基于Kalman预测和K-近邻的多目标跟踪

针对Kalman预测跟踪和K-近邻数据关联算法的优缺点,研究一种基于Kalman预测和K-近邻的多目标跟踪方法.该方法首先利用Kalman滤波预测出运动目标在下一帧中最可能出现的位置,接着根据当前帧目标位置和预测目标位置的距离,确定搜索半径,利用K-近邻数据关联算法,在该半径范围内,计算与预测点欧式距离最短的目标,并将其确定为真实目标位置.在MATLAB仿真环境下实现该跟踪算法,实验结果表明,用该方法进行多目标跟踪时,跟踪效果和性能较为稳定和可靠.此外选择合理的K值,能减少运算量,加快系统处理速度.     

基于DM6437的目标跟踪系统设计与实现

将卡尔曼滤波器和均值漂移算法相结合,实现运动目标的实时跟踪.首先采用混合高斯背景模型的方法来进行运动目标的检测,确定运动目标的大小和位置,然后提取运动目标的颜色模型并开始跟踪.在跟踪过程中,先用卡尔曼滤波器对目标在下一帧中的位置进行预测,再用均值漂移法快速迭代得出目标的实际位置,最后更新目标的颜色模型,并开始下一轮跟踪过程.采用高性价比的DM6437芯片设计了运动目标跟踪系统,并对跟踪算法进行了优化.实验结果表明,该系统具有较好的实时性和准确性.     

在线角速度估计的乒乓球机器人视觉测量方法

针对目前乒乓球机器人在视觉跟踪过程中无法准确识别和跟踪旋转球轨迹,导致预测结果误差较大的问题,提出基于在线旋转角速度估计的视觉测量方法.该方法应用空气动力学的理论知识对旋转球的受力情况进行分析建模,构建旋转球轨迹的过程方程和观测方程,利用非线性扩展Kalman滤波器对包括角速度在内的运动状态进行估计.通过仿真实验和实际轨迹跟踪实验验证了该方法的有效性和正确性,且预测结果优于同类跟踪方法.该方法亦可应用于实时高速目标跟踪的场合.     

基于Backstepping的船舶轨迹最优跟踪研究

针对船舶轨迹跟踪问题,为使船舶能快速跟上期望直线,提出最短距离跟踪思想,即在期望直线上寻找最优跟踪点进行轨迹跟踪.采用插值法获得船舶运动的预测位置,基于Backstepping方法获得位置跟踪的全局一致渐近跟踪控制器.考虑到系统存在干扰,进一步考虑L2增益干扰抑制.在Matlab平台上进行了仿真验证,结果表明,本文所提出的方法不仅能快速跟踪期望直线,而且跟踪误差较小.     

融合灰色预测和HOGI特征的红外目标跟踪方法

针对红外目标跟踪时不能有效提取目标特征这一问题,提出了一种新的红外目标稳健跟踪方法．首先利用灰色模型预测目标位置,然后建立以此预测位置为中心候选目标区域的方向梯度-灰度直方图特征模型,并将此特征引入到Mean Shift算法中,以实现对红外目标的精确跟踪．仿真结果表明了该方法跟踪精度高,在目标出现部分遮挡或全部遮挡时,仍能跟踪目标,确保目标不丢失,体现出该跟踪方法良好的鲁棒性．     

掌纹的自动定位与分割技术

提出了一种新的掌纹定位与分割技术,该技术所涉及的主要工作包括:掌纹图像的边界跟踪、手掌无名指与小指内侧边缘的直线拟合、2拟合直线角平分线的求取、掌纹自动定位与分割直角坐标系的最终建立,以及感兴趣目标的分割.实验结果证实了该方法的有效性.     

基于粒子预测的非线性状态目标跟踪算法

对目标状态进行可靠的估计,可以在相对较小搜索区域内完成对模板的搜索,提高跟踪的实时性.卡尔曼(Kalman)预测对线性高斯问题能够提供最优估计,而对目标模型、观测方程等要求的非线性、非高斯问题不再适用,针对此问题,提出利用基于蒙特卡罗(Monte Carlo)模拟方法和贝叶斯估计的粒子滤波(Particle Filter)对非线性、非高斯问题进行位置预测.详细描述了基于粒子预测的目标跟踪算法,并给出实验仿真结果.     

利用超像素混合投票的在线目标跟踪算法

针对复杂场景下目标跟踪中目标出现的外观特征变化和遮挡问题,提出一种结合超像素和广义霍夫变换的在线实时目标跟踪算法.该算法从上下文中提取局部特征作为支持因子,构建一个混合的判别产生式对象模型.利用该模型,通过霍夫投票预测目标的中心位置,再通过判别式投票对目标和背景进行概率估计.对图像进行超像素分割,将之前的投票结果映射到对应的超像素,生成基于超像素的概率分布图像.采用贝叶斯跟踪框架,根据后验概率最大化,在概率分布图像基础上确定目标的位置.实验表明,该算法在复杂环境下目标跟踪的过程中对目标发生的形变和遮挡现象有很强的鲁棒性,能够实现准确稳定的在线目标跟踪.     

基于卡尔曼滤波的摄像头目标跟踪

在应用摄像头进行目标跟踪的过程中,由于图像信号的采集、传输和处理时延的影响,使得目标不能处在摄像头的最佳观测位置,从而产生数据缺失,造成分析结果滞后,由此可能导致摄像头运动控制误差较大.本文提出基于卡尔曼滤波的摄像头预测跟踪模型,充分利用Kalman滤波方程递推预估计能力对运动目标位置进行跟踪,及时调整摄像头偏转角度,使得摄像头始终超前运动目标,解决了由于摄像头运动惯性产生的数据缺失现象,对后续的图像分析与识别提供了保证,最后仿真结果显示了该模型的正确性.     

基于均值漂移的快速模板匹配算法

提出了一种基于均值漂移和模板匹配的目标跟踪算法。算法工作时分为预测、模板匹配与目标定位及模板更新3个阶段。在预测阶段,结合上一帧跟踪得到的目标位置,利用均值漂移方法对目标位置进行预测,并以预测位置为中心、以相应的大小为覆盖范围定义模板匹配的搜索波门;在模板匹配阶段,采用快速模板匹配算法,将目标模板与搜索波门进行由粗到精的快速匹配,并计算所得匹配结果与目标模板的匹配程度,如果该匹配度大于给定的阈值,则将快速模板匹配的结果作为当前帧图像的跟踪结果,否则,以均值漂移算法预测的目标位置作为当前帧图像的跟踪结果,最后由当前帧的跟踪结果控制模板更新过程以更新目标的模板,最终完成对目标的稳定跟踪。同时该算法结合颜色和边缘特征对旋转、变形不敏感的优点提高跟踪的鲁棒性。该方法运算速度快,准确度高,能够满足实时性要求。     

基于改进Camshift的运动目标跟踪算法应用研究

CamShift是利用目标颜色信息对目标跟踪的算法,当目标运动过快时,由于运动方向的不确定性,Cam—Shift不能准确跟踪目标,导致跟踪丢失．针对存在的问题,文章在Camshift算法中引入目标运动轨迹预测思想,提出了一种能有效跟踪运动目标的新方法．该方法能准确预测运动目标的位置,减少在算法中搜索目标的次数,进而提高目标跟踪的准确性和速度．实验结果表明,该方法对运动目标能够快速、有效地进行跟踪．     

一种基于背景加权直方图的Mean-Shift跟踪算法

经典的Mean-Shift算法以颜色直方图为特征进行跟踪,但在视频目标跟踪中没有有效地利用跟踪目标的空间信息,因而当目标快速移动时,目标极易丢失。针对这一问题,提出了一种基于距离目标形心加权直方图的Mean-Shift跟踪算法。距离目标形心加权直方图可有效利用目标在图像中的位置信息,从而能实现复杂背景下的目标跟踪。并分别用改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法和经典的Mean-Shift跟踪算法,对快速运动的目标进行跟踪实验。结果表明,改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法,具有较强的鲁棒性和实时性,能有效实现复杂场景下的目标实时跟踪。     

基于自适应随动机构的机器人目标跟随

针对机器人使用固定传感器容易丢失跟随目标的问题,提出基于自适应随动机构的行人跟随方法.基于任务需求设计随动式感知机构视野评价指标;在传统规划策略的基础上,提出结合底盘方向的改进策略和基于视野深度加权的自适应角度规划策略,改进随动机构的运动目标跟随效果. 为了提高随动RGB-D传感器的行人位置跟踪效果,使用YOLOv3算法进行目标检测,结合三维坐标解算与位置度量匹配,实现多目标位置的实时跟踪. 基于Gazebo仿真环境与RoboMaster机器人,实现机器人行人跟随功能. 所提规划策略能够取得综合最优的评分指标,并实现机器人对运动行人目标稳定的轨迹跟随. 实验结果证明了所提目标跟随方法的有效性.     

基于扩展卡尔曼滤波算法的室内定位跟踪系统

为了解决无线室内定位系统实时跟踪位置坐标误差较大问题,提出一种基于扩展卡尔曼滤波(EKF)算法的室内定位方法。系统采用基于WiFi信号指纹定位,然后利用扩展卡尔曼滤波对估算的位置进行滤波,以改善WiFi指纹定位方法的精度,达到对目标实时跟踪。仿真和实验结果表明,该算法有效地改善了系统定位精度,能较好地满足室内定位的需求。     

基于视觉-磁引导的无人机动态跟踪与精准着陆

针对无人机通过视觉对地面动态目标跟踪过程中视角固定易丢失目标，以及在着陆过程中由于成像畸变严重、画面不稳定导致定位精度差的问题，提出随动视觉跟踪的跟踪控制策略和基于视觉联合磁引导的获取无人机高精度相对位姿的方法. 在跟踪过程中，设计新型信标图案供无人机进行视觉识别获取目标的方位，识别速度可以达到5 ms/帧，通过随动视觉跟踪完成实时跟踪. 在着陆过程中，在动态目标上设置磁源，利用无人机检测磁场特性并通过BP神经网络解算相对位置；在信标图案内设置平行线特征，用于近镜头时辅助视觉解算相对角度. 在获取无人机相对位姿后，进行相应的运动控制即可完成着陆. 实验结果表明，跟踪过程稳定可靠，抗干扰能力强；着陆精度高，着陆误差小于2 cm.     

基于多高斯相关滤波的实时跟踪算法

针对分层卷积特征目标跟踪算法实时性不足和单分类器对目标表观变化适应能力差的问题,提出多高斯相关滤波器融合的实时目标跟踪算法. 为了加快跟踪算法,提取VGG-19网络的Pool4和Conv5-3层的多通道卷积特征,通过稀疏采样减少卷积特征通道数;为了防止特征减少造成精确度下降,利用不同高斯分布样本训练多个相关滤波器,并对所有分类器预测的目标位置进行自适应加权融合,提高算法对目标姿态变化的鲁棒性;采用稀疏模型更新策略,进一步提高算法速度,使算法具有实时性. 在OTB100标准数据集上对算法进行测试,结果表明,该算法的平均距离精度为86.6%,比原分层卷积特征目标跟踪算法提高了3.5%,在目标发生遮挡、形变、相似背景干扰等复杂情况时具有较好的鲁棒性;平均跟踪速度为43.7帧/s,实时性更好.     

帧差法在运动目标实时跟踪中的应用

介绍了一种运动目标实时跟踪方法,主要利用改进的帧插法检测目标,并根据目标运动方向来控制摄像机移动.经实际应用证明,该方法满足了运动目标跟踪的实时性要求,符合工程实际的需要.     

Novel Real-Time Seam Tracking Algorithm Based on Vector Angle and Least Square Method

Real-time seam tracking can improve welding quality and enhance welding efficiency during the welding process in automobile manufacturing. However,the teaching-playing welding process, an off-line seam tracking method, is still dominant in automobile industry,which is less flexible when welding objects or situation change. A novel real-time algorithm consisting of seam detection and generation is proposed to track seam. Using captured 3D points, space vectors were created between two adjacent points along each laser line and then a vector angle based algorithm was developed to detect target points on the seam. Least square method was used to fit target points to a welding trajectory for seam tracking. Furthermore, the real-time seam tracking process was simulated in MATLAB/Simulink. The trend of joint angles vs. time was logged and a comparison between the off-line and the proposed seam tracking algorithm was conducted. Results show that the proposed real-time seam tracking algorithm can work in a real-time scenario and have high accuracy in welding point positioning.     

基于颜色纹理特征的均值漂移目标跟踪算法

针对经典均值漂移跟踪算法采用单一的颜色特征对目标进行跟踪检测存在的不足,提出一种将纹理特征与颜色特征相结合的改进均值漂移目标跟踪算法.该算法首次提出特征联合相似度的概念,通过均值漂移算法联合相似度的最大化计算,正确快速地获取新一帧图像跟踪目标的位置.实验结果表明,该算法具有更高的可靠性,同时满足一般目标跟踪任务的实时性要求.