基于改进Bhattacharyya系数的粒子滤波视觉跟踪算法

基于颜色直方图的粒子滤波跟踪通常采用Bhattacharyya系数(B氏系数)衡量目标与候选区域特征模型之间的相似性.分析说明目标内部区域的B氏系数存在大量的峰值,使得粒子滤波跟踪仅能适应目标收缩,无法适应目标的膨胀.为此,提出了一种改进的B氏系数,从理论上分析说明了该系数具有单峰特性,基于该系数的粒子滤波跟踪能同时适应目标收缩和膨胀.分析和实验结果均表明,基于本文提出的改进B氏系数的粒子滤波跟踪对目标快速膨胀和收缩等形变具有较好的鲁棒性和准确性.     

基于改进的均值漂移和卡尔曼滤波的目标跟踪算法

针对固定搜索窗口均值漂移算法在目标运动速度过快或目标尺度发生变化而导致跟踪失败的问题,提出一种与卡尔曼滤波相结合的自适应窗口跟踪算法。首先用卡尔曼滤波算法对运动目标进行预测及更正,设定感兴趣区域,并利用均值漂移算法确定搜索窗口大小和位置,同时结合Bhattacharyya系数进行目标定位,实现视频中目标跟踪。通过对比分析和实验结果,改进算法对目标尺度发生变形时具有较好的鲁棒性和准确性。     

使用Bhattacharyya系数的道路自动提取

介绍了基于Bhattacharyya系数的小比例尺正射影像道路提取方法。首先假设道路点的灰度特征符合标准正态分布,建立理想道路模型,在影像中通过计算Bhattacharyya系数评价该位置为道路点的可能性,系数较大者为道路点。实验证明该方法具有一定的可行性。     

基于均值漂移的视觉目标跟踪方法综述

基于均值漂移的视觉目标跟踪方法具有模型简洁实用、能够处理目标形变及部分遮挡等复杂情形的优点,算法高效且易于模块化实现。各种改进的模型及方法针对目标的尺度变化、特征分布等核心问题进行了系统研究,跟踪性能得到了进一步提高。该文从基本的均值漂移跟踪方法出发,系统介绍了此类方法的发展过程与最新成果。     

依赖模板匹配纠错的混合跟踪算法*

经典均值漂移跟踪器(MST)和模板匹配跟踪器(TMT)在性能的许多方面具有强互补性。为利用这种互补性提高跟踪的可靠性,提出了一种混合跟踪算法(HTA)。HTA维持了颜色直方图和亮度模板两种目标模型,并分别以TMT和MST为主、辅跟踪器。当目标被遮挡或周围出现相似颜色模式的干扰物而造成主跟踪器错跟时,算法自动切换到辅跟踪器进行纠错;干扰消失或目标被重新捕获时,可自动切换到主跟踪器。实验结果表明,HTA对复杂跟踪环境适应性强且计算量不大。     

视觉跟踪中模板匹配相似度指标研究*

由于模板匹配中像素点r、g、b颜色值计算存在多对一缺陷,加之背景特征的影响,视觉跟踪中模板匹配往往得不到全局最优解。为此提出模糊隶属度概念和新的相似度指标公式,修正颜色值计算缺陷,相近似颜色值聚类,从而提高视觉跟踪中目标识别能力。这种新指标有效抑制背景成分的影响,同时突出目标特征的权重,改善匹配函数峰值特性,使得搜索目标得到全局最优解,最终实现鲁棒跟踪。实验结果表明,模板匹配具有良好的峰值特性,算法在跟踪目标存在变形、噪声、遮挡时也可以达到比较理想的跟踪效果。     

基于双直方图自适应选择的目标跟踪算法*

针对传统的均值漂移算法,加入了梯度方向直方图及其与颜色直方图的自适应选择,提高了均值漂移算法在复杂场景中目标跟踪的鲁棒性。传统的均值漂移算法往往选择固定的一个颜色直方图对目标进行跟踪,当目标自身或者跟踪场景发生变化时,容易跟踪失败。通过分析被跟踪目标在当前场景中与目标模板在颜色以及梯度方向上的相似性并设定阈值,从而选择并使用当前有效的目标特征,实现复杂变化场景下的目标跟踪。一系列不同场景下的运动目标跟踪实验,证实了该算法的可靠性。     

一种复杂背景下的实时目标跟踪算法

鉴于现有的均值漂移跟踪算法不能适应目标运动速度过快和全部遮挡,并且由于存在开方、除法等大量浮点运算,在定点DSPs数字信号处理器中应用难于满足实时跟踪要求。本文在核密度估计,均值漂移算法迭代权值,Bhattacharyya系数等方面进行改进,给出优化的算法流程。不仅增强了目标与背景相似时搜索目标的能力,而且全部使用整点运算,计算时间满足实时跟踪要求。通过将优化算法与卡尔曼轨迹预测相结合,解决了目标运动速度过快和全部遮挡问题。目前该算法已经成功嵌入TMS320C6416硬件平台,实验结果表明,在混乱背景、目标发生旋转、遮挡、形状变化、运动速度过快等情况下,该算法能够保持连续稳定的实时跟踪。     

窗宽自适应Mean-Shift跟踪算法

针对固定窗宽Mean-Shift算法在目标运动速度过快或尺度发生明显变化时可能导致跟踪失败的问题,提出一种窗宽自适应的Mean-Shift跟踪算法。该方法基于均值漂移矢量预测跟踪窗口中心位置,同时自动调整跟踪窗口大小,保证目标始终处于跟踪窗口内部,使算法得以准确定位目标;在确定空间位置后,利用基于Bhattacharyya系数的二分法自动选取窗口缩放比例,得到与目标尺度一致的跟踪窗口。实验结果证明,该方法能很好地定位目标的空间位置和尺度。     

基于Bhattacharyya距离准则的核空间特征提取算法

提出了一种新的以Bhattacharyya距离为准则的核空间特征提取算法．该算法的核心思想是把样本非线性映射到高维核空间．在核空间中寻找一组最优特征向量,然后把样本线性映射到低维特征空间,使类别间的Bhattacharyya距离最大。从而保证Bayes分类误差上界最小．采用核函数技术,把特征提取问题转化为一个QP(Quadratic Programming)优化问题．保证了算法的全局收敛性和快速性．此算法具有两个优点：(1)该算法提取的特征对数据分类来说更有效;(2)对于给定的模式分类问题,算法可以预测出在不损失分类精度情况下所必须的特征向量数目的上界,并能够提取出分类有效特征．实验结果表明,该算法的性能与理论分析的结论相吻合,优于目前常用的特征提取算法．     

基于SNN核的景象匹配算法

提出一种基于核方法的下视等分辨率景象匹配算法. 通过模拟电荷吸引模型, 提出了计算不等维高维数据相似度的SNN核函数. 将图像中的特征点映射到径向基向量(Radial basis vector, RBV)空间, 利用SNN核函数计算两个特征点集的相似度及过渡矩阵. 利用置换测试模块来增强SNN核的稳定性, 以确保输出解的可靠性. 实验证明, 基于SNN核的景象匹配算法对图象畸变、噪声干扰与信号缺失具有很强的鲁棒性, 并可保证高精度与高实时性.     

A Motion Stereo Method Based on Coarse-to-Fine Control Strategy

This correspondence presents a motion stereo method based on coarse-to-fine control strategy. A camera sliding straight takes images that form a set of stereo pairs. The matching proceeds from the shortest baseline pair to the longest baseline pair, using the disparity map already obtained to guide in searching for the next pair.     

A Coarse-to-Fine Method for Shape Recognition

In this paper the deformation invariant curve matching problem is addressed. The proposed approach exploits an image pyramid to constrain correspondence search at a finer level with those at a coarser level. In comparison to previous methods, this approach conveys much richer information： curve topology, affine geometry and local intensity are combined together to seek correspondences. In experiments, the method is tested in two applications, contour matching and shape recognition, and the results show that the approach is effective under perspective and articulated deformations.     

一种新的结合遗传算法的快速变形模板匹配算法

分析了图像处理中模板匹配技术计算量大的问题。在高精度的芯片焊点定位应用中,文章提出了一种新的结合遗传算法的快速变形模板匹配算法。该算法在应用中有很高的执行效率,而且还克服遗传算法应用的结果不确定性,通过变形模板匹配精确的计算出芯片与水平线夹角和芯片焊点相对位置。最后通过试验证明这种方法的高效性和准确性。     

Study on Bhattacharyya Coefficients within Mean-Shift Framework and its Application

The classic mean-shift tracker has no integrated scale adaptation, which limits its performance in tracking variable scale object as wel l as the object with severe motions. Based on the variation analysis of Bhattacharyya coefficient within mean-shift framework, the sufficient conditions for accurate tracking of object with scale changes are presented. We propose that the changes of object scale and position within the region of previous tracking window will not impact the localization accuracy of mean-shift tracker. Based on our findings, a novel backward tracking method is introduced to solve scaling problem, and the solution of dealing with the severe object motions is also discussed by integrating mean-shift tracker into the low-resolution matching scheme.     

An Evolutionary-Based Stereo Matching Method with a Multilevel Searching Strategy

Stereo matching is one of the fundamental problems in computer vision. It consists in identifying features in two or more stereo images that are generated by the same physical feature in the three-dimensional space. This paper presents an evolutionary approach with a multilevel searching strategy for matching edges extracted from two stereo images. The matching problem is turned into an optimization task, which is performed by means of a genetic algorithm with a new encoding scheme. For an effective exploitation of the genetic stereo matching algorithm for real-time obstacle detection, a multilevel searching strategy is proposed to match the edges at different levels by considering their gradient magnitudes. Experimental results and comparative analysis are presented to demonstrate the effectiveness of the proposed method for real-time obstacle detection in front of a moving vehicle using linear stereo vision.     

一种基于Agent技术的JAVABEAN构件搜索方法

目前构件技术是软件重用中的一个重要技术 ,而随着 Internet的不断发展 ,在 Internet上分布着的构件将成为构件重用的重要来源。为了有效利用现有构件 ,在本文中 ,我们提出一种主要针对 JAVABEAN构件 ,利用 A gent技术将本地构件库和 Internet相结合的构件搜索方法。     

基于核的模糊聚类算法

在聚类分析中,模糊c-均值算法是应用最广泛的聚类算法之一,针对该算法对初始化敏感,容易陷入局部极小点的缺点,论文提出了一种基于核的模糊聚类算法。在算法中将核方法与模糊可能性算法相结合,将模糊c-均值算法结果作为初始中心,放松了对隶属度归一化的条件,对噪声有更好的处理能力。IRIS数据和人造数据的实验结果表明该算法的有效性。     

一种基于最长前缀匹配的分段式IP查表方法

基于最长前缀匹配,本文提出了一种新的IP转发表搜索方法.该方法在实现过程中依赖的主要硬件是一片逻辑控制器以及高速的DDR Ⅱ(Double Date RateⅡ)SDRAM(Synchronous Dynamic Random Access Memory).依据研究IP地址前缀所得出的规律,将IP地址前缀存储到DDRⅡ中.该搜索方法能够将搜索时间限制在两个DDRⅡ读周期之内,不超过4 ns;同时保证转发表更新时间小于512 ns.     

基于多卷积核通道特征加权双目立体匹配算法

在基于神经网络的立体匹配算法中网络的特征提取能力对最终深度图的计算有着重要的影响,因此提高网络的特征提取能力十分重要.提出一种基于多卷积核通道特征加权的双目立体匹配算法,通过设置不同大小的卷积核,使网络可以自适应地选择不同的感受野,采用注意力机制在特征提取阶段根据特征通道之间的相互关系为每个通道分配不同的权重,提高特征的表达能力,以提高匹配精度.最后,在Scene Flow和KITTI数据集上进行视差预测.通过实验结果可看出,与金字塔立体匹配算法(PSM-Net)相比,能够获得更高的匹配精度.