基于特征点检测与光流法的运动目标跟踪算法

为了解决当前运动目标跟踪算法在背景模型复杂和目标特征不明显的情况下,导致算法跟踪能力不足的问题,本文分别从特征点检测与光流法分析的角度出发,提出了基于特征点检测与光流法的运动目标跟踪算法。首先,根据图像梯度矩阵最小特征值,通过仿射变换,精确化特征点帧间匹配,排除伪特征点,达到精准检测运动目标特征点的目的。然后,基于图像像素守恒原理,进行2幅图像间变形评估,建立图像约束方程,进一步精确跟踪运动目标。最后,基于软件开发环境QTCreator实现算法,并系统集成。实验测试结果显示:与当前运动目标跟踪技术相比,本文算法拥有更高的准确性与稳定性。     

基于双目立体视觉的车载发射系统瞄准设计

本文提出一种将双目立体视觉技术应用于车载催泪弹发射系统智能化瞄准的方法。该方法采用了时空结合的处理方式来提取运动目标：在时域内对图像帧进行二次帧差取交集分割出运动区域;在空域上进行直方图分割以缩小运动区域和去除噪声,时空结合并填充运动目标区域,达到了目标与背景较好的分离效果。通过摄像机标定、测距试验、深度计算和误差矫正所得实验数据满足设计要求。     

基于特征点集群目标跟踪与检测

目标跟踪与检测技术是计算机视觉研究领域一个热点和难点问题,该技术广泛应用在制导、导航、监控等方面。尤其在复杂背景下,准确的跟踪既定目标,在遮挡情况下稳定跟踪,是近年来研究的热点。利用一种特征点集群方法,通过提取特征点方式,以及对目标的运动估计等方式,解决针对地面目标在光线变化、缩放、旋转3个变化量下的跟踪与检测问题。该方法对于地面运动目标的限制较小,同时图像序列中每一帧图像间运动目标的位移量较小。运用本文所提出算法,能够解决针对地面目标在光线变化、缩放以及旋转情况下跟踪与检测的问题。     

云天背景下的红外弱小目标检测算法

根据点目标在红外系统中的成像特点,提出了一种红外弱小目标快速检测算法,首先进行下采样来减小图像大小;再运用“梯度增大法”增强图像对比度;然后与背景预测图像做差值运算,用最佳门限从差图中得到候选目标集;最终利用相临帧的相关性在后续帧处理中确定目标。仿真试验表明本文算法能从复杂云层背景中快速有效地检测出目标。     

基于灰色BP神经网络的光伏发电系统最大功率点跟踪

为了提高太阳能的利用率,应使光伏阵列时刻都工作在最大功率点上。提出分别利用BP神经网络法与灰色BP神经网络法对最大功率点进行跟踪,对给定参数的光伏电池特性进行仿真分析,对建立好的BP神经网络通过Matlab编程进行训练,得到最优的训练系数,从而可以得到给定参数的光伏电池的最大功率点跟踪模型;计算出跟踪误差,再结合灰色预测方法对误差进行校正,进而得出误差较小的预测模型和最大功率点跟踪模型。计算结果表明,基于灰色BP神经网络法对最大功率点的跟踪迅速、准确。     

基于深度学习的红外过采样扫描图像小目标跟踪算法

红外小目标跟踪过程中由于背景、外界杂波等干扰,导致跟踪精确度和实时性欠佳,为此,提出基于深度学习的红外过采样扫描图像小目标跟踪算法。首先构建了红外过采样扫描图像模型,通过背景估计、形态学开运算,对图像中背景以及外界杂波进行多级滤除;然后增加设计特征融合模块和区域选取模块来改进孪生网络,生成融合特征图输入目标区域,通过分类和回归计算提高图像的特征表征能力和跟踪精度;最后建立损失函数训练孪生网络,输出红外过采样扫描图像小目标跟踪结果。实验结果表明,利用所提算法进行图像滤除后,信噪比能够高达35 dB,所提算法的区域重叠率较高、跟踪精度高,且算法的实时性强,帧率达到200 fps以上,整体跟踪效果好。     

一致性特征点匹配在目标跟踪中的应用

为了解决运动目标快速跟踪过程的实时性与稳定跟踪问题,提出了一种新的基于局部特征点匹配的KPM(key points matching) 算法,对图像的局部多尺度特征提取与匹配进行研究。首先,应用SURF(speeded up robust features) 算法在跟踪窗口内提取特征点,生成并匹配特征矢量。然后,结合最近邻提纯法与一致提纯法剔除目标区域以外的特征点对,减少误匹配以提高跟踪精度。最后,生成目标仿射变换矩阵,更新目标运动参数。实验结果表明,本文所提出的KPM算法当目标发生大角度旋转和快速缩放,同时发生光照变化时,仍能够实现稳定的跟踪,且满足运动目标实时跟踪稳定可靠、精确度高、抗干扰能力强等指标要求。     

嵌入式红外图像处理系统的设计

研究了一种基于FPGA和DSP的模块化嵌入式红外图像处理系统,详细分析了该系统中FPGA模块和DSP模块之间通信的工作原理和信号流程。通过在此系统上运行实时红外图像的目标检测与跟踪算法,实验表明：通过监视器观察目标跟踪效果明显。系统动态可重构、模块化、可扩展,并且实时性好、计算效率高、工作稳定可靠。     

两点预瞄轨迹跟踪横向控制系统

智能汽车轨迹跟踪横向控制是实现智能驾驶的关键技术,为了提高智能汽车轨迹跟踪的精确性与稳定性,基于预瞄-跟随理论,建立了两点预瞄轨迹跟踪控制系统。分别利用PID控制和滑模控制方法设计了远、近点控制模块;再由模糊控制模块基于车辆当前的横向偏差及横摆角加速度,获得两点权重因子,控制方向盘转角;通过Carsim和Simulink进行联合仿真,仿真结果显示轨迹跟踪误差明显降低。并进行了实车实验,验证了所提出的的轨迹跟踪控制系统具有良好的路径跟踪能力。     

一种基于特征融合的点特征目标跟踪算法

联合目标的颜色和纹理特征,构造了由目标的颜色和纹理特征联合表示的特征点目标表示模型,利用Mahalanobis距离构造特征点匹配函数,利用自适应kalman滤波(AKF)算法预测特征点在下一帧图像中的位置,通过特征点匹配准确定位目标,达到实时、准确跟踪的目的。实验表明,该方法对于光线变化,目标形状相似以及目标被部分遮挡时的跟踪是有效和稳健的。     

一种图像确认目标的多目标跟踪方法

为了解决回波的复杂性和不确定性导致雷达多目标跟踪精度降低的问题,给出一种图像确认的多目标跟踪方法。该方法通过序列图像获取目标部分相关参数,从而剔除与参数不相符的虚假回波和杂波;然后根据保留的目标回波更新所跟踪目标的测量新计算,从而减少了多目标跟踪中由无关回波和杂波干扰所造成的测量更新误差,提高了目标跟踪的精度。仿真实验结果表明,本算法在去除部分或全部杂波后,能够减小多目标跟踪的误差,使跟踪精度得到较大改善。     

基于K-S检验的直方图匹配目标跟踪算法

为了快速准确跟踪运动目标,提出了基于K-S（kolmogorov-smirnov）检验的直方图匹配目标跟踪算法。将直方图信息作为模板,通过Kalman滤波原理预测出目标下一时刻的可能出现位置,以该位置为中心确定一个搜索范围,在搜索范围内判别直方图的相似性并进行模板匹配,在当前图像中跟踪目标。结果表明,基于K-S检验的直方图匹配方法可减小搜索范围,利用Kalman滤波预测目标的位置,在预测位置附近进行模板匹配,可有效减少模板匹配的遍历时间,提高目标实时跟踪效率。     

多目标跟踪在红外制导系统中的应用

为实现远距离对可疑目标的跟踪功能,提高红外制导的引导精度,提出了一种多抽头流水线架构的多目标跟踪方式.该方法将图像预处理、图像分割和目标检测等算法均在FPGA内部通过卷积运算实现,通过提高卷积运算速度达到实时处理的效果.试验结果表明,该方法与其他跟踪算法相比,可以自适应调整窗口大小、改变跟踪策略和自动分配窗口,提高了跟踪的多样性和可选性.该方法可以引导红外制导系统对多个目标同时进行跟踪,最终给出判据对威胁等级高的目标进行打击,具有实际应用前景.     

Depth-based target segmentation for intelligent vehicles: fusion of radar and binocular stereo

Dynamic environment interpretation is of special interest for intelligent vehicle systems. It is expected to provide lane information, target depth, and the image positions of targets within given depth ranges. Typical segmentation algorithms cannot solve the problems satisfactorily, especially under the high-speed requirements of a real-time environment. Furthermore, the variation of image positions and sizes of targets creates difficulties for tracking. In this paper, we propose a sensor-fusion method that can make use of coarse target depth information to segment target locations in video images. Coarse depth ranges can be provided by radar systems or by a vision-based algorithm introduced in the paper. The new segmentation method offers more accuracy and robustness while decreasing the computational load.     

点目标视频跟踪中的噪声自适应卡尔曼滤波器

针对卡尔曼滤波器在实用过程中所遇到的运动模型选择以及噪声给定问题,基于视频点目标的特征,提出了一种点目标视频跟踪中的噪声自适应卡尔曼滤波算法.该算法结合双步动态模型,在滤波过程中根据速度的相关系数调整运动模型参数,使运动模型更加切合实际.此外,该算法结合运动模型以及观测数据对一段时间的过程噪声进行估计,同时基于成像特性,利用单帧图像中灰度值的分布,对单次观测的观测噪声进行实时估计,实现过程噪声和观测噪声的自适应.根据在外场进行的仿真实验和实际跟踪实验结果,文中所提出的方法能够有效地保证跟踪精度.     

基于多特征匹配的轻量化行人跟踪算法研究

行人跟踪是深度学习研究中的热点内容。目前的跟踪算法存在无法满足实时性和因跟踪目标相似度太高、目标间的遮挡、运动不规律造成ID频繁转换的问题。为了提高运行速度,在目标检测阶段使用CNN和transformer相结合的轻量化网络,采用联合检测的方式,共享特征权重,并行计算检测、重识别、人体姿态估计分支,同时调整各个分支卷积通道数。跟踪部分则利用卡尔曼滤波预测的目标运动信息,目标重识别信息,和目标姿态的各个关键点位置信息共同完成目标身份匹配,减少了同一ID的频繁转换。实验部分采用MOT16数据集训练和测试。本算法的多目标跟踪准确度(MOTA)为48.5%,多目标跟踪精确度(MOTP)为78.17%,FPS为20,模型大小为18.4M。实验表明,提出的跟踪算法提高了整体的跟踪性能,实时性和准确性达到了预期要求。     

Performance Evaluation of an Image‐Space Observer‐Based Visual Servoing System

In recent years, robots have come to be required to operate in various environments and situations. Therefore, robots have to recognize the environment they are in and adapt to any situations that present themselves. The purpose of this research is to increase the tracking speed and robustness of a visual servoing system. A 3‐link planar manipulator provided with a CCD camera is used to track the target. In order to track the target, an image‐based tracking method, suitable for high‐speed tracking, is used. This paper proposes an image‐space observer (IOB), which compensates disturbances in the image space. A zero‐order hold is introduced to the IOB to enhance the performance of the visual servoing system. The validity of the proposed method is confirmed through experiments.