基于颜色特征传递的多摄像头无重叠区域运动目标跟踪

针对多摄像头无重叠区域目标监控时,同一目标在不同摄像头中易出现色差而导致目标颜色特征匹配失败的问题,研究了多项式转换法、基于统计特征的颜色转换法和自适应颜色转换法.在这些方法的基础上,结合视频监控的具体应用要求,提出了将基于统计特征的颜色转换法应用在多摄像头运动目标跟踪中的具体改进方法.实验结果表明,该方法对于多摄像头无重叠区域下运动目标跟踪效果良好.     

基于DM642的运动目标检测与跟踪系统

运动目标的检测与跟踪在许多领域有着广泛的应用,是应用视觉研究的焦点之一。设计了一种基于DM642的运动目标检测与实时跟踪系统。运动目标检测采用基于Ⅲ矿色彩空间的单高斯背景建模结合形态学处理的算法;运动目标跟踪采用基于亮度纹理信息的CAMShifI跟踪算法。系统利用跟踪算法计算目标位置信息,通过P~$485总线控制摄像机伺服设备,以跟踪运动目标。在DM642EVM板上实现了该系统,实验表明这种检测和跟踪方法是快速有效的。     

基于多特征融合的运动目标跟踪方法

采用单一特征描述目标和传统模型更新方法对目标进行跟踪难以适应目标的遮挡、形变以及复杂场景变化等问题。针对此问题,提出一种多特征融合和选择性更新模型的相关滤波器跟踪算法。分别利用方向梯度直方图和颜色特征训练滤波器模型,在检测阶段根据不同特征响应图的峰值旁瓣比和加权融合两种特征;根据每帧最终目标位置响应图的峰值旁瓣比,判断目标是否发生遮挡,发生遮挡时则不更新模型,下一帧中继续使用当前模型进行跟踪。选取公开测试视频集中12段视频序列与多个前沿运动目标跟踪算法进行对比实验,结果显示,相对于次优的基于颜色特征(color names,CN)的算法,平均中心位置误差减少了25.12像素,平均跟踪精度提高了29.31%。实验结果表明,在目标发生尺度变化、遮挡和光照变化等情况下,该算法可以稳定、准确跟踪运动目标。     

基于Rao-Blackwellizedli粒子滤波的多特征融合多光谱目标自适应跟踪

针对复杂背景下视频目标跟踪的实时性和可靠性问题,提出了基于Rao-Blackwellized粒子滤波的颜色矩形特征和方向边缘信息融合的自适应跟踪算法。该算法采用Rao-Blackwellized粒子滤波提高滤波算法性能,采用积分图像快速计算颜色特征和方向边缘信息,根据跟踪实际情形,利用模糊逻辑自适应调节各特征权值,提高算法的跟踪速度和精度。视频跟踪仿真试验表明该算法是稳健的,能够在复杂的背景下对可见光及红外等运动目标进行有效、可靠的跟踪。     

动态特征块匹配的背景更新在运动检测的应用

为解决传统监控设备视场小、非智能等缺陷,结合全景成像技术和计算机视觉技术,建立无人环境下外来入侵自动检测系统,从而实现了全景监控视场下运动目标快速准确的检测及跟踪。该技术关键在于如何在复杂的动态背景下有效地提取运动目标,为此提出一种基于动态特征块匹配的自适应背景更新算法。在采用帧间差分与背景差分融合算法检测到目标的基础上,利用目标的矩信息进行跟踪,避免了全景视觉下颜色及轮廓特征缺失的弊端。根据目标的轮廓及位置提取特征块,将视频序列的每一帧图像与初始背景图像进行特征块区域的局部匹配,首先通过分析特征块图像的颜色特征,构建基于区间统计的RGB颜色直方图,提取颜色特征序列。然后通过计算序列相关性来判断该区域是否需要背景更新,从而降低对单个像素更新的冗余计算。实验表明,该更新算法具有较强的鲁棒性和可行性,能够有效提高监控系统的稳定性。     

基于颜色和梯度特征的混合高斯模型的运动目标检测算法

运动目标检测是视频监控系统的重要组成部分,针对传统的基于混合高斯模型(GMM)的运动目标检测方法存在的不足,提出一种基于颜色和梯度特征相结合的混合高斯模型的运动目标检测算法。该算法首先基于像素的颜色特征建立混合高斯模型,进行运动目标初步检测;然后结合像素的梯度特征,建立像素梯度的混合高斯模型,实现运动目标精确检测。通过在室内和室外等不同场景下进行的运动目标检测实验,结果表明,该算法能有效消除光照变化影响,抑制运动目标的阴影干扰,对室内和室外环境的运动目标检测都具有较好的检测效果和鲁棒性。     

基于粒子滤波的彩色图像跟踪

视频跟踪中的目标检测和目标跟踪通常不能通过一个算法同时完成,而是需要两个计算法则,过程复杂,耗时较多.为了实现序列彩色图像的实时检测与跟踪,本文提出了一种基于粒子滤波的实时目标跟踪算法.以目标有无信息和目标位置信息为变量建立了联合状态向量,利用粒子滤波方法实现目标检测及跟踪.为了减少计算量,在充分考虑跟踪区域各像素权重的条件下,建立基于颜色信息的特征直方图作为观测向量,并用于后验估计.实验表明,本文提出的方法在选择150个粒子的情况下,对于768 pixel×576 pixel大小的彩色图像,能够在14.37 ms内检测并跟踪目标,而且能在目标发生旋转变化和尺度变化时,保持稳定跟踪,证明了该方法具有一定的鲁棒性.     

基于色度饱和度-角度梯度直方图特征的尺度自适应核相关滤波跟踪

针对核相关跟踪算法(KCF)对特征敏感及无法跟踪尺度的问题,本文从特征提取和尺度自适应两个方面对核相关滤波跟踪算法进行了研究。提出了一种基于色度饱和度-角度梯度直方图特征的自适应核相关跟踪算法来改善KCF算法的跟踪性能。首先,研究了HSI颜色空间的特点,基于颜色和梯度是互补的图像特征,提出了一种融合了梯度和颜色的HHS-OG特征来有效提高原始KCF算法对目标和背景的判别力。其次,针对KCF无法处理目标尺度变化的问题,在跟踪的检测阶段采用一组固定的尺度因子进行图像块采样,根据得到的滤波响应图估计目标的最优位置和尺度。将所提算法在大量视频序列上进行了跟踪实验,结果显示其平均跟踪速度为37.5frame/s,跟踪精度和成功率分别提升了5.4%和10.1%。实验表明HHS-OG特征具有良好的目标-背景判别能力,能够实现鲁棒跟踪,而尺度自适应策略能较大程度地提高跟踪精度。     

一种改进的基于光流法的运动目标跟踪算法

运动目标跟踪需要从背景中准确地检测出感兴趣目标并实现有效率的跟踪。文章结合Codebook模型和光流法提出了一个新的目标跟踪方法,首先用Codebook模型检测得到感兴趣目标,然后提取感兴趣目标内部的特征点并用光流法进行跟踪,跟踪过程中实时更新用以跟踪的目标内部的特征点。当目标发生遮挡时,采用Kalman滤波器预测目标的位置,遮挡结束后根据Kalman滤波器预测的位置和Codebook检测结果重新初始化感兴趣目标内部的特征点。实验结果表明,该算法具有较好的鲁棒性和较高的准确率,能够满足实时跟踪的要求。     

基于压缩感知的多特征实时跟踪

针对基于压缩感知的目标跟踪算法中存在的特征单一,在目标纹理变化、光照变化较大时跟踪不稳定、易丢失目标的问题,提出了多特征联合的实时跟踪算法。该算法以多个矩阵作为压缩感知中的投影矩阵,将压缩后的数据作为特征来提取出跟踪所需的多种特征。在更新过程中,针对不同特征在跟踪过程中的稳定性不同,采取不同速度的更新方法,使得在目标环境变化时跟踪的鲁棒性仍然很高。对不同视频的测试结果表明,提出的方法在目标运动、旋转、纹理变化和光照变化的情况下跟踪准确,在目标大小为70 pixel×100 pixel时平均帧速为23 frame/s,满足实时跟踪的要求。与单一特征的压缩感知算法相比,本算法在目标纹理和光照变化很大的情况下仍能完成稳定的实时跟踪。     

基于单目视觉的移动机器人跟随

针对室外环境下移动机器人基于单目视觉对目标人实时跟随问题进行了研究,提出通过均值漂移算法对像平面目标的跟踪来实现目标定位。为了补偿摄像机运动造成目标在像平面的偏移,提出了以卡尔曼滤波器的估计值作为均值漂移算法的启动点,然后利用均值漂移算法获得最终位置;为了估计单目视觉下目标与机器人之间的距离,提出了一种借助于主颜色描述子和形状直方图的间接景深计算方法。室外实验表明该算法具有很好的实时性和鲁棒性,能有效实现复杂室外环境下对人的跟随。     

Centroid weighted Kalman filter for visual object tracking

In the visual object tracking, the Kalman filter presents commonly the state model and observation model uncertainty in the actual performance of Gaussian noise, so it makes the estimation of certain parameters produce errors in the model, and results in decreasing estimation precision. In order to enhance the stability of the Kalman filter, an algorithm based on centroid weighted Kalman filter (CWKF) for object tracking is proposed in this paper. The algorithm firstly uses background subtraction method to detect moving target region, and then uses the Kalman filter to predict target position, combining centroid weighted method to optimize the predictive state value, finally updates observation data according to the corrected state value. Tracking experiments show that the algorithm can detect effectively moving objects and at the same time it can quickly and accurately track moving objects with good robustness.     

基于Camshift和Kalman滤波结合的改进多目标跟踪算法

Camshift算法具有很好的实时性,但是存在遇到大面积与目标颜色相近的背景干扰、目标被严重遮挡时跟踪失效,只能对单目标进行跟踪等问题。针对这些问题,提出了Camshift结合Kalman滤波的改进算法,采用改进算法的跟踪器对每个检测出来的目标进行分别跟踪,从而实现多目标跟踪。实验表明本文提出的改进算法能有效地克服以上问题,并且能达到实时性要求。     

适于机载环境对地目标跟踪的粒子滤波设计

为提高机载环境对地面强机动性目标跟踪的鲁棒性,本文以粒子滤波为跟踪框架,研究了它的动态模型与观测模型。针对机载环境的特点与跟踪目标的强机动性,提出了基于Kristan双步动态模型结构的加速度双步动态模型（TSA）。根据Yilmaz等人提出的非对称核函数思想,针对实际工程中目标变化特点与实时性要求,提出利用Snake算法提取目标轮廓,以轮廓信息构造非对称核函数的方法。最后,依据上述方法提出了TSA-AK粒子滤波跟踪算法。利用提出的算法对机载环境对地目标跟踪的视频进行了测试,结果表明,本文算法可实现对大幅度变速运动目标的稳定跟踪,正确跟踪率为98%;对大小为25 pixel×30 pixel的目标的处理帧率为26 frame/s。     

基于薄板样条函数的无人机多目标跟踪算法

针对无人机单机载相机运动下的多目标跟踪存在目标位置漂移和状态预测失效等问题,提出了一种基于薄板样条函数的无人机多目标跟踪方法.利用空间变换函数刻画无人机运动,构建无人机运动下的目标状态空间模型,利用外观特征初始化轨迹与量测对应关系,根据初始对应关系并计算薄板样条函数的最小二乘解求解出模型未知参数,进而根据模型预测轨迹运...     

单对立色流运动下的抠图跟踪

当目标与周围背景相似性较高,且目标运动形式复杂时,很难精确跟踪目标。针对传统目标跟踪方法因目标外观的不精确建模致使模型退化而产生漂移的问题,提出了一种单对立色流特征下的抠图跟踪方法。首先,根据彩色视频帧包含的丰富颜色信息,将单对立色颜色编码方式与Lo G兴趣点检测器结合,获取颜色兴趣点作为目标表示集合;其次,在目标运动预测阶段,通过估计相邻帧兴趣点的流匹配关系,获得预测帧的前景目标兴趣点估计;最后,利用获得的前景兴趣点估计进行抠图,重新划分当前帧的前背景标记,并对模型进行更新。该算法在Segtrack视频跟踪数据集上进行验证,定性定量分析了跟踪目标快速运动,目标形变和光照干扰下的跟踪效果。实验结果表明该算法可有效提高形变目标跟踪的准确性,优于当前目标跟踪的先进算法。     

Applying mean shift, motion information and Kalman filtering approaches to object tracking

Contemporary research is developing techniques to tracking objects in videos using color features, and the mean shift (MS) algorithm is one of the best. This known algorithm is employed to find the location of an object, in image sequence, by using a coefficient called the Bhattacharyya coefficient. This coefficient is calculated through an object tracking algorithm to present the similarity in appearance between an object and its candidate model, where the best representation of an object is acquired, once this is could be maximized. However, the MS algorithm performance is confounded by color clutter in background, various illuminations, occlusion types and other related limitations. Because of such effects, the algorithm necessarily decreases the value of the Bhattacharyya coefficient, indicating reduced certainty in the object tracking. In the present research, an improved convex kernel function is proposed to overcome the partial occlusion. Afterwards, in order to improve the MS algorithm against the low saturation and also sudden light, changes are made from motion information of the desired sequence. By using both the color feature and the motion information simultaneously, the capability of the MS algorithm is correspondingly increased, in the present approach. Moreover, by assuming a constant speed for the object, a robust estimator, i.e., the Kalman filter, is realized to solve the full occlusion problem. At the end, experimental results on various videos verify that the proposed method has an optimum performance in real-time object tracking, while the result of the original MS algorithm may be unsatisfied.     

基于一致性点漂移的智能车视觉目标跟踪方法

针对智能车未知运动下的多目标跟踪问题,提出一种基于一致性点漂移的视觉多目标跟踪方法。 首先利用一致性点漂 移算法构建智能车未知运动模型,得到局部目标状态变换关系;其次建立一种基于外观相似性和运动一致性的自适应特征融合 函数;最后通过匈牙利算法求解轨迹与检测的对应关系,以实现面向智能车的鲁棒数据关联。 实验结果表明,与现有的 5 种主 流目标跟踪方法对比,所提方法在多个指标方面具有更好的效果,相较于结构约束(SCEA)算法,在 KITTI 数据集中较大运动场 景下,所提方法多目标跟踪准确率提高了 6. 3% ,在实拍实验数据下,所提方法多目标跟踪准确率提高了 7. 3% ,证明该算法能 在智能车未知运动下有效的进行多目标跟踪。     

基于差分和特征不变量的运动目标检测与跟踪

提出了一种基于改进的图像差分算法与特征不变量匹配的目标识别方法。通过三帧差值法获得了更完整清晰的目标轮廓,并基于该轮廓信息构造了一个具有平移、大小和旋转不变性的特征不变量;然后提出动态极值匹配法,利用特征曲线的极值信息点进行识别匹配,并动态替换原特征模版。实验结果表明,该方法能够准确识别目标,显著地提高识别跟踪效率,并且适用于检测运动姿态发生变化的目标。对于分辨率为288×352像素,每像素8位量化的序列图像,处理每帧图像平均用时0.011 74 s,其中特征提取与匹配过程平均用时0.005 476 s,能够实现对运动目标的实时分析,可同时满足运动目标识别跟踪中实时性和准确率的要求。