共查询到20条相似文献,搜索用时 372 毫秒
1.
LK光流算法是一种精确高效的特征跟踪算法,能够较大幅度提高图像配准的精度和速度。针对时间序列图像的配准问题,基于LK光流算法,通过基于图像金字塔的方式跟踪改进后的FAST特征角点,采用一种鲁棒的单应矩阵估计算法解算配准参数,提出了一种基于LK光流和改进FAST特征的实时鲁棒配准算法。通过一组时间序列图像从配准精度和配准速度两个方面对所提出算法的性能进行了验证分析,平均重投影误差为0.16,平均处理速度为30 Hz。实验结果表明,该算法能够提取稳定的FAST角点,快速准确地跟踪匹配序列图像之间的特征,较好地解决时间序列图像的实时配准问题。 相似文献
2.
3.
介绍了依据图像配准技术在复杂背景中提取潜在痕迹的一种方法。图像配准是图像处理的一个重要的基础环节,传统的图像配准算法存在着各种不确定性及计算复杂性,而且特征点的选择困难且自动性差。而我们要实现从复杂的背景中提取潜在的痕迹必须要求图像要精确对准到亚像素级。针对传统算法中存在的问题,分别采用了一种从特征点提取、匹配到图像间点变换估计及光学变换估计的鲁棒算法。这些算法经过实验证实是鲁棒的且是实用的。 相似文献
4.
目标跟踪技术是视频检测技术中一个十分重要的组成部分,为此,提出一种基于特征点的快速跟踪算法。该方法避免了困难的目标分割过程。采用两次帧差共同确定角点选择区域,利用Moravec算法提取合适角点;采用一种特别设计的包含不平滑区域的结构化模板获取更好的匹配点;利用预测点缩小搜索范围,降低计算复杂度和时间复杂度。实验证明该算法能够快速实现目标的实时跟踪,跟踪准确度高,对不同的场景都具有良好的鲁棒性。 相似文献
5.
《红外技术》2018,(3):259-263
为了实现在复杂背景条件下对动态视频红外多目标进行稳健的检测与跟踪,提出了一种新颖鲁棒的运动多目标的检测与跟踪算法。首先对相邻红外图像进行匹配校准,利用图像累积差异图检测出运动的目标。为了达到实时高效的检测效果,提出了网格采样策略,大大降低了特征点的匹配复杂度并解决了特征点非均匀集中的问题。同时采用强度滤波和形态学操作等算法提升了目标的显著性特性,滤除了虚假目标;由于红外热像仪视场的变化,目标的尺度将发生变化,在检测到目标的基础上提出了尺度计算与区域检测算法;最后采取了传统的卡尔曼滤波对检测到的目标进行跟踪。实验结果表明,本文算法能够准确地检测动态场景下运动目标,并在目标尺度变化时自适应的检测出目标的变化,同时稳定地跟踪目标。 相似文献
6.
7.
针对快速鲁棒特征(SURF)算法对微观驱替图像进行配准存在的误匹配比例较高和由于提取的特征点过多导致时间偏长的问题,提出了一种改进的 SURF算法.利用了微观驱替模型的特点,提取出信息量相对比较丰富的边界,仅在边界和边界附近提取特征点.借鉴了 Hassion角点检测的方法,筛选出那些满足设定条件的稳定的特征点.实验证明,本文提出的方法在匹配正确率上得到了提高.同时,特征点匹配的耗时有所减少. 相似文献
8.
基于Blob的车辆识别及其跟踪算法研究 总被引:1,自引:0,他引:1
智能交通系统是未来交通发展的必然趋势,乒丶际醯难芯烤哂猩钤兜囊庖?本文以在静态背景下动态地识别并跟踪汽车为目的,对摄像头采集的图像进行处理.如何准确地从复杂的交通图像中提取车辆,是进行车辆识别的基础.本文采用Surendra背景[1]算法提取路面的背景,通过背景差法提取路面上的车辆.图像分割后,对二值图像进行Blob[2]分析,识别并对车辆进行分析,获取车辆的特征信息,包括车辆本身的参数信息和位置信息.依赖这些车辆信息,通过Kalman滤波器实现对车辆的跟踪,进而获得车辆的动态信息,包括车辆的速度、运行轨迹信息. 相似文献
9.
针对红外成像末导引阶段飞行器姿态调整及高速运动导致的目标尺度和姿态迅速变化的问题,提出了一种基于加速鲁棒特征(SURF)的红外成像目标跟踪算法。为了实现在末导引阶段对目标进行精确跟踪,采取了点跟踪的策略。首先根据跟踪点在上一帧的位置,在当前帧选取以相同位置为中心的图像子块并求其SURF特征,通过SURF特征匹配得到当前帧图像子块和模板的匹配点集,采用随机抽样一致性(RANSAC)算法剔除误匹配点对,进一步用最小二乘算法(LSA)精确地估计出对应的单应性矩阵;然后通过单应性矩阵把跟踪点映射到当前帧获取跟踪点在当前帧的位置,从而实现精确跟踪。试验结果表明,本文算法有较高的跟踪精度和较好的实时性。 相似文献
10.
11.
12.
13.
本文提出一种UPF粒子滤波与BP神经网络相结合方法用来跟踪运动背景下的视频多运动目标,该方法可以处理尺寸变换问题,从而可以鲁棒地跟踪目标。这种算法可以把最新的观测考虑进去,跟踪目标既可以是刚性目标,也可以是非刚性目标,并且跟踪算法可以实时实现。 相似文献
14.
15.
基于视频处理的运动车辆检测算法的研究 总被引:3,自引:3,他引:0
车辆检测技术是现代智能运输系统的重要组成部分,现有的相关视频检测算法能够检测目标且对环境具有一定的适应性,但其在算法实时性、识别率等方面仍有待提高。提出了一种基于Fisher准则函数法的自适应阈值背景减法和对称差法相结合的运动车辆检测算法,该方法采用surendra算法提取背景,通过背景减法提取出目标前景,再将其与对称差法相结合得到准确的运动目标区域并实时地完成背景更新。实验表明该方法快速、准确,具有一定的实用价值。 相似文献
16.
17.
18.
19.
针对道路现场实时车流量检测问题,提出了一种改进的帧间差分法的运动车辆检测算法,并将该检测算法成功移植到了嵌入式系统上。将帧间差分法与采用长度、宽度、面积筛选轮廓及用质心距离的车辆跟踪算法结合,实现运动车辆的检测;将U-Boot引导程序、Linux内核、Yaffs2文件系统和检测算法移植到S3C6410上,通过摄像头实时采集交通视频,检测结果由触摸屏显示。复杂交通场景的实时测试结果表明,本系统的检测时间为0.298秒/帧,准确率超过88%,基本能够实现在道路现场的车流量实时检测。 相似文献
20.
复杂地面场景下的红外目标易受背景影响并经常出现遮挡情况,难以简单地依靠亮度或梯度信息检测并跟踪目标。根据复杂背景下红外运动目标与背景的速度场差异,提出了利用光流对目标进行跟踪的算法。首先对图像进行配准,保证在随动跟踪时背景的相对静止;然后在目标的跟踪波门内计算改进的Horn-Schunck 光流;最后根据目标的光流特征,优化粒子滤波算法中粒子的转移概率,实现对目标的稳健跟踪。实验结果表明,该跟踪算法能对复杂地面场景下的红外运动目标持续跟踪,并不受目标被短时遮挡的影响。 相似文献