运动目标的自动分割与跟踪

该文提出了一种对视频序列中的运动目标进行自动分割的算法。该算法分析图像在L U V空间中的局部变化,同时使用运动信息来把目标从背景中分离出来。首先根据图像的局部变化,使用基于图论的方法把图像分割成不同的区域。然后,通过度量合成的全局运动与估计的局部运动之间的偏差来检测出运动的区域,运动的区域通过基于区域的仿射运动模型来跟踪到下一帧。为了提高提取的目标的时空连续性,使用Hausdorff跟踪器对目标的二值模型进行跟踪。对一些典型的MPEG-4测试序列所进行的评估显示了该算法的优良性能。     

一种超宽带雷达多人体目标跟踪算法

提出了一种超宽带雷达对多个运动人体距离跟踪的方法。该方法基于人体多散射点的回波模型,利用CLEAN算法提取人体多个散射点的量测信息,结合最近邻域和联合概率数据互联算法,提出了一种简易最近邻联合概率数据互联算法,以解决多个人体目标轨迹交叉时数据关联的问题。通过对实测数据的处理,证明了该算法能够对轨迹交叉的人体目标进行有效跟踪。     

人体运动目标检测与跟踪方法的研究与实现

通过摄像机拍摄到的一段视频,对其中运动的人进行检测与跟踪。在目标检测方面,获取运动行人图像序列,利用自适应背景提取方法得到背景,根据将目标与背景进行分离的分割阈值,对差分图像进行分割,提取运动区域,检测出人体运动目标;在目标跟踪方面,选用基于Kalman滤波的运动跟踪系统,通过估计出运动目标的下一位置,对运动目标进行实时跟踪。这里的实验是在Linux平台上利用Intel的开源OpenCV函数库建立起模型并实现算法。经过多次仿真测试表明,使用Kalman滤波可以很好地解决实验中两个人握手时运动目标间遮挡的问题,并跟踪运动目标,而且处理速度比较快,能够满足一般情况下的实时性要求。     

基于子空间投影的复杂水下环境运动小目标检测前跟踪方法

针对复杂水下环境运动小目标检测中存在的目标信号强度弱、信杂比低等问题,该文提出基于子空间投影的检测前跟踪(TBD)算法:对原始图像数据截取序列片段,将3维时空片段中的短时运动航迹投影到2维子空间平面;利用2维投影图中平面航迹的形态特征进行初步筛选,提取目标的有效运动区域;将2维平面中的目标短时航迹在局部区域重建3维时序,在3维航迹回溯过程中利用目标运动特征再次筛选目标短时航迹。通过上述分级检测机制,可实现快速高精度的目标短时航迹检测。结合前景检测以及基于层次凝聚聚类(HAC)的长时航迹检测算法,构建了针对运动小目标的完整检测前跟踪方法。最后使用实测声呐图像数据验证了算法的检测精度和检测速度。     

基于高斯金字塔与差分法的多目标检测和跟踪算法

针对复杂背景下的多目标检测和跟踪问题,提出了将背景差分目标检测算法与高斯金字塔图像重采样相结合的运动目标检测算法．该算法采用高斯金字塔法对图像进行重采样,建立背景模型,使用背景差分法获得前景区域,并对前景区域进行阴影检测、去除,从而检测出完整目标．融入了高斯模型关于背景更新的算法,克服了由于背景突然改变而造成的误检测．在目标阈值的确定过程中,采用动态阈值确定法,以提高目标检测的正确性．同时将目标的颜色特征和运动矢量引入到多目标跟踪算法中,提高目标跟踪的准确性．实验结果表明,该算法对于场景中存在目标频繁出现、消失、交叉运动和遮挡等情形均有较好的检测与跟踪效果．     

基于子空间投影的复杂水下环境运动小目标检测前跟踪方法

针对复杂水下环境运动小目标检测中存在的目标信号强度弱、信杂比低等问题,该文提出基于子空间投影的检测前跟踪(TBD)算法:对原始图像数据截取序列片段,将3维时空片段中的短时运动航迹投影到2维子空间平面;利用2维投影图中平面航迹的形态特征进行初步筛选,提取目标的有效运动区域;将2维平面中的目标短时航迹在局部区域重建3维时序,在3维航迹回溯过程中利用目标运动特征再次筛选目标短时航迹.通过上述分级检测机制,可实现快速高精度的目标短时航迹检测.结合前景检测以及基于层次凝聚聚类(HAC)的长时航迹检测算法,构建了针对运动小目标的完整检测前跟踪方法.最后使用实测声呐图像数据验证了算法的检测精度和检测速度.     

基于主动轮廓模型联合Camshift算法的目标跟踪方法

针对城市道路交通环境中传统Camshift算法跟踪窗不能描述运动目标轮廓以及易受近似颜色干扰跟踪丢失的问题,提出基于Snake主动轮廓模型联合Chamshift区域模型的目标跟踪方法,算法将原Camshift算法中使用的HSV颜色特征和LTP纹理特征融合,增加了抗干扰能力,同时利用多尺度小波改进的Snake主动轮廓模型进一步对物体轮廓检测,去除阴影区域,更为直观的描述了物体的轮廓。实验证明,新方法在城市道路交通监控中有良好的应用前景。     

基于时空切片轨迹分析的复杂人体运动跟踪

时空切片方法是一种有效的时空分析方法。然而,现有的算法仅讨论处理近似直线的简单轨迹情况,不能满足实际存在复杂曲线轨迹的处理要求。针对这一问题,本文提出一种实时的时空切片复杂轨迹分析方法来实现人体运动跟踪。首先在视频不同高度处提取水平时空切片,在各切片中分别使用高斯背景模型检测人体轨迹;然后拼合不同高度切片中的人体轨迹,在拼合后的轨迹上使用Hough变换计算人体对应的轨迹方程;最后根据轨迹方程和轨迹检测结果,确定人体的当前坐标、宽和高等信息。 实验表明,相对于传统跟踪方法,该方法降低了跟踪的轨迹误差,满足实时性跟踪要求,且在人体短时遮挡情况下仍然能够实现有效的人体跟踪。      

基于多层卷积特征的自适应决策融合目标跟踪算法

针对目标快速运动、遮挡等复杂视频场景中目标跟踪鲁棒性差和跟踪精度低的问题,该文提出一种基于多层卷积特征的自适应决策融合目标跟踪算法(ASFTT)。首先提取卷积神经网络(CNN)中帧图像的多层卷积特征,避免网络单层特征表征目标信息不全面的缺陷,增强算法的泛化能力;使用多层特征计算帧图像相关性响应,提高算法的跟踪精度;最后该文使用自适应决策融合算法将所有响应中目标位置决策动态融合以定位目标,融合算法综合考虑生成响应的各跟踪器的历史决策信息和当前决策信息,以保证算法的鲁棒性。采用标准数据集OTB2013对该文算法和6种当前主流跟踪算法进行了仿真对比,结果表明该文算法具有更加优秀的跟踪性能。     

基于缺损目标的CamShift序列图像跟踪方法

在标准CamShift算法对缺损目标进行跟踪的过程中,由于算法不能根据目标的变化实时调整跟踪窗口形状,造成跟踪窗口内包含缺损区域的背景图像信息,降低了目标的匹配能力,导致CamShift算法不能适用于缺损目标的跟踪。针对此问题,文中提出一种新的缺损目标CamShift序列测量图像跟踪方法,将目标模型和候选模型之间的相似...     

Automatic tracking of SPAMM grid and the estimation of deformation parameters from cardiac MR images

Presents a new approach for the automatic tracking of SPAMM (Spatial Modulation of Magnetization) grid in cardiac MR images and consequent estimation of deformation parameters. The tracking is utilized to extract grid points from MR images and to establish correspondences between grid points in images taken at consecutive frames. These correspondences are used with a thin plate spline model to establish a mapping from one image to the next. This mapping is then used for motion and deformation estimation. Spatio-temporal tracking of SPAMM grid is achieved by using snakes-active contour models with an associated energy functional. The authors present a minimizing strategy which is suitable for tracking the SPAMM grid. By continuously minimizing their energy functionals, the snakes lock on to and follow the in-slice motion and deformation of the SPAMM grid. The proposed algorithm was tested with excellent results on 123 images (three data sets each a multiple slice 2D, 16 phase Cine study, three data sets each a multiple slice 2D, 13 phase Cine study and three data sets each a multiple slice 2D, 12 phase Cine study).     

基于时空二维目标描述的红外小目标跟踪

根据红外弱小目标的时空域特性,提出了一种基于时空二维直方图均值移动的红外弱小目标跟踪方法。本文构建了空域分量和时域分量来表示红外弱小目标,形成时空二维图像。当前帧图像包含目标的空域分布信息,因此将当前帧图像作为空域分量;差分图像包含目标的运动特性,反映了目标的时域特性,因此将前后两帧差分图像作为时域分量。利用时空二维目标表示方法,采用均值移动算法进行目标跟踪,同时根据Bhattacharyya系数来更新目标模板。采用实际拍摄的小目标视频来检测本算法,仿真结果显示本算法能稳健的跟踪红外弱小目标,均值移动算法的跟踪精度得到了较大的提高。     

Pattern recognition using invariants defined from higher orderspectra: 2-D image inputs

A new algorithm for extracting features from images for object recognition is described. The algorithm uses higher order spectra to provide desirable invariance properties, to provide noise immunity, and to incorporate nonlinearity into the feature extraction procedure thereby allowing the use of simple classifiers. An image can be reduced to a set of 1D functions via the Radon transform, or alternatively, the Fourier transform of each 1D projection can be obtained from a radial slice of the 2D Fourier transform of the image according to the Fourier slice theorem. A triple product of Fourier coefficients, referred to as the deterministic bispectrum, is computed for each 1D function and is integrated along radial lines in bifrequency space. Phases of the integrated bispectra are shown to be translation- and scale-invariant. Rotation invariance is achieved by a regrouping of these invariants at a constant radius followed by a second stage of invariant extraction. Rotation invariance is thus converted to translation invariance in the second step. Results using synthetic and actual images show that isolated, compact clusters are formed in feature space. These clusters are linearly separable, indicating that the nonlinearity required in the mapping from the input space to the classification space is incorporated well into the feature extraction stage. The use of higher order spectra results in good noise immunity, as verified with synthetic and real images. Classification of images using the higher order spectra-based algorithm compares favorably to classification using the method of moment invariants     

Matching images based on consistency graph and region adjacency graphs

The image matching methods based on regions have many advantages over the point matching techniques, and the most charming one is that once region being matched, all pixels are matched in theory. It would benefit many applications, such as object retrieval, stereo corresponding, semantic understanding a scene, object tracking. This paper proposes a new region matching algorithm based on consistency graph and region adjacency graphs. Firstly, the segmented images are transformed into region adjacency graphs, and the potential region pairs and the potential edge segment pairs are packaged in a consistency graph. Since the rightly matched pair always is accompanied by harmonious neighbourhoods, the right correspondences tend to cluster together, and the error corresponding relationship should have few chances to connect to any compatible neighbourhood. Thus, the solution space is greatly reduced and the corresponding relationship can be found in a polynomial computational complexity just by a simple method, such as seed-growth method. To the best of our knowledge, the method is the first one to match two images by region adjacency graphs and find the corresponding relationship in a polynomial computational complexity. Experiments on the existing benchmark show that the proposed method could quickly find the right corresponding relationship between images with illumination, rotation and affine transformation.     

基于主分量寻踪的鲁棒视觉跟踪

传统子空间跟踪易受到模型漂移的影响而导致跟踪失败.针对此问题,本文提出一种基于主分量寻踪的鲁棒视觉跟踪方法.该方法以多个模板张成的子空间作为目标表观模型,利用主分量寻踪求解候选目标的误差分量,在粒子滤波框架下利用候选目标的误差分量估计最优状态参数.为了适应目标表观变化并克服模型漂移,本文提出一种模板更新方法.当跟踪结果与目标模板相似时,该方法利用跟踪结果更新目标模板,否则利用跟踪结果的低秩分量更新目标模板.在多个具有挑战性的图像序列上的实验结果表明:与现有跟踪方法相比,文中的跟踪方法具有较优的跟踪性能.     

An automatic segmentation method for moving objects based on the spatial-temporal information of video

The new MPEG-4 video coding standard enables content-based functions. In order to support the new standard, frames should be decomposed into Video Object Planes （VOP）, each VOP representing a moving object. This paper proposes an image segmentation method to separate moving objects from image sequences. The proposed method utilizes the spatial-temporal information. Spatial segmentation is applied to divide each image into connected areas and to find pre~：ise object boundaries of moving objects. To locate moving objects in image sequences, two consecutive image frames in the temporal direction are examined and a hypothesis testing is performed with Neyman-Pearson criterion. Spatial segmentation produces a spatial segmentation mask, and temporal segmentation yields a change detection mask that indicates moving objects and the background. Then spatial-temporal merging can be used to get the final results. This method has been tested on several images. Experimental results show that this segmentation method is efficient.     

动目标多视角观测图像的三维去模糊方法

当目标在多视角观测成像系统中有相对运动时,所获取的多观测点图像是模糊的且各视角图像的模糊是不一样的,模糊核长度和方向都不同。针对这一问题,提出了多视角观测图像的三维去模糊方法。现有的图像去模糊方法主要是对单视角观测图像进行二维去模糊的,没有考虑目标多视角观测图像的模糊核之间的对应关系。文中从三维空间到二维观测面的映射关系出发,建立多视角观测图像的模糊路径之间的对应关系。先采用单观测图像去模糊的方法获取两视角观测图像的模糊核,并对模糊核进行精确化处理,得到单像素点宽的模糊核路径。再通过多视角观测图像模糊核路径之间的对应关系,估计其它观测图像的模糊核路径。最后,对多视角观测图像进行统一去模糊,并对去模糊后的多视角观测图像进行三维重建。实验结果表明,文中方法能较好地去除目标多视角观测图像的三维模糊,提高了目标的三维重建质量。     

一种红外和可见光双通道视频目标跟踪方法

室外场景下由于场景背景条件变化容易导致视频目标跟踪稳定性差。该文提出一种利用红外和可见光传感器的双通道视频目标跟踪方法。该算法利用可见光图像的目标颜色特征和红外图像的目标轮廓特征,结合均值漂移算法与水平集曲线演化实现目标定位,并给出了目标尺度和模板更新方法;对多目标跟踪的互相遮挡问题,通过判断目标合并与分离实现遮挡时多个目标的定位。实验结果表明,该文方法能够有效处理光照变化、阴影、遮挡等情况,实现目标的稳定跟踪。     

基于多核稀疏编码的三维人体姿态估计

为了准确有效的重构多视角图像中的三维人体姿态,该文提出一种基于多核稀疏编码的人体姿态估计算法.首先,针对连续帧姿态估计的歧义问题,该文设计了一种用于表达多视角图像的HA-SIFT描述子,其中,人体局部拓扑、肢体相对位置及外观信息被同时编码;然后,在多核学习框架下建立同时考虑特征空间内在流形结构与姿态空间几何信息的目标函数,并在希尔伯特空间优化目标函数以更新稀疏编码、过完备字典与多核权值;最后,利用姿态字典原子的线性组合来估计对应未知输入的三维人体姿态.实验结果表明,与核稀疏编码、Laplace稀疏编码及Bayesian稀疏编码相比,文本方法具有更高的估计精度.