分块检测尺度自适应的圆形目标相关跟踪

为解决传统基于核相关滤波器（KCF）的目标跟踪方法中跟踪框尺度无法自适应及目标被遮挡导致的跟踪失败问题,以空中加油视觉导航中圆形锥套目标的跟踪为例,提出了一种分块检测尺度自适应的圆形目标相关跟踪方法。利用目标外部边缘特征点的提取与轮廓拟合方法解决了圆形目标跟踪所存在的目标尺度变换问题,通过分块检测将跟踪过程中目标遮挡情况与跟踪失败情况区分开来,消除了遮挡情况下跟踪积累误差,实现了部分遮挡情况下目标的跟踪。实验结果表明,提出的圆形目标尺度自适应相关跟踪方法具有较高实时性、可靠性与准确性,实现了空中加油对接过程中对于锥套的稳定、可靠跟踪。     

基于差分图像分块的视频背景提取算法

为了降低背景提取算法的时间复杂度和空间复杂度,提出一种结合差分图像分块、背景减除和帧间差法的背景提取方法。对差分图像进行分块分类,提出了一种统计像素值的子块分类法,对不同类的块用不同的更新策略进行背景实时更新。该算法有效解决了背景更新过程中运动目标逗留、背景物体移入移出等问题的影响。实验结果表明该算法运算速度快、鲁棒性高、能准确地提取实时背景。     

基于OpenCV的机场跑道异物检测系统设计与研究

机场跑道的异物对飞机起降过程的安全带来非常大的威胁,所以机场跑道的异物精确检测已经成为保障飞机飞行安全一个非常重大的问题。文章主要从软硬件两个部分来研究了机场跑道异物检测系统,主要包括了机场道路监控中心和应急中心两个服务平台,重点分析了采用Camshift目标跟踪算法并应用在系统中,从而实现了监控系统前景目标识别和多目标跟踪两大功能;最后在windows系统下做了测试实验,以VS2008为实验环境,采用OpenCV函数库开发一款机场跑道异物监控系统;通过实验结果的分析,该软件系统可靠性高,运行稳定,满足了识别精确度高和跟踪实时可靠的要求,显示系统具有较高的检测精确机场跑道异物检测系统设计度,为机场跑道放入侵监测系统更深入的理论研究和进一步的实际应用提供了方便。     

基于分块背景更新的均值飘移跟踪算法

为提高融合背景信息均值飘移跟踪算法中的背景模型更新效率,提出基于分块背景更新的改进算法。将目标周围的背景区域划分成4块,分别以此4个子块的颜色直方图作为区域特征描述符进行计算,利用巴氏系数选择性地更新相似性较低的3个区域。在构建目标候选模型时,利用目标物体空间信息赋予候选目标区域像素点相应的距离权重。对整块背景信息更新策略和加权更新背景信息策略进行比较,比较结果表明,该算法具有更高的迭代收敛效率和更强的抗背景干扰能力。     

基于帧间差分和背景差分结合的Camshift目标跟踪算法

Camshift算法需要手动标定目标区域,且具有无法适应目标的高速运动、相似颜色背景和遮挡等情况的局限性。针对这些情况提出结合帧间差分法和背景差分相结合的方法对Camshift算法进行改进。首先利于帧间差分和背景差分相结合检测出运动目标区域。然后用该区域初始化跟踪目标窗口。当有相似颜色背景干扰或遮挡情况发生时,利用检测出的运动目标区域对搜索窗口进行限制。同时,使用Kalman滤波对下一帧的搜索窗口进行预测,从而使该算法适合高速运动目标的跟踪。实验表明该算法能够准确对目标窗口进行初始化,且在目标高速运动、遮挡、和相似颜色背景干扰情况下,仍能进行适时实时有效跟踪。     

运动目标检测与跟踪算法的研究进展

运动目标检测与跟踪技术有着广泛的应用,但由于检测和跟踪过程容易受外界环境的干扰而造成失败,因此改进运动目标检测和跟踪算法具有重要意义。本文分类介绍了运动目标检测与跟踪算法的研究现状以及常用算法,比较了各种算法的优缺点,阐述了该课题许多尚未完全解决的问题,并对该领域未来的发展趋势进行展望。     

分块帧差和背景差相融合的运动目标检测

提出了一种分块帧差和背景差相融合的运动目标检测方法。该方法利用图像分块建立初始背景模型,将视频图像划分为多个子块,对帧间差分图像的各子块进行自适应阈值检测,完成运动目标的粗分割,采用双阈值背景差分和邻域背景差分法对粗分割出来的运动区域进行细分割。背景采用自适应更新方法,能够克服光照变化和背景干扰。实验结果表明,该方法运算速度快、鲁棒性好,能够准确检测出运动目标。     

人体运动目标的检测与跟踪

提出了一种静止背景的情况下人体运动目标的检测与跟踪的新方法.该方法利用背景差分法与粒子滤波器算法相结合.首先,利用背景差分法可检测运算出人体运动区域的大小和形心,在一定的时间间隔t(t＜＜1s)后,再次利用背景差分法经运算可得到人体运动的速度,然后运用粒子滤波器算法利用背景差分所获得的人体运动区域的大小、形心、速度三个参数建立跟踪模型.实验结果证明,该方法对人体目标跟踪是快速且有效的,并且有很好的鲁棒性.     

基于加权累积差分的运动目标检测与跟踪

针对视频序列中缓变运动目标检测与跟踪的问题,改进加权累积差分方法,设计一种快速检测缓变运动目标的权值分配算法。在检测出的运动目标区域中提取特征点,利用最大距离原则确定特征点的匹配范围,根据视差一致性原则,提出非回溯的误匹配检测方法。实验结果表明,该方法能有效提高跟踪的效率和精度。     

基于背景差分和三帧差分的运动目标检测

为了提高运动目标检测算法的准确性和对背景变化的适应性,本文采用了三帧差分与基于单高斯模型背景差分法相结合的算法,并通过最大类间方差法提取自适应阈值。引入一个新的背景更新机制,当运动物体融入背景或者背景中物体移除时,将背景更新为当前视频帧。实验结果表明,本文算法在对运动目标进行检测时,不易受背景光线变化及运动物体融入背景等因素的影响,适用于无人监控环境。     

基于五帧差分和背景差分的运动目标检测算法

静态背景下运动目标检测的抗噪性能较差。为此,提出一种改进的运动目标检测算法。对原始图像进行预处理,将五帧差分和背景差分相结合,利用基于自适应背景模型的动态阈值,提取图像中的运动区域,并进行形态学滤波和连通性检测,最终获取运动前景目标。实验结果表明,该算法能完整提取运动目标,背景适应性强,实时性好。     

基于肤色检测和背景差分的人手定位和跟踪

针对现有运动目标检测算法在实时性和准确性上的不足,提出了一种改进的人手定位和跟踪算法。该算法的基本思路是利用肤色检测和背景差分算法相结合的方式实现人手的定位和跟踪。该算法继承了肤色检测算法环境适应性好和背景差分算法高效稳定的优点,不仅对于复杂的背景环境具有较好的适应性,而且具有较高的检测效率,能够保证检测的实时性。实验证明该算法可实现对视频流中人手的实时定位和跟踪,较之原有算法提高了识别速度和精度,降低了误识别率。     

机场跑道异物定位算法研究

跑道异物的存在给机场安全造成了很大的危险隐患,为了减小异物存在导致的经济和人身安全的影响,利用三维坐标定位技术,将Hough变换改进后用于确定跑道位置,归一化算法实现以机场跑道灯为特征点的匹配,同时为了提高匹配效果,采用特征点旋转整合,有效获取特征点位置。结合传感器逐区域扫描时的方位改变与像机初始坐标系换算关系,确定跑道异物的相对空间位置,实现对跑道异物的定位。该算法利用坐标变换方法,理论基础完善,实际应用时,所需传感器数目较少,成本较低,定位准确,有很好的应用价值。     

基于相关滤波融合多特征的运动目标跟踪方法

针对复杂环境下仅使用单一图像特征跟踪精度和鲁棒性差的问题,提出一种多特征融合的相关滤波目标跟踪算法。该算法首先从目标和背景区域分别提取方向梯度直方图(Histogram of oriented gradient,HOG)特征、颜色直方图特征和卷积特征,采用固定权重方法融合HOG特征和颜色直方图特征的特征响应图,然后将该层融合结果与卷积特征响应图采用自适应权重融合策略进行融合,基于融合后的响应图估计出目标位置,并采用尺度估计方法解决目标尺度变化问题,最后采用稀疏模型更新策略进行模型更新。在OTB-2013公开标准测试集中验证本文算法性能,并与主流的目标跟踪算法进行了对比分析。实验结果表明,与其中最优算法相比,本文算法的平均距离精度值和平均重叠精度值都有所提高。本文算法由于有效地利用了HOG特征、颜色直方图特征和卷积特征,在复杂场景下目标跟踪的准确性和鲁棒性都优于其他算法。     

复杂背景下铁水罐定位分割算法研究

本文针对在炼钢厂复杂背景下铁水罐定位分割困难这一问题,提出了一种简单有效的解决方法。此方法首先采用帧间差影法初步分割出运动目标,通过对差影图像进行K邻域自适应滤波,消除强脉冲干扰。然后利用帧差图像边缘与灰度图像边缘的强相关性得到目标边缘信息,利用此信息对运动目标进行精确定位,并进一步检验运动目标是否为铁水罐。现场运行结果表明,此方法具有很强的鲁棒性,且算法实现简单,完全满足现场实时性的要求。     

基于差分法与改进活动轮廓模型的追踪算法

为了准确、快速地检测和追踪运动目标,提出差分法与改进的活动轮廓(snake)模型相结合的目标追踪算法。建立当前帧与前一帧的差分图像,判断目标的大概运动范围。在运动范围周围设定初始化曲线,用改进的snake模型进行目标拟合。采用帧差法测定运动范围,避免了snake初始化曲线人为选定的缺点,改进的snake模型使拟合结果更加准确。实验结果验证了该算法的有效性。     

基于时空背景差的运动目标检测算法

假定图像序列的背景图像已经获得,提出一种基于时空背景差的运动目标检测算法.该算法融合背景差分、基于时间信息的帧间差分及基于空间信息的背景差分信息,得到真实运动物体的运动种子点,认为背景差分图像中包含运动种子点的连通区域为真实的前景目标,从而可以检测出正确而完整的前景目标.仿真实验表明,该算法可以避免背景模型对场景的表征不足及背景更新阶段造成的错误检测,即使在场景中存在微小运动的复杂环境下,仍能实现准确的运动分割.     

基于帧间差分背景模型的运动物体检测与跟踪

针对背景差分算法中在复杂背景下参考帧的提取问题,提出了一种新的背景提取方法;该算法用帧间差分法将帧中的背景象素点检测出来,再确立出背景帧;由于排除了帧中运动物体的影响,因而提取出的背景干净,效果很好,然后运用背景差分检测出场景中的物体,最后采用一种新的运动物体跟踪算法,实现了运动物体和静止物体的识别,克服了以往检测算法中的误检和空洞问题,实验结果表明,该方法快速有效,能够满足实时性的要求.