一种基于自适应的目标跟踪算法的实现

在已有的目标跟踪方法基础上,对基本模板匹配算法进行改进,提高了目标跟踪的速度和可靠性,目标跟踪的准确程度和算法的效率有显著的提高.给出了使用自适应模板匹配方法跟踪的试验仿真结果.     

基于粒子群优化的模板匹配跟踪算法

针对基于模板匹配的跟踪算法运行速度较慢、成功率较低的问题,提出了一种基于粒子群优化(PSO)的模板匹配跟踪算法。该算法采用粒子群优化算法作为模板匹配算法候选模板的搜索策略,并采用自适应的更新目标模板。首先,在设定的搜索区域内随机采集30个候选模板,计算出个体最优候选模板和全局最优候选模板;其次,根据粒子群优化算法进行迭代求出匹配值最佳的候选模板即为目标;最后,根据最佳候选模板的匹配值大小来自适应更新目标模板。理论分析和实验仿真表明,与基于模板匹配的跟踪算法和基于粗精搜索的模板匹配跟踪算法相比,基于粒子群优化的模板匹配跟踪算法的计算量平均要少91.1%和69.8%,且成功率为原算法的2.02倍和1.94倍。实验结果表明,基于粒子群优化的模板匹配跟踪算法能实现很好的实时跟踪,并且提高了跟踪的鲁棒性。     

融合光流检测与模板匹配的目标跟踪算法

针对传统的目标跟踪算法需要人工选择目标且不能较好地处理目标的尺度变化问题,提出融合光流检测与模板匹配的目标跟踪算法。首先通过结合光流信息与图像分割结果从视频中自动地检测和提取运动目标,实现基于检测的跟踪;当检测跟踪结果不可靠时,再利用模板匹配定位目标位置,实现基于匹配的跟踪;最后,通过自动更新模板,使得跟踪框能够自适应目标的尺度变化。实验结果表明该算法能够在自适应目标尺度变化的同时获得较为稳定的跟踪结果。与其他三种算法相比,所提方法在目标的自动检测提取与尺度自适应方面具有优势。     

基于特征匹配滤波的自适应模板跟踪算法

针对头部目标跟踪的应用背景,在Mean Shift的框架下提出一种基于特征匹配滤波的自适应模板更新策略。该方法根据被跟踪目标在不同状态下所呈现出颜色的统计特征信息,采用颜色空间核密度估计匹配滤波的方法,对模板中局部区域像素的更新作出决策。实验结果表明,该算法有效解决了因头部旋转以及物体遮挡而导致模板不匹配的问题,实现了头部的连续跟踪,取得了很好的跟踪效果,提高了跟踪算法的整体稳定性和鲁棒性。     

基于分层匹配的自适应跟踪算法

提出了1种基于相关的区域分层匹配和模板自适应更新的目标跟踪方法,该方法能在序列图像中自适应地寻找最佳的动态阈值与更新模板,同时区域分层快速搜索能较大地提高匹配速度。算法在MATLAB软件环境下进行了仿真实验。实验结果表明该方法匹配精度高、匹配速度快,在背景亮度、对比度发生变化以及存在水面杂波干扰的情况下,表现出良好的稳定性,具有较强的实用价值。     

基于卡尔曼滤波与感知哈希技术的模板匹配跟踪算法

为解决传统模板匹配跟踪算法计算复杂度高且在目标形变、光照变化、遮挡等情况下容易发生跟踪漂移的问题,本文提出一种融合卡尔曼滤波、图像感知哈希与模板匹配的跟踪算法。本算法采用感知哈希技术提取目标的哈希值作为模板进行匹配,采用卡尔曼滤波预测下一帧中候选目标的搜索区域,然后,结合模板的哈希序值和目标位置变化信息设计新的匹配准则进行模板匹配,最后根据匹配结果,采用自适应模板更新策略和跟踪策略对目标进行跟踪。试验结果表明,本算法在目标形变、光照变化以及遮挡情况下具有一定的鲁棒性,且能满足实时跟踪的要求。     

基于多关联模板匹配的火箭目标跟踪算法

针对火箭目标在复杂场景的跟踪问题,提出一种基于多关联模板匹配的模板匹配策略,通过仿射变换从上帧最优模板中产生多关联模板以自适应火箭目标的大小和姿态改变,提高算法的匹配精度。采用Kalman滤波器对火箭飞行进行轨迹预测。多个火箭飞行录像跟踪实验表明,该算法具有很好的匹配精度与实时性,对火箭目标的状态、大小变化与云层遮挡现象具有较好的鲁棒性。     

超声心动图块匹配斑点跟踪算法模板块大小的自适应估计

块匹配法是利用超声心动图对心肌进行斑点跟踪定量分析最为常见、有效的方法,块匹配法中模板块大小对斑点跟踪精度有很大的影响,然而现有算法中模板块大小都是由经验来确定,不仅造成斑点跟踪精度较差而且缺乏自适应性。本文提出一种用于超声心动图块匹配斑点跟踪的模板块大小自适应估计方法。首先利用双向跟踪准确度估计跟踪误差,然后根据不同大小块的双向跟踪准确度自适应地确定块匹配中模板块的大小,解决了模板块大小自适应的问题。通过与传统固定模板块大小的方法比较,采用自适应模板块大小方法的斑点跟踪结果在精确度和稳定性上都取得了更好的结果,其中斑点跟踪平均误差由2.5±0.2下降为1.1±0.1,为心脏功能临床诊断和治疗提供了更为可靠的相关参数。     

基于模板匹配与运动预测的跟踪算法研究

本文所介绍的跟踪算法使用了基于MCD距离的相似性度量方法进行模板匹配,并采用了一种模板自适应更新策略,使得跟踪算法对环境的适应能力和稳定性得到了较大的提高.此外,还根据目标在运动过程中具有轨迹连续性的特点,加入了预测算法的使用.实验结果表明,该算法能较好地解决跟踪过程中目标受干扰和被遮挡等问题.     

基于模板匹配及区域信息融合提取的快速目标跟踪算法

提出了一种基于融合的快速目标跟踪算法。该方法将目标预测模型、目标模板匹配以及目标空间信息融合到统一框架内。该方法通过预测模型,预测下一帧中目标候选区域,从而降低模板匹配方法的搜索区域。然后在预测模型预测的搜索范围内进行目标的模板匹配,同时,提取目标的区域信息来辅助目标的模板跟踪方法。最终跟踪结果由目标模板跟踪以及目标的空间信息共同决定。本方法由于采用了目标的预测模型,从而能够减少目标的搜索范围,降低因目标的全图搜索造成的时间开销。并且由于减少了搜索区域,剔除了部分相似的匹配窗口,从而提高了跟踪时匹配的精度。本算法结合了目标模板跟踪和目标区域信息的优点,能够增强目标跟踪过程准确度。由于加入了目标的区域信息,对目标跟踪中出现的漂移现象更加鲁棒。实验结果表明,本方法在进行目标跟踪过程中对出现的漂移、遮挡等问题更加鲁棒、稳定。     

基于自适应模板的图像跟踪算法

本文对传统的模板匹配跟踪方法进行了改进。在跟踪过程中采用了变模板匹配方法。弥补了固定模板跟踪的不足，提高了跟踪的稳定性。最后。本文给出了使用变模板匹配方法跟踪的试验结果。     

A vision system for robotic inspection and manipulation

A model-based approach has been proposed to make object recognition computationally tractable. In this approach, models associated with objects expected to appear in the scene are recorded in the system's knowledge base. The system extracts various features from the input images using robust, low-level, general-purpose operators. Finally, matching is performed between the image-derived features and the scene domain models to recognize objects. Factors affecting the successful design and implementation of model-based vision systems include the ability to derive suitable object models, the nature of image features extracted by the operators, a computationally effective matching approach, knowledge representation schemes, and effective control mechanisms for guiding the systems's overall operation. The vision system they describe uses gray-scale images, which can successfully handle complex scenes with multiple object types     

一种基于块匹配的鲁棒运动估计算法

详细论述了基于块匹配的鲁棒运动估计算法。跟已有的基于块匹配的运动估计算法比较，首先，我们引入颜色信息来提高运动估计的准确性；其次，在更广泛的意义上运用自适应策略来减少计算量并同时保证算法的鲁棒性；最后，提出的基于预测修正的复合查找方法充分利用了物体运动的全局信息，克服了三步查找算法以及全查找算法的缺点并充分发挥它们二者的优点从而提高查找的效率和匹配精度。实验结果表明基于块匹配的鲁棒运动估计算法具有抗干扰能力强、运动估计准确、计算效率高等优点。     

相机抖动场景中数据驱动的背景图像更新算法

视频序列中的运动目标检测是计算机视觉领域的重要研究课题.背景减除是运动目标检测的有效方法,但相机抖动会对背景提取带来极大干扰,从而可能造成传统基于模型的图像处理方法模型失真.本文提出了相机抖动场景下前景图像提取的数据驱动背景图像更新控制算法.首先利用Harris特征检测进行背景补偿以消除抖动干扰.然后利用无模型自适应控制方法,建立单入单出控制系统来表示背景图像并进行实时更新.最后运用背景减除法提取运动目标前景图像.本文方法与传统基于模型方法进行了不同视频序列的对比仿真.实验结果表明,本文方法可以有效处理相机抖动场景下的运动目标检测问题,目标前景图像分离效果更加接近真实场景.     

基于运动信息与Hog特征的伪装色移动目标跟踪

针对复杂背景下伪装色运动目标的跟踪问题,提出一种基于运动信息与梯度方向直方图的跟踪方法。通过金字塔光流法获取视频序列中目标运动矢量范围;利用目标区域的灰度特征以及Hog特征构建特征向量,沿着运动主方向在速度大小范围内进行二分法匹配,进而确定目标的准确位置。实验结果表明,针对平缓变化的视频序列,对于颜色色调范围较大或者边缘结构较为明显的伪装色运动目标具有良好的跟踪效果。     

基于视觉的无人飞艇地面目标检测

针对无人飞艇地面目标检测中细节信息缺失的问题,提出一种静态目标和运动目标的检测方法。利用Lucas-Kanade方法跟踪目标区域内特征点,从而实现静态目标的连续检测。通过图像特征点的跟踪估计相邻帧图像间的全局运动,进而对图像进行运动补偿,利用补偿后的帧差图实现运动目标的检测。采用上海交通大学“致远一号”无人飞艇采集的实际视频数据进行实验与分析,结果验证了该方法的有效性。     

Robot-vision architecture for real-time 6-DOF object localization

This paper presents a new robot-vision system architecture for real-time moving object localization. The 6-DOF (3 translation and 3 rotation) motion of the objects is detected and tracked accurately in clutter using a model-based approach without information of the objects’ initial positions. An object identification task and an object tracking task are combined under this architecture. The computational time-lag between the two tasks is absorbed by a large amount of frame memory. The tasks are implemented as independent software modules using stereo-vision-based methods which can deal with objects of various shapes with edges, including planar to smooth-curved objects, in cluttered environments. This architecture also leads to failure-recoverable object tracking, because the tracking processes can be automatically recovered, even if the moving objects are lost while tracking. Experimental results obtained with prototype systems demonstrate the effectiveness of the proposed architecture.     

A probabilistic matching algorithm for computer vision

A model-based vision system attempts to find correspondences between features of an object model and features detected in an image for purposes of recognition, localization, or inspection. In this paper we pose the relational matching problem as a special case of the pattern complex recognition problem and propose a probabilistic model to describe the images of an object. This Bayesian approach allows us to make explicit statements of how an image is formed from a model, and hence define a natural matching cost that can be used to guide a heuristic search in finding the best observation mapping. Furthermore, we show that even though the nature of the feature matching problem is exponential, the use of the proposed algorithm keeps the size of the problem under control, by efficiently reducing the search space.     

一种基于立体视觉的公交车客流计数方法

为了能实时地采集到公交系统中的客流量,提出了一种基于双目立体视觉的客流计数方法.该方法由3部分组成:运动目标检测,标记,匹配与计数.目标检测是计数问题的核心,该方法首先利用行帧差法检测可能的运动目标,然后基于视差分析判断可能目标的真伪.通过模拟环境和实际公交车环境的测试表明,该方法现场计数准确率达到92%以上,并有效克服了因计数场景中光线突变、阴影对计数准确率的影响.     

A Bayesian, exemplar-based approach to hierarchical shape matching

This paper presents a novel probabilistic approach to hierarchical, exemplar-based shape matching. No feature correspondence is needed among exemplars, just a suitable pairwise similarity measure. The approach uses a template tree to efficiently represent and match the variety of shape exemplars. The tree is generated offline by a bottom-up clustering approach using stochastic optimization. Online matching involves a simultaneous coarse-to-fine approach over the template tree and over the transformation parameters. The main contribution of this paper is a Bayesian model to estimate the a posteriori probability of the object class, after a certain match at a node of the tree. This model takes into account object scale and saliency and allows for a principled setting of the matching thresholds such that unpromising paths in the tree traversal process are eliminated early on. The proposed approach was tested in a variety of application domains. Here, results are presented on one of the more challenging domains: real-time pedestrian detection from a moving vehicle. A significant speed-up is obtained when comparing the proposed probabilistic matching approach with a manually tuned nonprobabilistic variant, both utilizing the same template tree structure.