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．     

基于尺度不变特征的光流法目标跟踪技术研究

针对目标跟踪问题中目标和场景动态变化的问题,提出了一种结合尺度不变特征变换（SIFT）和光流估计算法并改进模板更新策略的目标跟踪算法。SIFT特征是一种局部特征,具有尺度和旋转不变性。光流场反映的是一种全局特征,表示像素点强度的变化。SIFT特征点可以很好地满足光流估计的条件。实验结果表明这种改进后的目标跟踪算法能应用于部分遮挡的情况,并且相对于传统光流法具有更高的精确度。     

基于SIFT特征和模板更新的粒子滤波目标跟踪算法

传统的粒子滤波算法利用目标的颜色特征对粒子权值进行更新,当背景与目标的颜色分布相似或者目标被遮挡时,易发生误跟踪。尺度不变特征具有较高的独特性,但是仅使用SIFT特征不足以对小目标进行描述。针对这两种情况,提出一种利用SIFT特征和颜色特征建立目标模型,结合粒子滤波实现目标跟踪的新方法。为了防止目标模板的误更新,根据当前帧跟踪结果与SIFT目标模板中特征点的匹配数目决定是否对颜色目标模板进行更新。实验结果表明,当目标被遮挡或者位于有相似颜色的杂乱背景时,提出的方法能有效提高跟踪的精确度。     

基于SIFT 特征和粒子滤波的目标跟踪方法

现有的基于外观的目标跟踪算法,在光照变化和遮挡的情况下,不能准确跟踪目标．针对这个问题,考 虑到尺度不变特征（SIFT 特征）对于光照变换、尺度变换以及仿射变换的不变性,提出了一种利用SIFT 特征建立 目标模型,结合粒子滤波实现目标跟踪的新方法．在跟踪过程中,根据目标模型和候选目标中SIFT 特征点在时间 窗内的匹配情况,自适应更新目标模型的特征点,使模型能够适应目标外观变化．仿真结果证明了方法在不同环境 下的健壮性．     

基于显微视觉的微小型零件跟踪系统

微装配过程中的运动目标跟踪是一个新兴的研究方向。构建了一个由CCD相机、显微镜头、电控云台和图像处理模块组建的、针对微小型零件的显微视觉跟踪系统。为克服显微视场范围小的局限性,提出一种基于SIFT特征点的模板匹配和Kalman预测相结合的跟踪算法,通过Kalman预测实现在局部范围内的模板匹配,利用SIFT特征对模板匹配的结果进行校正和更新。实验结果表明：提出的跟踪算法能得到稳定的目标局部特征,并准确地跟踪到目标,对亮度变化、成像模糊等影响因素有较强的适应能力。     

实时双模图像跟踪系统技术研究

利用一种可用于红外成像，可见光成像实时双模图像跟踪系统的硬件设计原理和软件设计特色，讨论了基于分割的质心跟踪算法，基于提边的差分跟踪算法和特征匹配跟踪算法的特点，在此基础上，提出了并分析了双模置信度与融合跟踪算法，最后简述了伺服系统控制策略主实验结果。     

融合图像感知哈希技术的运动目标跟踪

目的 为解决运动目标跟踪时因遮挡、尺度变换等产生的目标丢失以及传统匹配跟踪算法计算复杂度高等问题,提出一种融合图像感知哈希技术的运动目标跟踪算法.方法 本文算法利用感知哈希技术提取目标摘要进行模板图像识别匹配,采用匹配跟踪策略和搜索跟踪策略相配合来准确跟踪目标,并构建模板评价函数和模板更新准则实现目标模板的自适应更新,保证其在目标发生遮挡和尺度变换情况下的适应性.结果 该算法与基于NCC(normalized cross correlation)的模板匹配跟踪算法、Mean-shift跟踪算法以及压缩跟踪算法相比,在目标尺度变换和物体遮挡时,跟踪的连续性和稳定性更好,且具有较低的计算复杂度,能分别降低跟踪系统约6.2%、 6.3%、 9.3%的计算时间.结论 本文算法能有效实现视频场景中目标发生遮挡及尺度变换情况下的跟踪,跟踪的连续性和稳定性良好,且算法具有较低的计算复杂度,有利于实时性跟踪系统的构建.     

基于区域模板匹配的多目标实时跟踪

研究视频目标实时跟踪问题,在智能视频监测系统中,对运动目标的跟踪是后续工作的基础.为了实时准确地跟踪多运动目标,提出一种基于改进帧间差分与区域模板匹配相结合的快速运动目标跟踪方法.根据改进的帧间差分法找到运动目标的所在的区域,建立相应的搜索区域,采用目标模板逐个与搜索区域进行匹配,匹配到目标后对其进行标记,并且对相应的目标模板进行更新,从而实现多个目标的跟踪.对三个目标进行跟踪平均的第Ι类错误率为11.11%,结果表明,改进方法能够比较有效、实时地对多个运动目标进行跟踪.     

基于模板匹配的自适应目标跟踪算法的实现

基于传统的目标跟踪方法,在图像检索过程中采用了自适应模板匹配方法,提高了目标跟踪的速度和可靠性,使目标跟踪的准确程度和算法的效率有了显著的提高,并给出了使用自适应模板匹配方法跟踪的试验仿真结果。     

一种基于自适应的目标跟踪算法的实现

在已有的目标跟踪方法基础上,对基本模板匹配算法进行改进,提高了目标跟踪的速度和可靠性,目标跟踪的准确程度和算法的效率有显著的提高.给出了使用自适应模板匹配方法跟踪的试验仿真结果.     

复杂背景下运动目标的实时跟踪

复杂背景下的实时目标跟踪是计算机视觉领域的热点问题。提出了一种融合均值平移和粒子滤波的方法。综合了二者的效率和可靠性等优点。实验结果表明,该融合算法在复杂背景下的跟踪具有较好的实时性和可靠性。     

复杂背景下一种实用的运动目标检测方法

给出了一种实用的在复杂背景下检测运动目标的方法。提出了对序列差图像进行累积以突出目标和消除干扰的策略,论述了累积图像的性质,解决了自动阈值选取的问题;提出了周期和非周期性运动目标的区分策略,给出了目标的定位方法。尤其对图像噪声、背景干扰和不同图像的特点等给出了一定的分析、描述和针对性解决策略。该文方法可以快速实现并已经取得了很好的应用效果。     

一种基于背景加权的多特征融合目标跟踪算法

针对均值漂移(MS)目标跟踪算法受背景环境变化干扰较大的问题,提出一种基于背景加权的多特征融合目标跟踪算法BWMMS。引入基于目标模型与目标周围背景模型差分的加权函数,细化各像素对准确描述目标的重要程度,从而提高目标模板的分辨能力。结合颜色与纹理特征进行目标跟踪,构建基于目标和目标背景区域的特征自适应融合机制,使BWMMS算法能够根据跟踪场景变化自适应调整颜色与纹理特征的权值。实验结果表明,与MS算法、HRBW算法相比,该算法对环境变化的适应性较好,能取得更鲁棒的跟踪结果,且跟踪成功率高达94.84%。     

无特定身份背景下的目标跟踪算法仿真

研究追踪对象特征不明显,无特定身份特征的目标准确跟踪问题.无特定身份背景会导致跟踪目标出现时无明显各种特征,需要为其选定特征的跟踪特征.传统的目标跟踪算法在这种环境下采集的跟踪目标灰度特征信息单一,并且缺乏描述目标的信息,直接导致目标跟踪的失败或者带来较大的误差.提出一种改进的无特定身份背景下的目标跟踪方法.对图像进行边缘梯度融合,计算目标图像区域中基于局部二值模式(LBP)的纹理特征模型,通过Mean shift算法来建立目标直方图并实现目标的跟踪.实验结果表明,改进的算法能有效地克服无特定身份背景下的光照变化、多目标干扰的影响,改进的算法取得了较好的目标跟踪精度.     

基于滑动扫描框的高速物体的图像实时跟踪算法

TLD(Tracking-Learning-Detection)算法是近期广受关注的单目标长期跟踪算法。该算法由跟踪器、检测器、学习器协同工作,解决了目前大部分跟踪算法在目标丢失后不能重新识别目标的问题。但是由于检测器的计算量很大,该算法的实时性较差。针对这个问题,提出了一种动态生成检测扫描框的方法。输入的图片先采用跟踪器的前后向金字塔光流法加以计算,估计出目标的大概位置。然后在该位置区域生成滑动扫描框来检测。该方法可以有效缩小检测区域,减少检测器的计算量。将改进后的算法与原始算法以及Camshift、CT(Compress Tracking)算法进行了比较实验。结果表明,对于实时摄像头监控,改进的算法比原始算法具备更快的跟踪速度和更高的跟踪准确率。对于固定的图像序列,改进的算法的精度和速度都超过Camshift、CT算法。     

一种复杂背景下的实时目标跟踪算法

鉴于现有的均值漂移跟踪算法不能适应目标运动速度过快和全部遮挡,并且由于存在开方、除法等大量浮点运算,在定点DSPs数字信号处理器中应用难于满足实时跟踪要求。本文在核密度估计,均值漂移算法迭代权值,Bhattacharyya系数等方面进行改进,给出优化的算法流程。不仅增强了目标与背景相似时搜索目标的能力,而且全部使用整点运算,计算时间满足实时跟踪要求。通过将优化算法与卡尔曼轨迹预测相结合,解决了目标运动速度过快和全部遮挡问题。目前该算法已经成功嵌入TMS320C6416硬件平台,实验结果表明,在混乱背景、目标发生旋转、遮挡、形状变化、运动速度过快等情况下,该算法能够保持连续稳定的实时跟踪。     

#br# 基于SIFT和YOLO的弱目标鲁棒性实时追踪算法

提出基于SIFT和YOLO的弱目标鲁棒性实时追踪算法,它能够在场景变化剧烈、目标存在遮挡等复杂条件下对目标进行持续稳定的追踪。算法的实现以合理的算法架构设计为基础,利用YOLO选择候选目标,利用SIFT从候选目标中选择被追踪目标。本文提出的追踪算法不仅满足实时性要求,而且在正常测试集、目标存在遮挡测试集、摄像头旋转测试集上均取得了优于KCF和CamShift的实验结果。结果表明,本文提出的追踪算法在解决目标遮挡、场景变化剧烈等问题上有突出表现。     

一种基于自适应阈值的复杂背景下自动目标跟踪方法

提出了一种基于自适应阈值的复杂背景下自动目标跟踪方法，该方法采用一种自适应块匹配的运动估计，以平均绝对误差作为目标匹配准则，针对不同大小，不同运动方向，不同运动速度的目标均可进行较好的跟踪。该方法采用三不搜索策略较好地实现了目标搜索，同时，根据目标运动的惯性，引入了运动矢量的向前预测策略，减小了目标搜索的盲目性，提高了跟踪的可靠性和效率。     

PCL环境下粒子滤波目标跟踪算法研究

在实时三维目标跟踪系统中,KL距离自适应粒子滤波算法中距离阈值、小区域阈值以及其他参数的选取往往根据经验设置,如果参数设置不合适会降低跟踪精度和实时性。为此,设计一种3D点云目标跟踪系统。分析距离阈值和小区域阈值等参数对跟踪性能的影响,并给出自适应粒子滤波中参数与跟踪目标模型的关系。实验结果表明,与PCL_Tracking算法相比,该系统提高了三维目标跟踪系统的准确性和实时性。     

闪烁噪声下轨道机动目标自适应鲁棒跟踪算法

针对闪烁噪声下存在未知机动的空间目标跟踪问题,将自适应鲁棒滤波技术嵌入到无迹卡尔曼滤波,设计自适应鲁棒无迹卡尔曼滤波(ARUKF),再利用ARUKF产生粒子滤波的重要性密度函数,从而得到一种自适应鲁棒无迹粒子滤波(ARUPF)算法。将ARUPF与瞬态跟踪模型相结合,对空间机动目标进行自主跟踪。实验结果表明,该算法在跟踪精度和鲁棒性方面优于传统的跟踪算法。