基于块的Mean-shift跟踪算法

针对传统Mean-shift跟踪算法在目标发生遮挡和形态变化时跟踪性能下降的缺点,提出了一种基于块的Mean-shift跟踪算法,该算法主要特点有：(1)将跟踪目标平均分块,每小块独立进行传统Mean-shift跟踪,利用小块跟踪未被遮挡的目标部分;(2)跟踪检测器检测目标小块跟踪的有效性,筛选出无效跟踪的目标小块,解决了目标分块造成跟踪性能下降的问题;(3)归一化互相关检测器和邻域一致检测增加了对目标空间信息的检测,弥补了Mean-shift算法的局限性,增加了跟踪的鲁棒性。实验表明,该算法在目标发生遮挡和形态变化时仍然可以有效的实现跟踪。     

改进的Meanshift运动目标跟踪算法

Meanshift算法在对快速运动的目标进行跟踪时容易丢失目标,并且在目标被遮挡时,也容易造成跟踪失败,跟踪的过程中跟踪框不能随着运动目标的大小变化而变化.提出一种基于Meanshift运动目标跟踪算法的改进算法.该算法基本思想是采用改进的三帧差分法对运动目标区域进行提取,求得跟踪框轮廓,同时用Meanshift算法对运动目标进行跟踪,获得目标最大概率区域,将该区域中心作为跟踪框的中心.跟踪过程中通过巴氏系数判断是否目标被遮挡,若被遮挡则调用Kalman滤波进行预测跟踪.实验结果表明,该算法能够快速、准确地跟踪目标.     

基于背景约束的抗遮挡目标跟踪算法研究

为获取高质量的目标跟踪结果,基于背景约束机制设计了一种新的抗遮挡目标跟踪算法.根据视觉纹理特征提取初始帧图像内的前景目标与背景特征,并通过建立前景目标物的概率约束提高目标识别的精度;采用粒子滤波跟踪框架,以颜色和二值形状为跟踪线索,利用Bhattacharyya距离判定目标物是否被遮挡;在目标遮挡条件下,采用自适应融合...     

基于KCF框架的长时间视频目标跟踪算法

针对视频目标跟踪中因遮挡产生的目标丢失后无法重新自动锁定目标的问题,提出了一种能够对视频目标进行长时间跟踪的算法。基于KCF(Kernelized Correlation Filters)算法的框架,增加筛选模块,通过三重分类器的筛选,对目标重新自动锁定。实验结果表明,提出的算法能够实现对目标的稳定跟踪,并且在目标跟丢后自动重新锁定并继续跟踪,实现对目标长时间跟踪的目的。     

基于方向直方图的Mean shift目标跟踪新算法

Mean shift算法是一种非参数密度估计算法,可以实现快速的最优匹配。为了有效地将Mean shift算法应用到灰度图像中,使用空间分布和纹理信息作为匹配信息,提出了一种基于空间方向直方图的Mean shift跟踪新算法。利用卡尔曼滤波器来获得每帧目标的起始位置,再利用Mean shift算法得到跟踪位置。实验结果证明,该算法在目标运动较快,目标尺度变化的情况下仍能稳定、实时、高效地跟踪目标。     

基于Struck算法的遮挡目标跟踪

Struck算法是近年来综合性能较优的视觉目标跟踪算法,但对于较大比例遮挡或全部遮挡情形,算法性能下降明显.通过对Struck算法的分析发现,当遮挡出现时算法分类器会引入错误信息,从而导致跟踪失败或者跟踪漂移.在Struck算法框架的基础上加入遮挡判断机制,在检测到较大比例遮挡后停止分类器更新,并通过缩放搜索样本的尺寸解决目标尺寸快速变化导致的遮挡检测虚警;对于具有一定运动信息的目标,通过卡尔曼滤波器进行预测解决目标全遮挡后的持续跟踪.实验证明,提出的算法框架对遮挡情形下的目标跟踪具有较高的鲁棒性.     

基于Kalman滤波和Meanshift算法的目标跟踪

如何实现移动目标被其他物体遮挡后,预测其所处位置,并能够实现遮挡结束后恢复目标的跟踪是视频目标检测与跟踪研究方面的一个热点问题。文章将Kalman滤波器对目标位置估计能力与Meanshift跟踪算法相互结合实现视频序列中移动目标检测与跟踪。利用遮挡因子对目标进行遮挡判断,如果没有发生遮挡则使用Meanshift算法进行直接目标跟踪,一旦检测出遮挡则利用Kalman的预测值进行目标新位置的确定,最终实现对运动目标进行跟踪,并通过MATLAB编写程序实现对运动目标的检测与跟踪。     

遮挡情况下目标跟踪算法研究

提出了基于分层模板匹配、模糊理论与卡尔曼滤波相结合的解决遮挡问题的算法。其以基于分层模板匹配为基础,模糊理论用于判断遮挡,卡尔曼滤波用于跟踪预测。Matlab仿真实验表明:该算法实现了跟踪过程中目标存在遮挡时的稳定的、实时的跟踪。     

基于改进MEANSHIFT的可见光低小慢目标跟踪算法

由于低小慢目标强机动性、易畸变等特点导致对其跟踪定位误差大、精确度低,本文针对这一难题提出了一种基于多特征融合与区域生长的Meanshift低小慢目标跟踪算法。首先根据人工标定的目标初始位置截取ROI（region of interest）区域,提取ROI区域的灰度直方图以及HOG（梯度方向直方图）特征,融合两特征建立目标的二维描述模板,然后结合目标模板与候选模板之间的Bhattacharyya相似系数以及ROI区域与候选区域之间的Hu矩的欧氏距离构建新的算法收敛判据,最后利用区域生长方法分析目标面积变化建立模板更新机制。通过在公开数据集LaSOT以及自行采集的4个图像序列上与同类算法的实验表现,表明本文算法对低小慢目标强机动与畸变不敏感,跟踪效果稳定,在一定的约束条件下,算法的跟踪精度可到达95%以上,具有较强的应用价值。      

融合深度特征和尺度自适应的目标跟踪算法

针对传统核相关滤波器(Kernel Correlation Filter,KCF)目标跟踪算法在复杂应用场景下准确度和成功率降低的问题,提出了一种融合深度特征和尺度自适应的抗遮挡目标跟踪算法.将传统核相关滤波算法中HOG特征替换为深度特征来建立视觉外观模型增强算法对目标特征的表达能力.通过融合DSST算法中的尺度滤波器...     

一种改进的meanshift运动目标跟踪算法

为了有效地解决目标颜色与背景颜色区分度较低而引起的目标定位不准确的问题以及目标被大面积遮挡而引起目标丢失的问题,提出了一种改进的meanshift运动目标跟踪算法。该算法利用harris角点检测法快速地提取目标的角点特征,并将这些角点嵌入到meanshift算法的迭代条件中进行目标搜索,然后结合卡尔曼滤波原理预测目标在下一帧中的位置,最终实现目标跟踪。实验证明该算法能够有效地提高跟踪的准确性和实时性。     

改进的Camshift与Kalman融合的目标跟踪算法

Camshift算法主要利用物体的颜色信息进行跟踪,在复杂背景条件下容易造成目标的跟丢,且在目标被遮挡时,也容易造成跟踪失效。本文提出了一种改进的Camshift目标跟踪算法。首先将目标图像的HSV模型的三个分量进行加权建立一种新的目标颜色模型,然后由对整帧图像计算反向投影改为比搜索窗口稍大的区域计算反向投影,减少了相似背景的干扰。同时为了解决遮挡问题,结合了Kalman滤波器,有效地预测了目标的位置。实验表明,本算法能够避免背景颜色干扰和解决遮挡问题,实现了对运动目标准确跟踪。     

基于改进Camshift算法的NAO机器人目标跟踪

针对Camshift算法应用于NAO机器人目标跟踪过程中,当目标受到相似颜色背景干扰或被物体遮挡时跟踪失败的问题,提出一种基于ORB特征检测和Kalman滤波多算法结合的目标跟踪方法。首先检测目标ORB特征点初始化搜索窗口,然后利用Kalman滤波作为目标运动状态的预测机制,以预测的位置初始化Camshift算法。利用Bhattacharyya距离判断跟踪窗口的收敛性,若受到背景干扰,则利用ORB算法对当前帧中的Kalman预测区域和目标模型进行特征点匹配,重新检测目标在视频帧中的位置。根据Kalman滤波预测目标被物体遮挡后可能的位置来更新预测器参数。实验结果表明,改进的算法能够在相似颜色背景干扰和目标遮挡的复杂环境下,连续稳定地跟踪运动目标。     

基于改进离散跟踪微分器的目标状态估计算法

目前,大多数目标跟踪算法都是基于模型的,不正确的模型经常导致错误的结果。为此,提出了一种不依赖于模型的目标状态估计算法。首先,针对信号跟踪的特点,在控制不受限制的条件下,推导出了二阶离散系统最速控制综合函数;然后,基于此控制函数构造了一种简单的快速离散跟踪微分器;最后,将此离散跟踪微分器与移动平均技术结合用于目标的状态估计。数值仿真结果表明提出的方法对输入信号具有非常好的跟踪能力,能很好地滤除噪声且能给出较好的微分信号。     

基于视频序列的运动目标追踪算法

介绍了一种对视频序列中运动目标追踪的实现算法,该算法在运动目标检测的基础上,融合了卡尔曼滤波和Meanshift算法实现对快速移动目标的追踪。卡尔曼滤波对下一帧目标可能出现的位置做出估计,Meanshift迭代算子在估计出的区域对目标精确定位。经实际验证其有效地克服了传统Meanshift算法对于快速移动物体追踪可能出现的丢失目标的问题,目标追踪效果明显提高。     

基于改进扩展卡尔曼滤波算法的空中目标跟踪

采用扩展卡尔曼滤波方法建立了雷达跟踪模型,对空中目标航迹进行滤波,为了减少雷达量测噪声的不稳定变化对系统跟踪性能的影响,对扩展卡尔曼滤波算法进行了改进,利用新息方差的计算来调整卡尔曼滤波器的增益。仿真结果表明,采用改进扩展卡尔曼滤波算法后,在雷达量测噪声发生大幅变化的情况下,经过滤波后的位置和速度误差仍然趋于稳定。表明该方法具有很好的滤波性能及跟踪精度,并可以提高空中目标航迹预测的精确性。     

一种改进的CAMShift目标跟踪算法

为了实现复杂背景下对运动目标的快速准确跟踪,在阐述CAMShift算法的原理和实现的基础上,提出一种改进的CAMShift目标跟踪算法。经实践验证,改进的算法可以实现复杂背景下对运动目标快速准确的跟踪,并且跟踪效果很好。     

基于改进自适应IMM-UKF算法的水下目标跟踪

针对现有自适应交互式多模型算法(AIMM)在水下目标跟踪过程中模型切换和跟踪精度上的不足,该文结合无迹卡尔曼滤波(UKF)算法,提出一种改进的AIMM-UKF算法。该算法在自适应修正马尔可夫转移概率矩阵的基础上,利用判定窗对其进行二次修正,实现匹配模型概率的快速增大和对非匹配模型的抑制。仿真结果表明,改进算法相比原有自适应算法,能更加充分地利用后验信息,拥有更好的模型切换速度,跟踪精度提升约24%。     

改进质心跟踪算法在实时空中目标跟踪中的应用研究

针对光电探测跟踪系统的应用,分析低空运动目标在空天背景中电视成像的特点以及常见背景成像特点。提出该场景下检测区域中点的表示方式,并以此为权重,在TMS320DM8168Davinci平台中实现实时加权质心跟踪算法。实验证明,该方法能够在嵌入式平台实现低空运动目标实时跟踪。