、倒影、气泡、游泳池浮标的遮挡等,进一步与基于Kalman滤波器的水下目标跟踪相比(对比),目标跟踪结果表明本文所用的算法能够对水下这种复杂背景的运动目标进行稳定实时的跟踪.     

基于DM642的嵌入式实时车辆跟踪系统

提出了一种基于DM642的实时车载车辆跟踪系统,该系统采用实时的Mean Shift作为跟踪器.为了提高系统跟踪的准确性,利用车辆的颜色分布和外型特征同时作为跟踪器的输入特征;为了提高跟踪的鲁棒性,利用卡尔曼(Kalman)滤波器对Mean Shift的跟踪系统进行预测和滤波.实验显示,该实时车载车辆跟踪系统具有良好的鲁棒性和实时性.     

基于Camshift和Kalman滤波结合的改进多目标跟踪算法

Camshift算法具有很好的实时性,但是存在遇到大面积与目标颜色相近的背景干扰、目标被严重遮挡时跟踪失效,只能对单目标进行跟踪等问题。针对这些问题,提出了Camshift结合Kalman滤波的改进算法,采用改进算法的跟踪器对每个检测出来的目标进行分别跟踪,从而实现多目标跟踪。实验表明本文提出的改进算法能有效地克服以上问题,并且能达到实时性要求。     

尺度方向自适应Mean Shift跟踪方法

经典核窗口宽度固定的mean shift跟踪算法不能很好地对尺寸逐渐增大的目标进行有效地跟踪。一些改进的mean shift算法虽然在一定程度上解决目标缩放这个问题,但是对于目标旋转仍然无能为力。在分析尺度空间理论和mean shift 跟踪算法的基础上,提出了一种尺度方向自适应mean shift跟踪算法。实验表明,对于初始帧,本文算法可以较为准确地获得目标最佳描述椭圆;对于后续帧图像,本文的新跟踪算法可以较好地适应目标旋转缩放等复杂运动。     

利用自适应卡尔曼滤波实现光电跟踪中的复合控制

为了在光电跟踪控制系统中实现复合控制以提高跟踪精度,构建了基于模型自适应卡尔曼滤波算法的复合控制结构。首先,利用跟踪脱靶量数据和仪器位置数据合成目标角位置数据;然后,利用模型自适应卡尔曼滤波算法对目标角位置数据进行滤波估计以获得目标角速度信息;最后,将目标角速度信息前馈到速度回路,从而构成复合控制系统。实验结果表明:采用复合控制结构后,目标跟踪精度提高了50%。基于模型自适应卡尔曼滤波算法的复合控制技术能够在保持原反馈控制系统稳定性的条件下提高跟踪精度。     

基于视觉的机动目标定位跟踪的滤波算法

在视觉定位系统中，由于各种噪声的影响，运动目标的三维位置和姿态的计算精度受到一定限制。为了提高运动物体的定位跟踪精度，提出了一种有效的滤波算法。和已有的方法相比，这种算法具有以下两个特点：第一，不再局限于平缓运动的物体，它对于未知运动规律的机动目标同样有效，第二，由于避免了扩展卡尔曼滤波器的使用，滤波复杂度有所下降。通过分析噪声对位姿计算误差的影响，建立了一组描述位姿测量值和真实值关系的线性测量方程。然后，分别给出了两种滤波算法：基于有限记忆的检测自适应滤波和基于数值微分模型的卡尔曼滤波。在检测自适应滤波算法中，给出了分别适用于快机动和慢机动的最优机动检测函数。一旦检测出机动发生，系统采用有限记忆滤波进行矫正。在第二种滤波算法中，系统采用数值微分技术构造出了描述机动目标运动行为的鲁棒估计模型。并且，引入了衰减因子，以防止滤波器的发散现象。该衰减因子可以根据位姿计算值自适应估计。最后，通过伪贝叶斯估计算法，将两种滤波器进行数据融合，有效的降低了机动时刻位姿估值的误差抖动，进一步提高了定位跟踪精度。仿真结果验证了本算法的有效性。     

基于DM6437的运动目标跟踪系统研究

基于DM6437开发板和Mean Shift算法设计出一个目标跟踪系统.DM6437是TI公司推出的一款高性能适于图像处理的DSP芯片.Mean Shift算法采用核函数直方图建模,对目标遮挡、变形以及背景的变化都不敏感,而且它的算法实时性好,有利于在DSP上的实现.该系统对PC机上的选定目标实现了较好的跟踪效果.     

跟踪窗口自适应的Mean Shift跟踪算法

目的：针对传统Mean Shift跟踪算法中当目标发生形变时因跟踪窗不能动态改变导致跟偏甚至跟丢的缺陷,提出了一种新的跟踪窗口大小和方向自适应的改进算法。方法：首先采用跟踪窗口内协方差矩阵的主分量分析方法来计算跟踪目标的方向和尺寸大小;然后联合相似性度量和卡尔曼滤波器来更新跟踪窗口。结果：实验证明,本算法针对不断旋转和缩放的运动目标仍能对其进行准确实时的跟踪。结论：改进算法能够满足非刚体目标跟踪系统的要求。     

Railway track geometry determination using adaptive Kalman filtering model

The Kalman filter has been widely used to solve different filtering problems especially in tracking and estimation applications. Besides its simplicity, robustness and optimality, the application of Kalman filter to nonlinear systems can be complicated. The most common method is to use extended Kalman filter which linearizes the nonlinear model so that the standard Kalman filter can be applied. In this paper, a new adaptive Kalman filtering algorithm is designed and applied to a railway track geometry surveying system which has been designed in the scope of a research project at Yildiz Technical University/Turkey. Track gauge, super-elevation, gradient and track axis coordinates which are the railway geometrical parameters can be instantly determined while making measurements by using adaptive Kalman filtering algorithm integrated surveying system.     

关于驾驶员眼睛检测与跟踪的研究

本文采用红外LEDs和CMOS图像传感器获取人脸图像和眼睛候选区域,再用支撑向量机(SVM)眼睛分类器验证并确定眼睛的位置,完成对驾驶员眼睛的准确定位;在眼睛的跟踪上,针对Kalman滤波和Mean Shift理论本身的缺陷,提出Kalman滤波和Mean Shift相结合的跟踪算法,不仅提高了跟踪的效率和跟踪的鲁棒性,还实现了模板的自动更新。     

基于最大一致的水下目标协同定位

针对水下运动目标定位时,现有的平均一致无迹Kalman 滤波器仅能实现近似一致而带来定位精度低的问题,提出一种分布式最大一致无迹 Kalman 信息滤波算法。首先,建立目标与传感器模型,构建水下目标协同定位框架;然后,通过等价变换将集中式无迹 Kalman 滤波算法改写为信息滤波形式,降低传感器计算维数;最后,对改写后的信息向量和信息矩阵采用最大一致处理策略,并引入虚拟节点技术来处理节点同值问题。结果表明,所提算法的定位轨迹与目标实际轨迹重合度更高且误差整体水平更小,验证了所提算法的有效性。     

融入运动信息和模型自适应的相关滤波跟踪

为解决余弦窗的影响和复杂场景中的目标遮挡问题,提出了一种融入运动信息和模型自适应的相关滤波跟踪算法。采用HOG特征和颜色直方图特征互补结合的框架,引入卡尔曼滤波和上下文感知滤波器,可以解决余弦窗的影响;引入一种高置信度检测方法和一种新的模型自适应更新方法,可以解决目标遮挡的问题。将提出的算法在OTB-2015测试集与其他6种相关滤波类算法进行比较,实验结果表明,该算法精确度和成功率分别为0.821和0.615。相对于Staple-CA算法,精确度提升了1.3%,成功率提升了2.8%,同时,算法速度为54.34 帧/s,满足实际工程实时性要求。     

转换坐标卡尔曼滤波算法在雷达数据融合中的应用

本文介绍一种二维平面上使用的转换坐标卡尔曼滤波算法在目标跟踪测量数据融合处理中的应用,并通过仿真证明该算法在目标跟踪中优于扩展卡尔曼滤波算法。