一种基于Hausdorff距离的目标跟踪算法

序列图像中的运动目标跟踪是计算机视觉的一个重要组成部分,跟踪算法的鲁棒性和计算量是算法的关键.本文提出了一种基于Hausdorff距离的目标跟踪方法,该算法结合运动检测和多分辨率技术,极大减少了计算量,并利用有效的模板更新方法,加强了跟踪的鲁棒性.实验表明,该算法能实现快速有效的目标跟踪.     

引入视觉显著性的多特征融合跟踪

针对大多数目标跟踪算法采用单一特征描述目标,在背景区域出现相似的干扰特征时跟踪精确度较低的问题,提出了一种引入视觉显著性的多特征融合的目标跟踪算法。首先,采用视觉显著性机制处理颜色直方图得到显著性特征,再使用混合特征策略融合显著性特征和BRISK(binary robust invariant scalable keypoints)特征,获取目标前景和背景模型;其次,运用双向光流检测和误差度量提取动态特征,并使用自适应搜索机制提取候选目标区域的静态特征,融合动态特征和静态特征;最后,根据匹配算法估算目标跟踪框的自适应尺度及中心,确定目标在当前帧图像中所处的位置。实验结果表明,该算法能够处理强烈光照变化、目标尺度变化、快速运动及部分遮挡等情况下的目标跟踪问题,并实时稳定地获得单目标跟踪结果。     

基于线阵CCD的目标跟踪

图像序列运动目标跟踪是计算机视觉领域的核心课题之一.本文采用线阵CCD相机获取图像序列.并提出了一种改进的相关跟踪算法时运动目标进行匹配和跟踪的算法,实现了目标的快速匹配与实时跟踪的目的.     

基于多传感器的运动训练辅助机器人主动跟踪算法设计

针对运动训练辅助机器人对健美操运动员进行检测与跟踪的准确性问题,提出一种基于多传感器的运动训练辅助机器人主动跟踪算法。首先,对主动跟踪算法的总体方案进行设计,提出了基于视觉传感器的机器人主动跟踪方法和基于声纳传感器的机器人主动跟踪方法;然后,采用基于决策层的数据融合方法将两种跟踪方法获取的跟踪方案进行融合,彼此弥补获取最佳的跟踪方案;最后,通过实验测试提出的算法能否实现机器人对健美操运动员的主动跟踪。实验结果表明：设计的基于多传感器的运动训练辅助机器人主动跟踪算法能够让机器人对健美操运动员进行主动跟踪,且整个跟踪过程能够快速检测到目标并朝之靠拢,同时通过调整自身速度安全、平稳地对目标进行跟踪,能够实现辅助运动员进行训练的目的。     

基于DST-PCR5多目标自适应视觉跟踪方法

复杂场景下实现快速稳定地自适应跟踪是视觉领域亟需解决的课题之一, 利用目标的多特征信息进行高效融合是提升跟踪算法鲁棒性能的重要途径。本文首先基于DST(Dempster-Shafer Theory)和PCR5(Proportional Conflict Redistribution No.5)设计一种新的合并策略融合运动目标的颜色和纹理特征,其次在粒子滤波框架下建立复杂场景下的多目标自适应跟踪模型,最终实现了复杂场景下多特征信息融合的自适应视觉跟踪。实验结果及性能分析表明,该方法在不良的跟踪条件下,高冲突证据的自适应处理能力得到明显改善,有效提高了粒子的使用效率和跟踪的鲁棒性,可以较好实现复杂场景下准确、稳定地多目标跟踪。     

室内视频监控中行人目标检测与跟踪方法

为了有效检测和跟踪室内环境下视频监控中的行人目标,本文提出了一种新的行人检测与跟踪算法。检测阶段采用隔帧差分图像法以及自适应闽值分割技术快速检测运动行人;跟踪阶段采用卡尔曼滤波对目标位置进行预测,并利用最小外接矩形框优化匹配搜索。实现运动行人连续跟踪。通过单人、多人交互两组视频序列对算法进行了验证,试验结果表明。本文算法能够较好地处理室内静止背景下单人、多人跟踪,并对目标遮挡有一定的鲁棒性。     

基于细胞神经网络运动目标跟踪算法研究

运动目标跟踪是模式识别、图像处理、计算机视觉等领域的重要课题,它把图像处理、自动控制、信息科学有机结合起来,针对背景是静止的运动物体图像序列,提出了基于细胞神经网络移动目标跟踪,该算法大部分采用细胞神经网络结构,能够实现高效、快速的移动目标跟踪,可以满足实时需要,在实验基础上验证了该算法的有效性。     

基于全方位视觉的多目标检测跟踪

提出了一种采用全方位视觉的多运动目标检测与跟踪方法。用减背景和连通域分割法检测运动目标;利用Kalman滤波器预测目标的运动参数;建立匹配矩阵,处理运动目标间的互相遮挡、目标暂时消失、重叠目标分离等情况。实验表明所设计的方法能在复杂背景的全方位视场中很好地跟踪多个运动目标。     

基于全方位视觉传感器的车辆违章检测系统的设计

探讨了利用全方位视觉传感器(ODVS)以及计算机视觉等技术来实现对交岔路口的车辆违章智能视频监控,采用ODVS来获取整个交岔路口的全景视频图像;通过混合高斯模型提取在全景视频图像中的车辆对象前景;使用camshift跟踪算法跟踪行驶车辆对象;依据交通法规,通过对比红绿灯、车道和车辆运动等状态来判断车辆对象是否有违章行为;实验结果表明,所设计的违章检测系统能自动检测出多种车辆违章行为,为交通执法部门提供了一种智能化的检测手段。     

复杂背景下运动点目标的检测和跟踪

为了解决复杂背景下运动点目标的检测和跟踪问题,本文提出了一种基于图像差分和聚类的运动目标检测和跟踪算法.该算法首先根据图像配准的方法,对序列图像进行差分运算,提取出候选的运动目标.在此基础上,利用运动目标在空间和时间上的相关性以及运动目标的轨迹所具有的连续性,采用一种特殊的聚类方法,从噪声环境中正确检测出运动目标的轨迹,并实现对运动目标的跟踪.实验表明该算法能快速检测出复杂背景下的运动点目标,并能有效处理轨迹相交和检测过程中出现新目标的情况.     

基于全景视觉的监控系统设计

设计了一个基于全景视觉的多摄像机监控网络。全景相机视野广,可以实现大范围的目标检测与跟踪。云台摄像机视角具有一定的自由度,可以捕捉目标的高分辨率图像。将全景相机与云台相机相互配合,通过多传感器的数据融合,分层次的跟踪算法及多相机调度算法,实现了大范围的多个运动目标的检测与跟踪,并能捕获目标的清晰图像。实验验证了该系统的有效性和合理性。     

A Nonparametric Adaptive Tracking Algorithm Based on Multiple Feature Distributions

This paper presents an object tracking framework based on the mean-shift algorithm, which is a nonparametric technique that uses statistical color distribution of objects. Tracking objects through highly similar-colored background is one of the problems that need to be addressed. In various cases where object and background color distributions are very similar, the color distribution obtained from single frame alone is not sufficient to track objects reliably. To deal with this problem, the proposed algorithm utilizes an adaptive statistical background and foreground modeling to detect the change due to motion using kernel density estimation techniques based on multiple recent frames. The use of multiple frames supplies more information than single frame and thus it provides more accurate modeling of both background and foreground. In addition to color distribution, this statistical multiple frame-based motion representation is integrated into a modified mean-shift algorithm to create more robust object tracking framework. The use of motion distribution provides additional discriminative power to the framework. The superior performance with quantitative results of the framework has been validated using experiments on synthetic and real sequence of images     

Moving object detection by mobile Stereo Omni-directional System (SOS) using spherical depth image

Moving object detection with a mobile image sensor is an important task for mobile surveillance systems running in real environments. In this paper, we propose a novel method to effectively solve this problem by using a Stereo Omni-directional System (SOS), which can obtain both color and depth images of the environment in real time with a complete spherical field of view. Taking advantage of the SOS that the frame-out problem never occurs, we develop a method to detect the regions of moving objects stably under arbitrary movement and pose change of the SOS, by using the spherical depth image sequence obtained by the SOS. The method first predicts the depth image for the current time from that obtained at the previous time and the ego-motion of the SOS, and then detects moving objects by comparing the predicted depth image with the actual one obtained at the current time.     

Efficient tracking of 2D objects with spatiotemporal properties in wireless sensor networks

Wireless sensor networks (WSN) are deployed to detect, monitor and track environmental phenomena such as toxic clouds or dense areas of air pollution in an urban environment. Most phenomena are often modeled as 2D objects (e.g., a fire region based on the temperature sensor readings). People model the objects by their properties, and like to know how the properties change over time. This paper presents a distributed algorithm, which uses deformable curves to track the spatiotemporal changes of 2D objects. In order to save the constrained resources in WSN, our distributed algorithm only allows neighboring nodes to exchange messages to maintain the curve structures. In addition, our algorithm can also support tracking of multiple objects. Based on the in-network tracking of deformable 2D curves, we show that many spatiotemporal properties can be extracted by the in-network aggregation. Our experimental results have confirmed that our approach is resource-efficient with regard to the in-network communication and on-board computation.     

多目标跟踪算法的研究与应用

将多目标跟踪算法用于水中絮体颗粒的跟踪,提出了一种代价函数结合改进MHT的算法,对出现异常的絮体颗粒用改进MHT算法跟踪,并通过分析絮体颗粒运动特性修正了改进MHT算法,有效解决了跟踪过程中出现的轨迹交叉、轨迹合并等情况,这样在保证跟踪精度的基础上又提高了跟踪速度;同时,采用跟踪絮体颗粒得到颗粒的沉淀速度信息来评价水处理混凝的效果,自动控制混凝剂的加注,从而达到自来水水质检测和净化的目的。     

基于全局颜色对比的显著性目标检测

为了能正确检测显著性图中的多个显著性目标, 提出了一种基于全局颜色对比的显著性目标检测算法。该算法首先提取图像的全局颜色对比度特征, 然后把显著性图和全局颜色对比度作为特征输入条件随机场框架中, 得到二值显著性掩模, 最后经区域描绘子计算得到包含显著性目标的最小外接矩形。在两种公开的数据集上的实验结果表明, 该算法在精度、召回率以及F-测度方面的表现优于现有其他几种算法, 在计算效率上也具有一定的优势。因此, 所提出的算法在检测效果上优于现有的显著性目标检测算法, 而且还能够检测到多个显著性目标。     

Shadow removal for pedestrian detection and tracking in indoor environments

This paper presents a method of shadow removal to improve the accuracy of pedestrian detection and tracking in indoor environments. The proposed method can be divided into four steps: building a background model which can be automatically updated, extract moving objects region, eliminating moving objects shadows, classifying and track pedestrians. The background model is built with pixel value and the updating of Gussian. The approach for real time background-foreground extraction is used to extract pedestrian region that may contains multiple shadows. In the gray histogram space, based on the depth value of the gray images, a reasonable threshold is set to remove shadows from various pedestrians. In this work, we propose a methodology using the foreground frames without shadows to detect and track the pedestrians across training datasets. Comparative experimental results show that our method is capable of dealing with shadows and detecting moving pedestrians in cluttered environments.     

异质信息网络中基于元路径的社团发现算法研究

实际的网络化数据往往包含多种类型的对象和关系,采用异质信息网络可以更好地对其建模,因此异质信息网络分析逐渐成为数据挖掘的研究热点。虽然同质信息网络中的社团发现已经被深入研究,但是异质信息网络中的社团发现还很少被研究。该文研究异质信息网络中的社团发现问题,提出了一个新的社团发现算法框架HCD(heterogeneous community detection)。该框架由两部分组成: 基于单条元路径的社团发现算法HCD_sgl和融合多条元路径的社团发现算法HCD_all。HCD_sgl首先确定在给定元路径下所有节点的初始标签,再利用改进的标签传递算法进行最终的社团发现;HCD_all是在HCD_sgl的基础上将基于多条元路径的社团发现结果进行融合。通过在真实数据集和人工数据集上的实验验证了HCD算法的有效性。     

一种用于智能监控的目标检测和跟踪方法*

在对现有目标检测、跟踪算法进行分析对比的基础上,设计并实现了一种简单有效的目标检测和跟踪方案。首先提出了一种基于像素灰度归类和单模态高斯模型的背景重构算法,能够利用多帧包含前景目标的场景图像重构准确的背景模型。进而以此为基础采用背景减法进行各帧中目标的检测,并选取形心作为匹配特征实现了场景中多个目标的有效跟踪。实验表明,该方法实现简单,无须事先提供背景图像即可实现目标的准确检测和跟踪,其性能明显优于传统基于时间平均背景模型的方法。     

面向室外视频监视的感兴趣区域提取

针对室外视频监视中运动对象检测易受树枝叶晃动、水面波动等无意义运动干扰,准确性低、实时性差的问题,定义感兴趣区域为已经存在及潜在存在有意义运动对象的区域,提出一种感兴趣区域自动提取算法。构造带状算子提取训练阶段存在有意义运动对象的区域,利用颜色一致区域生长和干扰对象区域退化得到潜在存在有意义运动对象的区域,对不同区域采取不同的检测策略可以提高检测的准确性和实时性。实验结果表明,该算法对感兴趣区域提取结果良好,用于室外视频监视中运动对象的检测能克服无意义运动干扰,提高检测的准确性,并能有效减少计算量。