基于SWAD算法的空间面目标高精度跟踪技术研究

针对空间面目标的高精度跟踪问题,提出一种面目标高精度跟踪方法,该方法利用SWAD模板匹配算法和亚像素拟合算法提取目标精确的位置信息,并在跟踪过程中对模板进行实时更新。对传统的无限冲击响应滤波模板更新方法进行了改进,提出一种变系数模板更新方法,该方法计算量小,不需要经过复杂的置信度判断,模板更新系数由当前模板图像和当前最佳匹配区域图像的灰度值决定;利用不同亮度的目标,以及对目标图像进行尺度变换模拟姿态变化的目标,比较了该模板更新算法和传统算法的匹配误差,结果表明:该算法能够更好地适应目标姿态的变化;最后通过平行光管和靶标板模拟远场非合作目标,搭建了室内演示试验,证明了利用模板匹配进行高精度目标跟踪的可行性。     

新的基于Kalman滤波的跟踪方法

模板更新策略是匹配跟踪算法成败的关键,为了提高基于模板匹配跟踪算法的性能,在分析多种模板更新算法的基础上,给出使用Kalman滤波器更新模板的方法。该方法不再将模板图像视为一个整体,而是使用Kalman滤波器对模板图像逐像素点进行更新,以得到自适应和最佳的目标模板图像,使匹配跟踪算法的性能得到很大提高,特别对于目标被遮挡、目标姿态变化以及环境照度变化有很强的适应性。对匹配算法的改进和遮挡的处理使该算法的性能得到进一步提高。实验结果表明该方法行之有效。     

一种基于卡尔曼滤波器的模板更新方法

在运动目标跟踪过程中,基于相似性度量的模板匹配法是常用的一种相关跟踪算法.但是,单纯利用模板与图像的匹配准则难以应对跟踪过程中常见的目标姿态变化问题,很难获得比较好的跟踪效果.针对上述问题,利用卡尔曼滤波器对模板像素进行逐像素更新,每个像素依据自身的性质进行修正的幅度都不一样,从而得到自适应和最优的模板图像,最终达到在序列图像中准确匹配的目标.实验证明,该方法在产定程度上解决了跟踪过程中目标的形态变化问题.     

基于区域协方差矩阵的末制导目标跟踪

针对红外成像末制导阶段目标尺寸和姿态迅速变化的问题,提出了一种基于目标区域协方差矩阵的粒子滤波器目标跟踪方法。为了在红外成像末制导阶段精确跟踪目标以及抑制逐渐显现的图像细节,本方法以目标位置和大小作为目标状态,通过粒子滤波器跟踪在实时帧图像中的目标,并在图像金字塔上迭代定位目标以提高跟踪精度。为了适应目标大小的变化,通过实时更新目标模板(区域协方差矩阵)以调整跟踪窗的大小。选择多种目标特征构造区域协方差矩阵,作为目标描述符来匹配、定位目标。仿真结果表明,该方法不仅能适应末制导阶段目标尺寸的急剧变化,而且对红外成像末制导阶段目标能实现精确跟踪,表现了很好的鲁棒性。     

基于纹理特征的火箭目标跟踪方法

为解决姿态剧烈变化的火箭目标跟踪问题,提出了一种新的基于纹理特征的跟踪方法。相对于传统的模板匹配方法,这种方法能对助推器和子级分离的捆绑式运载火箭进行跟踪。在对火箭目标特性进行分析的基础上,采用局部二值化模式(LBP)纹理特征结合Hu不变矩特征描述进行跟踪。跟踪过程中特征匹配采用简单的相似性度量准则,实时模板更新算法为加权更新。测试结果表明,这种方法对发生位移、旋转和尺度变化的火箭目标同样具有比较好的跟踪效果。     

一种受人脑三阶段记忆机制启发的鲁棒运动目标跟踪方法

目前大多数运动目标跟踪算法在目标姿态发生突变或目标被严重遮挡后会产生目标丢失现象,为解决此类问题,受人脑三阶段记忆信息处理机制的启发,本文提出一种三层旋转圆记忆模型（Spinning Tri-Layer-Circle Memory Modeling,STLC-MM）用于在目标跟踪过程中对目标模板进行更新.模型定义了三个旋转圆记忆空间用于存储和处理跟踪过程中用过的目标模板.三个圆记忆空间旋转时,记忆空间中的模板也随之以相同的速度旋转,同时模型通过模拟一些人类的认知行为,如,记忆、提取、遗忘等对模板进行更新.最后,为了验证所提方法有效性,本文将STLC-MM嵌入到粒子滤波目标跟踪框架进行目标跟踪实验.实验结果表明所提方法在目标姿态突变以及严重遮挡等方面具有较强的鲁棒性.     

基于关键区域特征匹配的视觉跟踪算法

针对视觉跟踪中目标表观的复杂变化问题,提出了一种基于关键区域特征匹配的鲁棒跟踪算法.首先对目标模板进行初始化并通过滤波预测得到目标候选;然后采用自适应标记分水岭算法对目标模板和目标候选进行分割以提取关键区域,并利用像素的空间和频率分布特性对关键区域进行多重特征描述;最后通过关键区域的特征匹配得到目标模板与目标候选的匹配关系,由此确定最终跟踪结果并进行模板更新.对目标发生尺度、遮挡、旋转、光照、姿态、复杂背景以及运动模糊等变化的视频序列进行了仿真测试.实验结果表明,所提算法能够有效处理目标表观的复杂变化问题,尤其对目标的部分遮挡、光照变化以及复杂背景等具有较强的鲁棒性.     

基于主分量寻踪的鲁棒视觉跟踪

传统子空间跟踪易受到模型漂移的影响而导致跟踪失败.针对此问题,本文提出一种基于主分量寻踪的鲁棒视觉跟踪方法.该方法以多个模板张成的子空间作为目标表观模型,利用主分量寻踪求解候选目标的误差分量,在粒子滤波框架下利用候选目标的误差分量估计最优状态参数.为了适应目标表观变化并克服模型漂移,本文提出一种模板更新方法.当跟踪结果与目标模板相似时,该方法利用跟踪结果更新目标模板,否则利用跟踪结果的低秩分量更新目标模板.在多个具有挑战性的图像序列上的实验结果表明:与现有跟踪方法相比,文中的跟踪方法具有较优的跟踪性能.     

一种视觉跟踪中的模板更新策略

针对复杂场景中的目标外观和背景变化引起的模板 更新问题, 提出了一种新的视觉跟踪模板更新策略,用以提高目标模板正确性。算法利用特征信息在 时间和空间上的区别和变化,进行特征子量分类更新,避免了模型过更新,提高了目标模型 的容错能力,使更新带来的误差尽量小,以适应目标和背景信息的不断变化,在一定程度上 提高了跟踪算法的精准度和鲁棒性。实验结果表明,本文方法在视频跟踪系统中具有优越的 性 能,可以在目标运动、变化和遮挡情况下实现鲁棒跟踪。     

模板自适应的Mean Shift红外目标跟踪

为了解决Mean Shift跟踪算法中目标模板只能从单一图像建立且很难更新问题,提出了一种结合改进的Mean Shift与增量式支持向量机的红外目标跟踪算法。首先,根据目标区域的灰度直方图对目标进行描述,然后采用标准Mean Shift搜索目标,结合子图图像矩特征进行二次搜索,再计算下一帧搜索的窗口大小,以解决目标尺寸明显变化时造成目标丢失的问题。同时,针对目标遮挡易导致跟踪失败的问题,引入机器学习理论,采用增量式支持向量机自适应更新模板,则目标跟踪问题转换为目标和背景的分类问题。实验结果表明:提出的改进算法在目标尺寸、姿态发生变化或出现部分遮挡时,能有效跟踪目标。     

基于模板修正和自适应Kalman预测的刚性目标跟踪

目前在远景刚性目标的跟踪中,由于长序列图像具有亮度动态范围大及背景噪声大的特点,当前模板的尺寸和位置往往不能有效代表目标,从而使目标的预测和相关搜索产生误差累积;另外,Kalman预测常因过程噪声与模型不匹配使其对机动目标跟踪适应性差.对上述问题进行研究提出了一种基于区域增长的模板修正方法,并对Kalman预测中过程噪声自适应的方法进行了仿真.结果表明,这种新的模板修正方法具有良好的尺寸及位置自适应能力和抗背景噪声能力,而且过程噪声的自适应也有效提高了Kalman预测的准确度,对目标跟踪具有指导作用.     

一种基于曲线拟合预测的红外目标的跟踪算法

给出了一种将曲线拟合和相关跟踪相结合的红外目标跟踪算法。该算法以目标质心作为匹配模板的中心，采用SSDA进行相关运算，以图像相关匹配的输出值更新所拟合的曲线，并以曲线的预测值作为下帧图像匹配搜索的初始值，使相关运算仅在很小的窗口内进行。该算法还定义了跟踪的帧内置信度和帧间置信度信号，实时智能的更新模板。实验表明，该算法能有效减少相关匹配的计算量，保证跟踪精度。     

基于FPGA的实时图像跟踪系统

提出了一个实时图像跟踪系统,在硬件上以大规模复杂可编程逻辑器件(FPGA)及微处理器(8051)为核心,采用模块化流水线处理结构,实现目标图像的实时跟踪。在系统软件上使用一种高效的快速相关算法MAD,建立相关跟踪置信度评估、模板自适应更换、目标丢失判断、抗干扰准则和再捕获等准则,有效地提高了目标跟踪的稳定性和抗干扰能力。     

基于区域协方差矩阵的目标跟踪方法

针对精确制导系统图像跟踪的特点,在计算机视觉研究领域最新成果区域协方差矩阵的基础上提出了一种目标跟踪的新方法.首先对图像进行空域滤波,然后提取目标区域的多种特征,生成区域协方差矩阵,接着用参考模板的区域协方差矩阵在实时图中进行相关匹配,生成相关矩阵;最后对相关矩阵进行一系列后处理,确定跟踪点;另外设计了一种简单实用的模板刷新方法.大量的仿真实验证明该方法对红外图像、可见光图像,运动目标、固定目标都能实现很好的跟踪,展示了很好的鲁棒性和精确性.     

经典相关算法(MAD)的硬件实现方法

该系统在硬件上以大规模复杂可编程逻辑器件(FPGA)及微处理器(8051)为核心,采用模块化流水线处理结构,实现目标图像的实时跟踪.在系统软件上使用一种高效的快速相关算法MAD,建立相关跟踪置信度评估、模板自适应更换、目标丢失判断、抗干扰准则和再捕获等准则,有效地提高了目标跟踪的稳定性和抗干扰能力.     

基于双步相关滤波的目标跟踪算法

针对目标跟踪中因目标遮挡、目标出视野导致的跟踪失败问题,为提高相关滤波目标跟踪算法的鲁棒性,提出了一种基于双步相关滤波的目标跟踪算法。首先根据方向梯度直方图特征不同单元大小目标表征的特点,提出双步相关滤波目标跟踪框架,在提高目标跟踪精度的同时保证了跟踪速度;然后融合多种目标特征,来获得目标更加全面的特征表征,以提高目标跟踪的鲁棒性;最后提出基于目标跟踪置信度指标的目标模板自适应更新策略,来解决目标遮挡时目标模板被污染的问题。实验在OTB100标准目标跟踪数据集上进行验证,通过与其他跟踪算法进行比较结果表明,该算法与其中最优跟踪算法相比,目标跟踪精度提升6.0%,目标跟踪成功率提升5.5%,平均跟踪速度为27.4 fps,保证了目标跟踪的实时性。实际目标跟踪应用中,在目标严重遮挡等情况下,该算法仍然可以对目标进行稳定精确地跟踪。     

一种快速目标检测跟踪方法研究与实现

阐述目标检测跟踪详细过程,提出一种近距离复杂背景下使用快速模板匹配方法对运动目标检测跟踪的方法。该方法针对目标的环境,利用高斯-拉普拉斯滤波器预处理,进而对相邻图像的差分图像获取和识别运动目标中心和区域大小,然后利用相关匹配算法并结合改进的十字搜索法对目标进行快速持续的检测跟踪。实验表明该方法是有效的。     

基于特征融合的粒子滤波目标跟踪新方法

针对传统粒子滤波(PF)算法采用单一颜色特征建模 跟踪目标性能差的缺陷,提出一种颜色特征与纹理特 征相融合的PF目标跟踪新算法。首先,采用一种具有抗噪声和保护纹理边缘的全局中值二值 模式 (GMBP)纹理算子,对模板图像进行局部差绝对值处理,得到幅 值序列模板,将幅值序列模板内的中值作为模板的阈值,与模板邻域比较获得新的纹理图像 ;然后,与 具有光照不变特性的局部二值模式(LBP)纹理算子结合,形成一种(GMLBP)新的纹理描述算子 。最后,分别计算GMLBP纹理特征粒子权值和HSV颜色特征粒子权 值,并依据权值大小确定融合系数,对纹理特征粒子权值和颜色特征粒子权值进行线 性融合,再对融合后粒子权值进行归一化处理,从而得到目标位置状态的最终估计值。对比 实验结果表明, 相对于单一颜色特征的目标跟踪算法,所提算法捕捉目标位置准确且具有更低的平均跟踪误 差,其平均误差降低了近2倍。     

面向多区域视频监控的运动目标检测系统

为了实现视频监控现场多区域运动目标检测,分析了传统运动检测算法的不足,结合帧间差分法和背景差分法,提出背景动态更新的运动检测算法。该算法能自适应背景的变化,减少由背景变化造成的误检测。构建基于FPGA的视频监控系统,在FPGA上用该算法实现了640pixel×480pixel,30帧/s视频信号流的运动目标实时检测。系统提供了分区域运动目标检测的功能。检测区域的大小、位置和个数可通过简单的按键操作进行设定。测试结果表明,系统可以实时地对进入划定区域的运动目标进行检测和闪烁告警,且资源占用较少,适合在小规模的FPGA上进行实现。