Kalman滤波结合Blob匹配的运动目标跟踪算法研究

Blob匹配法应用于多目标时,匹配速度会变慢,而Kalman滤波器可以预测运动目标在下一帧的位置。因此,文章考虑将kalman滤波结合Blob法对目标跟踪进行研究。     

基于Kalman与SIFT的车辆跟踪算法

车辆跟踪是智能交通系统中的一项关键技术。文章在研究现有的车辆跟踪算法基础上,提出了一种基于卡尔曼（Kalman）与尺度不变特征变换（Scale invariant feature transform,SIFT）的车辆跟踪算法。通过将车辆的外接矩形信息转化为Kalman滤波参数,对车辆运动进行建模,结合SIFT特征匹配能够有效地解决车辆遮挡问题。实验结果表明,该方法能够对运动车辆实现稳定的跟踪,并且能够有效地解决车辆遮挡问题。     

基于子特征的交通车辆检测及跟踪算法

通过对交通场景实际情况的分析，特别是考虑到视频在相邻帧之间的变化，提出了一套鲁棒、实时的背景提取及更新算法．实现了基于背景差分算法的车辆检测和提取。同时，根据车辆的角特征点信息，将卡尔曼滤波器引入车辆跟踪算法中，并借助光学投影方程部分恢复待匹配角特征点的高度信息，以检查匹配算法的准确性。经过大量的单目交通图像序列的测试。表明该算法是鲁棒而且实时的，可以有效地从交通场景中提取出运动车辆，并在视野范围内对其予以跟踪。     

一种基于视频技术的车辆跟踪方法

在智能交通系统中,基于视频技术的车辆跟踪是交通参数和交通事件检测的关键技术之一。本文首先研究了现有的基于视频技术的车辆跟踪技术,然后提出了一种使用Kalman滤波器预测车辆位置,并用距离和颜色信息辅助识别车辆的跟踪方法。实验结果表明,该方法能够有效地实现车辆的跟踪。     

多车辆跟踪时分割粘连车辆的方法

针对复杂交通系统中的多个车辆粘连问题,提出了一种分割粘连车辆的方法.当两辆车粘连时,分别计算它们的平均灰度值之后取差值,如果该差值大于设定阈值,则判断它们是水平粘连还是垂直粘连,并确定投影分割的范围,在该范围内采用灰度均值投影的方法确定粘连边界并将它们分割,当灰度相似或者3个及以上的车辆粘连时,根据Kalman预测信息为每个粘连车辆确定分割窗口将它们分割.还提出了一种快速有效的相邻帧中车辆匹配方法.实验表明,文中方法能快速有效地将粘连车辆分割,并且计算复杂度低.     

基于深度学习的车辆跟踪算法综述

本文首先介绍了深度学习中用于车辆跟踪的神经网络模型,以及通过这些网络模型衍生的基于预训练、在线训练和离线训练的跟踪算法,同时列举了车辆跟踪相关数据集和评价标准,最后对目前车辆检测中待解决的问题、未来待改进的方向进行了分析和讨论。     

复杂环境中车辆检测与跟踪方法的研究

提出了一种在复杂环境中车辆检测与跟踪方法。该方法首先分析车辆的外形特点,确定采用从Blob块提取的几何形状参数作为车辆的特征并用于运动车辆的检测;然后结合Blob分析和CamShift算法提出了车辆跟踪方法。实验结果表明,本文采用的车辆特征参数能够准确地检测车辆,并能准确地区分车辆和行人群体,车辆检测与跟踪准确率分别达到了96.7%和86.7%,证明该方法适用于复杂环境下车辆的检测与跟踪应用要求。     

基于视频的车辆检测与跟踪算法综述

首先介绍了交通检测系统,指出视频交通检测技术日益成为计算机视觉领域中备受关注的前沿方向。在此基础上,分别讨论了常用的车辆检测算法,基于模型的车辆检测算法,车辆跟踪的基本类型,以及基于模板匹配、卡尔曼滤波和粒子滤波的车辆跟踪算法,同时分析比较了各种算法的优缺点。最后,展望了这一领域未来研究的热点。     

基于序列蒙特卡罗滤波的车辆跟踪算法研究

针对非线性目标跟踪中模型或函数近似等最优估计缺陷问题,提出了基于帧间预测和特征匹配的序列蒙特卡罗滤波跟踪算法.算法中采用在HSV色彩下的空间加权直方图描述跟踪车辆的状态特征,通过简单的随机漂移模型实现估测样本的帧间传递,利用估测样本与期望目标间的相似度量完成样本权重赋值运算,最终利用加权样本值估计实现待测目标的后验状态.实验结果表明,基于序列蒙特卡罗滤波的车辆跟踪算法计算简单有效,能够在复杂环境下实时、准确跟踪道路上无规律、非线性运动的车辆,并能够有效适应车辆部分遮挡和短时丢失等情况.     

基于Blob算法的织物疵点检测算法的研究

针对布匹疵点检测算法高效性和准确性要求的不断提高的要求,提出了利用基于Blob分析算法对采集的织物图像进行疵点识别的方法。对图像中的目标疵点区域进行降噪、开闭运算、标记目标区域及二值化等大量仿真实验,得到相关疵点有效特征值,实验充分证明了Blob算法在疵点检测中实时性和准确性。     

基于强单向置换杂凑算法的构造和安全性分析

本文利用n上单向置换与完善置换的复合,构造基于强单向置换的杂凑算法,并证明了该算法的安全性等价于单向置换在多项式时间内不可求逆.     

一种基于SMOG模型的红外目标跟踪新算法

空间颜色混合高斯模型(SMOG)在基于颜色特征的目标跟踪中显示出比颜色直方图更强的目标鉴别能力,因为它不仅考虑了区域的颜色信息,而且也考虑了颜色的空间分布信息.本文将SMOG模型合理地引入到了红外目标的建模中,改进了原SMOG模型中的相似性度量函数,进一步提高了其对目标的鉴别能力.在粒子滤波框架内,使用简单的二阶自回归模型作为系统状态转换方程,将改进后的相似度函数作为各粒子的状态观测,给出了有效的模式更新方法以适应目标外观的变化,并设计出了一种有效的红外目标跟踪算法.实验证明,SMOG模型能有效刻画红外目标,本文提出的算法对红外目标的跟踪是稳健的.     

一种基于神经网络算法的频谱分析方法

提出了一种基于神经网络算法的频谱分析方法,研究了神经网络算法的收敛性,给出了频谱分析的应用实例.研究结果表明,本文提出的频谱分析方法不涉及复数的乘法运算和加法运算,计算精度高,且速度快,便于软件和硬件实现,特别适合于DSP软硬件实现,因而是一种有效的频谱分析方法.     

基于信息叠加的学习算法

提出了一种基于信息叠加的迭代学习算法。该算法利用协同神经网络中的原型模式具有信息的 性,将学习中误识率最高 的模式作为反馈量来修正原型模式。利用实际采集得到的样本对新算法进行的测试表明：新算法具有最优搜索能力强,训练时间短的特点。另外,将新算法与基于遗传算法的原型模式选取算法在网络训练性能上进行了比较。     

基于双正交FDWT的雷达数据压缩和目标识别方法

本文由双正交共轭滤波器构造有限维内积空间的双正交多分辨分析和快速离散小波变换(FDWT),提出信号的对偶小波变换方法,并将其用于降低雷达数据存储量,提出双正交变换系数筛选方法以及基于压缩数据的小波域相关和最小距离分类方法。通过六种飞机目标的距离高分辨数据的分类实验,证明本文提出的变换、压缩和识别方法是有效的。     

基于小波多尺度分析及Fisher分割的红外弱小目标检测

介绍一种新的红外图像序列中的弱小目标检测方法，利用小波多分辨特性，对图像进行预处理，以抑制背景杂波；利用改进的Fisher算法，对经预处理后的图像进行分割，最终将目标从背景中分离出来；对相邻帧进行差分运算，估计目标的运动轨迹采用本文方法与类别方差自动门限法，对大量的红外弱小目标进行了检测，实验对比结果表明了该算法的有效性。     

小波谱估计用于雷达目标成像和识别

研究了小波变换谱估计用于频率步进毫米波高分辨力雷达目标一维距离像的成像方法．选用已调高斯函数作为小波基函数,进行小波变换的信号功率谱估计,获得高质量的频率步进毫米波雷达目标的一维距离像．实验结果表明这种方法对于提高目标识别率是有效的     

Fuzzy C—Means算法中隶属度信息在特征空间的分布特性分析及改进

首先推导了ＦｕｚｚｙＣ－Ｍｅａｎｓ算法在特征空间的迭代公式,然后就其隶属度信息在特征空间的分布缺陷提出两种改进方法：一是通过引入选择注意性参数控制隶属度信息的分布;二是从条件概率出发构造类置信度取代原隶属度,实验表明这两种方法 起到了较好的效果。     

红外成像目标跟踪的MHT改进算法及其DSP硬件实现

探讨了改进的MHT(多假设跟踪)算法及其在红外成像跟踪系统中的应用。根据红外目标及背景的特点,对红外图像数据进行自适应的空间滤波预处理后,运用改进的MHT算法实施目标识别和航迹跟踪处理。并利用4片TMS320C6000系列DSP组成流水线处理结构,实现了该算法的硬件并行处理,取得了良好的实用效果。     

基于Mueller矩阵分解的非监督聚类算法

该文描述了一种利用极化SAR图像的Mueller矩阵分解系数进行非监督聚类的算法。根据关于各种地貌目标散射电磁波机理的先验知识,该算法可以在不需要任何实地勘测的条件下将图像粗略地分割为三种完全不同的、物理含义明显的类别,即建筑区域、茂密植被和微粗糙表面(例如水面)。与利用单极化灰度图像的非监督分类算法相比,该算法的突出特点是不仅仅将每个像素按照其特征紧密地聚集在一起,而且还能确定每个聚类的散射机理,进而确定目标类型。