适用于遮挡问题的目标跟踪算法

提出一种基于网格模型的目标跟踪算法．该算法首先进行遮挡区域检测，然后进行网格结点的运动估计和网格更新过程完成目标的多帧跟踪．改进的遮挡区域检测算法有效地提高了检测准确度，从而确保遮挡区域的准确跟踪；网格结点的运动估计是通过特征窗口运动补偿匹配完成，可以有效地克服块效应．实验证明，该算法解决了二维运动估计时网格模型在遮挡区域存在的问题，并可以有效地进行目标准确跟踪．     

基于运动区域检测的黑板设计

介绍几种常见的运动区域检测方法以及黑板模型．从基于网格模型的运动区域检测的研究出发,并结合黑板模型的设计思想,提出基于运动区域检测的黑板设计框架,并对设计框架中的知识源、控制机制和黑板进行详细的设计。该方法突破常规的设计思路,提高运动区域检测的智能化。     

基于动态网格划分的移动无线传感器网络定位算法

定位技术是无线传感器网络中关键的基础支撑技术,目前提出了许多静态网络的节点定位算法,移动无线传感器网络的定位研究相对较少.针对定位节点和参考节点随机运动的网络模型,提出了一个基于动态网格划分的蒙特卡罗定位算法.算法中当接收的参考节点数超过一定阈值时使用最远距离节点选择模型,选出部分参考节点参与定位和信息转发,节约能耗.接着基于选择的或所有接收的参考节点构建采样区域,进行网格划分,使用网格单元数计算最大采样次数,在采样区域内采样并使用误差补偿的运动模型进行过滤,提高了采样效率,减少了计算开销,并保证了较好的定位精度.仿真实验表明算法在定位精度,计算开销、能耗等方面都具有较好的性能.     

基于内容的网格生成算法

在基于模型的编码技术中,选择合适的网络模型对提高模糊的运动估计精度、编码效率和得到高质量的解码图像都是至关重要的。本文提出的基于图像内容的自适应网络模型生成算法,首先利用数学形态学中的水线算法把编码图像分割成许多纹理一致的区域,所分割的区域反映了图像的结构、轮廓和边界;再对这些区域的边界进行多边形拟合,得到多边形各个边的端点作为网格模型的节点,以这些节点为基础就能生成一个Ｄｅｌａｕｎａｙ三角形网格     

网格融合技术在列车过隧道运动网格数值模拟中的应用

在高速列车过隧道问题的数值模拟中,为提高模拟准确性而考虑转向架、受电弓导流罩、车厢连接处等细部结构后,几何模型变得复杂。为了得到质量高、适用性强的计算网格,在列车附近生成非结构化四面体网格,运动网格及计算区域其余部分划分块结构化六面体网格。在融合面上,利用网格融合技术处理四面体网格的三角形面网格和六面体网格的四边形面网格的联结问题,通过控制节点位置的变化满足拓扑一致,实现无缝连接。通过三维数值模拟计算结果与一维实验结果的对比发现,在同等精度要求下,采用网格融合技术及分区思想生成的网格整体上数量更少,生成速率更高,该方法可推广应用于更复杂几何模型的网格划分中。     

基于节点协作式网格投票的VANETs位置验证方法

针对车载网VANETs (vehicle Ad Hoc networks)中恶意节点的位置欺骗问题,提出了基于节点协作式的网格投票的位置验证方案.该方案将连续时间划分静态帧,在每个静态帧内,验证者和邻居节点协作共同检测位置欺骗的节点.验证者先获取目标区域,并将目标区域分割成等区域面积的网格.通过了资格审核的邻居节点才能在相应的网格内投票.通过多轮网格投票,获取最高票数的网格所在的区域,就是被验证者被估计的位置.将该位置与被验证者声称的位置进行比较,若不相符,则认为被验证者实施了位置欺骗.安全性能分析和仿真数值表明,基于节点协作式的网格投票的位置验证方案能有效地检测位置欺骗节点,具有低的漏警率和虚警率,能够正确地检测恶意节点.     

综合曲率约束的在线网格模型分割方法研究

针对现有三角网格模型块分割方法普遍存在计算复杂度高,无法体现工程意义,综合效果不理想,不满足Web环境下高效快速分割等问题,提出一种面向Web环境的简单高效的三角网格模型分割方法。根据高斯曲率和平均曲率特性划分出网格模型的凹区域,在凹区域中依据最小负曲率阈值提取凹特征区域,结合区域中心特征线提取方法以及边界线闭合和优化算法构造出闭合分割线,通过分割线将三角网格模型分割成有意义的分块。依托开源数字几何处理软件MeshLabJS,运用WebGL的几何处理及图形渲染功能,在普林斯顿标准数据集和COSEG形状数据集上进行算法测试,验证所提方法能够在Web环境下快速、高效、有意义地分割三维模型。     

一种融合多特征与子快的抗遮挡算法

为解决复杂情况下运动目标的检测问题,本文提出一种基于多特征融合和新子块分割的算法。该算法通过综合目标的颜色和纹理特征加强对目标的跟踪,并通过新的子块分割完成对不同子块的权值赋予,对发生遮挡时不同区域进行差别处理。同时在发生完全遮挡时还采用kalman滤波模型对轨迹进行预测,获得运动目标信息并更新。实验结果表明:该算法能够较好的完成遮挡情况下的目标跟踪。     

一种融合多特征与子快的抗遮挡算法

为解决复杂情况下运动目标的检测问题,本文提出一种基于多特征融合和新子块分割的算法。该算法通过综合目标的颜色和纹理特征加强对目标的跟踪,并通过新的子块分割完成对不同子块的权值赋予,对发生遮挡时不同区域进行差别处理。同时在发生完全遮挡时还采用kalman滤波模型对轨迹进行预测,获得运动目标信息并更新。实验结果表明:该算法能够较好的完成遮挡情况下的目标跟踪。     

基于网格划分的传感器网络定位方法的研究*

根据实际工程提出一种基于网格划分的粮库压力传感器网络布置模型。该方法根据浅圆仓粮库底部压力场特点进行了区域划分及网格划分密度控制函数的设定,然后对不同区域进行网格划分,在网格化后的仓底进行了传感器节点布置。对比文献中提出的几种模型,该模型既保证了传感器区域无盲区即实现了完全无缝覆盖,又使其所使用的传感器数量最少,监测精度最高。     

基于遮挡区域建模和目标运动估计的动态遮挡规避方法

对于运动视觉目标,如何对遮挡区域进行规避是视觉领域一个具有挑战性的问题.本文提出了一种新颖的基于运动视觉目标深度图像利用遮挡信息实现动态遮挡规避的方法.该方法主要利用遮挡区域最佳观测方位模型和视觉目标运动估计方程,通过合理规划摄像机的观测方位逐渐完成对遮挡区域的观测.主要贡献在于：1）提出了深度图像遮挡边界中关键点的概念,利用其构建关键线段对遮挡区域进行快速建模;2）基于关键线段和遮挡区域建模结果,提出了一种构建遮挡区域最佳观测方位模型的方法;3）提出一种混合曲率特征,通过计算深度图像对应的混合曲率矩阵,增加了图像匹配过程中提取特征点的数量,有利于准确估计视觉目标的运动.实验结果验证了所提方法的可行性和有效性.     

混合高斯模型结合五帧差分的运动目标检测

在复杂背景下,光照变化、目标短暂遮挡以及背景运动等因素会导致运动目标检测精度较低.提出一种结合改进混合高斯模型和改进五帧差分的运动目标检测算法,首先在混合高斯模型中加入自适应学习率以及背景学习速率更新策略有效解决传统背景更新速率恒定而出现的残影现象;然后利用改进的五帧差分法克服运动目标短暂遮挡问题,并加入光照阈值判别因...     

融合SPA遮挡分割的多目标跟踪方法

复杂环境下的多目标视频跟踪是计算机视觉领域的一个难点,有效处理目标间遮挡是解决多目标跟踪问题的关键。将运动分割方法引入目标跟踪领域,提出一种融合骨架点指派(SPA)遮挡分割的多目标跟踪方法。由底层光流信息得到骨架点,并估计骨架点遮挡状态;综合使用目标外观、运动、颜色信息等高级语义信息,将骨架点指派给各个目标;最后以骨架点为核,对运动前景密集分类,得到准确的目标前景像素;在粒子滤波器跟踪框架下,使用概率外观模型进行多目标跟踪。在PETS2009数据集上的实验结果表明,文中方法能够改进现有多目标跟踪方法对目标间交互适应性较差的缺点,更好地处理动态遮挡问题。     

基于微分光流和粒子滤波的视频运动目标跟踪

针对传统跟踪方法中存在的背景遮挡问题,提出一种基于微分光流的粒子滤波跟踪方法。该方法建立一个用于描述目标的微分光流模型,该模型在每一帧的跟踪处理之前获得更新。使用光流相似函数计算目标与粒子所表示区域的相似度,通过粒子     

一种运动目标多特征点的鲁棒跟踪方法研究

提出了一种基于特征光流分割和卡尔曼滤波估计的鲁棒性的运动目标跟踪方法。该方法具有很多特点：首先在特征光流的计算中采用由粗到细的层级匹配算法，因而能够计算大的运动速度和具有更好的匹配精度；其次采用了有效的遮挡判决算法，该算法综合利用了先验的信息，对噪声的干扰不敏感；最后建立了线性卡尔曼滤波模型，当特征点被遮挡或丢失时，能够预测它们的位置，这使得跟踪更具有主动性。实验表明，该方法具有高精度、快速跟踪和很好的鲁棒性。     

综合多种预测方案实现遮挡情况下的目标跟踪

由于采用了多种运动预测方案,本文提出的目标跟踪方法能选择最佳的观测结果,实现对非标定固定焦距的静止摄像机的单目图像序列中的目标跟踪.静态背景参考图像由混合模型法估计,在最简单的环境下,跟踪算法则采用匀加速运动模型对目标完成跟踪.本文主要贡献是采用了三个预测器和最小方差相关时选择目标最可能的位置.三个预测器分别是:-跟踪方案、卡尔曼滤波和区域分割匹配方案.本跟踪方案通过具有不同遮挡情况的序列图像得到了验证.     

一种基于二元树复小波的运动估计方法

遮挡等原因造成的信息丢失问题严重影响运动估计的精度。将二元树复小波引入序列图像的运动估计中,提出了一种基于二元树复小波的运动估计新方法。该方法对不同层次、各个方向子带分别进行处理,克服了传统的由粗到细的搜索策略带来的误差漂移;同时引入当前帧的后一帧（后向参考帧）来弥补由于遮挡导致的信息丢失,并提高边界区域的运动估计精度。大量实验表明,该算法能消除剧烈运动、场景切换及遮挡等不利因素的影响,实验结果验证了该算法的有效性。     

抗遮挡目标跟踪的模型学习综述

视觉目标跟踪任务中的遮挡问题是最具挑战的场景属性之一,研究有效的抗遮挡模型学习方案,对构建适应复杂场景的长期鲁棒跟踪模型具有重要意义.剖析了遮挡影响跟踪性能的本质原因,以抗遮挡性能较好的先进跟踪算法为研究对象,系统分析了模型学习中有效抗遮挡机制,并对其改善长短期遮挡问题的有效性进行比较分析,包括以硬负样本挖掘、有效样本...     

一种基于Delaunay背景图改进的网格变形方法

针对Delaunay网格变形方法中因计算网格点在背景网格中映射不够精细导致的大变形失效问题,提出了一种改进后的网格变形方法,旨在进一步提高大变形情形时变形后的网格质量。该方法将原始的Delaunay网格变形方法中的背景网格远场边界进行加密,增加了映射背景网格单元的数量,改善了计算网格在背景网格中的映射精细程度,从而提升了变形后网格的质量。通过一正方形网格变形基础算例和30P30N三段翼型流场网格变形算例分别进行了测试与验证,结果表明该改进方法可以在保证计算效率的前提下,显著提升大变形时变形后的网格质量。与原始的Delaunay网格变形方法相比较,改进后的网格变形方法变形能力较强,所生成网格质量较高。