一种结合背景运动估计的目标运动预测方法

在复杂背景下的目标跟踪过程中,通常会遇到目标被遮挡的情况,此时依靠单一的跟踪算法无法解决上述问题.在静止背景下,利用目标的历史运动轨迹,可以解决短时间遮挡的问题,但在运动平台上,由于相机运动和目标运动同时存在,目标的运动轨迹无法利用,因此本文创新地引入了KLT稀疏光流场算法,对两帧之间的大量特征点进行跟踪匹配,通过随机采样一致性算法鲁棒地估计出两幅图像之间的变换参数,对由相机移动引起的背景运动进行补偿,转换为静止背景下的运动目标估计.实验结果表明,该方法可以有效地解决目标遮挡问题,并成功应用到机载目标跟踪平台.     

基于SSD-CF的无人艇目标检测跟踪方法

针对目前目标检测和目标跟踪算法对无人艇运算配置要求高、速度慢等问题,该文一种提出基于SSD-CF的无人艇目标检测跟踪方法。利用MobileNets结构结合SSD目标检测算法构建轻量级卷积神经网络,实现无人艇的水面目标检测。目标检测结果作为相关滤波CF目标跟踪算法的初始输入,并在目标跟踪过程的保障其有效性。通过MODD水面船只视频数据实验表明,SSD-CF方法融合目标检测与目标跟踪算法,可有效地降低对运算力的要求,提升目标检测跟踪速度和目标位置的稳定连续性。     

一种改进的运动目标跟踪方法

为解决障碍物在三维目标跟踪中产生的遮挡问题,使用基于光流法和立体视觉的目标跟踪系统,同时结合自适应滤波方法来预测跟踪目标三维速度的期望值。采用模糊控制系统解决不同速度的耦合问题,通过计算跟踪算法与预测算法的速度差值来判断运动目标是否受到遮挡。实验结果表明:在确保91.2%识别率的前提下,该算法识别运动目标平均每帧耗时15 ms。该跟踪算法具有较好的鲁棒性和实时性。     

基于双曲调频距离误差的目标跟踪修正算法

双曲调频信号的多普勒不变性可使运动目标匹配滤波输出的能量损失达到最小，在运动目标检测与参数估计中具有独特优势，已广泛应用于新型主动声呐。然而其多普勒不变性在提高检测能力的同时，会引入目标距离估计误差，从而影响主动声呐跟踪性能。文章在分析双曲调频信号距离估计误差的基础上，提出了目标跟踪算法的误差修正方法，通过将距离估计误差公式与传统观测方程及滤波算法进行融合，实现目标跟踪算法的误差补偿，显著提高了算法的跟踪性能，尤其是对快速运动目标的跟踪性能。     

一种基于投影算法的运动目标自动跟踪系统

提出了一种基于投影算法的运动目标跟踪系统设计方案,它适用于固定背景情况下单个运动目标的检测与跟踪,采用了双摄像头方案,既可以扩大场景的监视范围,又可以给出运动目标的近距离影像,引入了投影算法计算位移矢量,提高了计算速度和对背景变化的抗干扰能力,实验结果表明了方案的可行性和算法的稳健性。     

面向船舶避碰预警的红外运动船舶检测与跟踪

通过把红外成像设备安装在内河船舶上,基于红外视频对前方运动船舶目标进行检测和跟踪,实现内河船舶防撞,为船舶安全航行服务.本文给出了一种复杂内河背景下对红外运动船舶目标检测和跟踪的方法.首先,通过天水线的检测确定感兴趣区域(ROI);然后,通过计算ROI的多尺度分形特～(MEFK),进行内河船舶目标检测;最后,利用改进的Mean-Shift算法实现内河运动船舶目标跟踪.实验结果表明,该方法具有鲁棒性,满足实时性和可靠性的要求.     

复杂背景下弱小目标检测方法综述

基于图像信息的自动目标检测,在军事及工业领域有着广泛的应用前景.当成像系统和目标的相对位置较远时,目标在图像平面上表现为点状或不稳定斑点状,占有的像素少,信噪比低,在复杂背景下,目标基本上被噪声所淹没,检测比较困难.对这样的弱小目标的检测一直是运动目标探测中一个亟待研究与解决的问题,国内外学者进行了大量的研究.本文对一些典型的检测方法如序贯假设检测法、基于遗传算法的点目标检测与跟踪算法和基于图像对称差分运算的小目标检测方法等进行了分析和研究,阐明了各方法的基本思想、适用范围和优缺点,给出了相应的一些计算公式.最后指出了当前弱小目标检测算法的发展趋势.     

一种基于投影算法的运动目标自动跟踪系统

提出了一种基于投影算法的运动目标自动跟踪系统设计方案．它适用于固定背景情况下单个运动目标的检测与跟踪．采用了双摄像头方案,既可以扩大场景的监视范围,又可以给出运动目标的近距离影像．引入了投影算法计算位移矢量,提高了计算速度和对背景变化的抗干扰能力．实验结果表明了方案的可行性和算法的稳健性．     

基于卡尔曼滤波的多运动目标跟踪算法研究

针对多运动目标跟踪的实时性和鲁棒性问题,本文提出了一种基于卡尔曼滤波的多运动目标跟踪算法,该算法运用卡尔曼滤波预测目标的位置,并以目标的中心点坐标、面积和长宽比特征、一维HSV颜色直方图作为目标的特征对当前帧检测到的目标模板和预测区域内的目标进行匹配。实验证明,该算法可实时、稳定地跟踪复杂场景内的多运动目标,并能够解决目标遮挡问题。     

双目凝视系统中运动点目标实时检测算法

通过双目凝视系统视场重叠区进入系统的信息量大于通过非重叠区进入系统的信息量,根据这一特征,建立了应用于双目凝视系统的运动点目标并行实时检测算法。算法采用差分向量范数法对原始图像序列做预处理,去掉大量低频噪音和背景,采用光流场法从预处理后的图像中分离可疑运动点目标,再用提出的空间时间并行快速判定准则对分离的可疑运动点目标进行运动连续性和一致性判定,识别出真正的运动点目标。实验结果表明,建立的运动点目标检测算法的平均速度比单目视觉系统提高了50%,在图像信噪比不小于3dB时准确判定识别的概率为95%。     

序列图像中运动目标检测

提出动态背景下序列图像中的运动目标检测算法。利用像素邻域的各向同性对图像进行归一化,消除亮度变化等因素的影响;利用光流信息并结合小波变换由粗及精计算速度场来配准图像;用当前帧作参考图像,通过时域积分校正背景图像。当前帧与校正后背景图像作差得到差分图像。假设该差分图像中噪声分布为高斯分布,由高斯分布的3σ特性滤除差分图像中的噪声,则粗定位出目标;最后以聚类方法确定运动目标区域。分别对200帧可见光和200帧红外图像序列进行实验,检测率分别为95%和94%。     

复杂背景、强噪声环境中的点源目标检测及跟踪方法

介绍了一种在复杂背景、强嗓声环境中检测并跟踪多个点源目标的方法。目标在图象中的位置是未知的；其轨迹是连续的并可以是任意的；图象序列中含复杂的变化背景，并伴有强的随机白噪声；目标为压几个象元的点目标，本文提出的是一种回形窗扫描、相关处理及相关跟踪相结合的算法，能有效地从复杂背景、强噪声环境中检测与跟踪多个点源目标。这种算法能对图象进行分割、并行处理，适合于实时的目标探测及跟踪。     

基于累积光流的运动对象检测

利用解析小波和M估计求解光流约束方程,得到一种精度高的、稳健的光流计算方法,并在此基础上引入扩展累积光流,针对累积光流计算中的几个特殊问题进行了相应的处理,实现了一种稳健的运动对象检测算法.实验结果表明,该算法正确检测运动对象的精度高,能够检测出慢速物体和小目标的运动,并较好地解决了遮挡问题.     

基于YOLOv3和DeepSort的车流量检测

针对传统多目标跟踪算法的检测跟踪精度低、鲁棒性差的缺点,基于经典的Tracking-By-Detection模式,提出一种基于YOLOv3和DeepSort的车流量检测方法,实现了车辆视频监控端到端的车流量视频的实时监测与跟踪计数.采用深度学习YOLOv3算法检测视频车辆目标,然后利用深度学习DeepSort算法对检测...     

一种视频图像序列中运动对象的分割与跟踪算法

本文提出了一种视频图像序列中运动对象的分割与跟踪算法。该算法通过Canny算子检测出差帧图像的边缘信息,并结合当前帧与背景帧的边缘图像,提取出运动对象。在后续帧中通过建立前帧感兴趣运动对象与当前帧中各运动对象的帧间向量来跟踪当前帧中感兴趣的视频对象。实验结果表明,该算法可行,而且由于该算法简单、计算复杂度小,能很好地满足实时监控系统中对感兴趣运动对象的提取与跟踪。     

提高光电经纬仪跟踪快速运动目标能力的一种方法

考虑到系统稳定性，光电经纬仪跟踪伺服系统一般设计成Ⅰ型系统。Ⅰ型系统存在速度、加速度动态滞后误差。动态滞后误差的大小不但与跟踪系统有关，还与目标运动特性有关。在跟踪快速运动目标时，会因速度、加速度动态误差的增大，导致目标脱离视场，丢失目标。因此提高光电经纬仪跟踪快速运动目标的能力，一直是光电跟踪伺服系统努力的方向。本文给出了一种提高光电经纬仪跟踪快速运动目标的能力的方法：动态1 Ⅰ控制法，并利用SIMULINK建立了跟踪伺服系统动态1 Ⅰ控制法仿真模型。仿真结果表明动态1 Ⅰ控制法是一种提高光电经纬仪踊跃快速运动目标能力的有效方法。     

基于残差平方和的光流场正则化方法

光流场的不连续性是光流场准确估计中最为重要的研究内容。提出利用最小二乘法和加权最小二乘法算法中残差平方和来对光流场进行正则化,以减少计算窗口中含有多种模式运动的概率,较好地解决了光流场的不连续性,从而使该算法具有鲁棒性。计算结果表明,该算法具有简单实用和运算速度快的特点。     

一种新的红外目标跟踪方法

一般的Snake模型用于目标跟踪时存在一些问题,如要求初始控制点位置非常接近于真实 轮廓、不能可靠跟踪快速运动目标、对目标的运动规律有许多约束条件等。在继承所提出的Auto-Snake模型跟踪算法优点的基础上,进一步采用最小二乘估计预测器对目标的位置进行预测,放宽对运动规律的约束,可以实现对快速运动(大位移)的目标的自动跟踪。     

运动背景中结合特征位移矢量场模糊分割与 OTSU法的运动检测

运动背景中的运动检测难度较大,背景运动补偿后差分以及分割光流场可实现动目标和背景的分离,差分前需进行鲁棒的背景估计,且差分后易出现空洞,而光流估计在噪声以及目标运动速度较大时并不准确,尤其在光照变化时,两种方法均易失效。本文提出一种特征点位移矢量场模糊分割与图像自适应阈值化相结合的运动检测方法,实现在无任何关于运动目标或者运动背景先验信息条件下的动目标检测。通过改进的 SIFT匹配方法生成鲁棒的特征位移矢量场,采用模糊 C均值聚类算法对 SIFT位移矢量场进行无监督分类,实现动目标与背景特征的自适应分离。 OTSU法和形态学操作实现图像的自适应分割,用以修正特征点凸包,最终分割出动目标区域。与鲁棒的背景运动补偿后差分以及光流估计的对比实验表明,在目标运动速度较大、光照变化以及噪声情况下,本文方法均能够检测出运动目标,且在光照变化下的优势明显。     

适用于快速扩展目标的跟踪算法

提出了一种算法──偏移质心算法,阐述了偏移质心算法的原理及实现过程。该算法适用于对高速运动扩展目标的跟踪,已成功地用于ＯＦＤ－６３０电视跟踪器,并通过了连云港动态打靶试验。由于这种算法快速简捷、方便易行,且能实时稳定的对目标进行跟踪,在图象跟踪系统中不失为一种简单实用的跟踪算法。