基于在线特征选择的粒子滤波跟踪算法

在复杂场景下,传统的粒子滤波跟踪算法较难定位目标.针对此问题,提出了一种基于在线特征选择的粒子滤波跟踪算法.该算法首先在线、自适应地通过Fisher判别准则,从16个不同的颜色特征空间中选择最能区分目标及其邻近背景的1个最佳特征空间,然后在这个最佳特征空间中用基于统计直方图的粒子滤波算法跟踪目标.试验结果表明,该算法鲁棒性和准确性较好,在光照变化.目标自身发生形变和遮挡情况下能够准确地对目标进行跟踪.     

基于演化非对称核函数的均值漂移跟踪算法

针对传统均值漂移跟踪算法中采用的对称核函数模板中包含了较多背景像素点,影响跟踪精确度和稳定性的缺点,在固定非对称核函数的基础上对均值漂移跟踪算法进行了改进,提出了一种基于演化非对称核函数的均值漂移目标跟踪算法。本文算法首先介绍了将非对称核函数模板引用到均值漂移算法框架的关键问题——模板中心——的计算方法;其次将非对称核函数模板的表述和演化有机结合,提出了利用区域相似度的目标轮廓水平集演化算法并阐述了非对称核函数模板的更新策略。实验结果表明,相比现有的方法,本文提出的基于演化非对称核函数模板均值漂移跟踪算法具有更高的准确性和可靠性,同时也能满足一般目标跟踪任务的实时性要求。     

一种基于子空间学习的实时目标跟踪算法

针对当前目标跟踪算法鲁棒性低且运算慢的问题,本文提出了一种基于子空间学习的实时目标跟踪算法。该方法在粒子滤波跟踪框架下,采用增量式PCA子空间学习方法学习一个正交子空间,利用学习到的正交子空间对目标外观进行线性表示;针对目标在遮挡、运动模糊等复杂干扰状态下容易产生跟踪漂移的问题,本文建立了一个将遮挡等复杂因素考虑在内的观测模型和模板更新方案,解决了基于最小均方误差准则的传统观测模型在复杂场景下的跟踪漂移问题。实验结果表明,本文的跟踪方法能够达到很高的跟踪精度,同时也达到了接近实时的跟踪速度。     

一种基于动态分层更新的多特征融合跟踪方法

针对单一特征的目标跟踪算法和传统的模型更新策略的不足,本文提出一种均值迁移和粒子滤波相结合的多特征融合跟踪方法.该方法通过均值迁移对粒子传播进行优化,根据粒子权值的分布情况自动调节各个特征的融合权值,实现了多特征的有效综合,通过建立目标模型的动态分层更新策略,有效保留了目标和场景的变化信息.实验结果表明,该方法对目标外...     

一种基于卡尔曼预测的动态目标跟踪算法研究

针对视频序列中目标的跟踪,均值漂移算法和卡尔曼滤波器相结合的目标跟踪算法已经被提出,而在移动机器人上实现对机动目标的实时跟随时,机器人自身的运动引起目标在像平面的偏移不能被忽略,在详述了两者的关系的基础上,建立起以机器人一个周期内的运动作为输入量的状态方程,以卡尔曼滤波器的估计值作为均值漂移算法的启动点,均值漂移算法的最终收敛点作为每帧的跟踪结果,并以此收敛点替代滤波器的估计值,两种算法交替使用,互为补充.实验表明所提算法可以实现在室外环境下对动态目标的实时跟踪.     

基于双层粒子滤波和半监督Hough Forests 的多目标跟踪

本文针对单目摄像头、复杂可变背景环境下的多目标跟踪问题,将 tracking-by- detection 方法与粒子滤波相结合,从不稳定的信息源中提取高置信度模型作为观测,在半监督学习框架中实现了动态视频场景中的多个目标跟踪,并设计了一个多目标的维护机制以应对遮挡、背景变化、目标进出场景等可能引起目标混淆的情况.实验证明,本文提出的算法能够稳定跟踪复杂场景中的多个目标,有效区分不同目标,对目标的遮挡、背景干扰等均有良好的处理效果.     

一种灰度成像扩展目标跟踪方法

灰度图像色彩信息贫乏会导致易陷于局部相似,使跟踪点发生漂移。针对此问题,提出了基于目标成像空间域与特征域分布的改进直方图模式扩展目标跟踪算法。以基于像素位置和像素灰度值的直方图模式作为目标模式;相似度测量采用基于Bhattacharyya系数定义的距离;用均值偏移迭代进行匹配区域搜索;通过建立卡尔曼预测跟踪策略解决目标被遮挡时的跟踪问题。试验结果表明,采用该算法,跟踪点漂移由原来十几个像素的波动减少到仅偶有1个像素的抖动。     

基于局部特征组合的目标跟踪算法

为了克服目前大多数观测模型在小样本空间中鲁棒性不高的弱点,文中在粒子滤波框架下提出基于局部特征组合的粒子滤波视频跟踪算法。局部特征能更有效描述目标模板细节信息,可降低特征匹配中目标形变、光照变化和部分遮挡的影响。该方法借鉴混合高斯模型思想,采用多模式描述有效局部观测信息,这种融合策略更加准确可靠,能够较好地通过最新观测减轻了粒子退化现象,从而提高目标跟踪效率。小样本空间一定程度上降低了粒子数量和计算代价。实验结果表明该算法相比单一特征或一般多特征融合跟踪算法具有优越性,并能实现复杂场景下的目标跟踪。     

基于空间直方图的多目标粒子滤波跟踪

针对复杂场景中多目标跟踪问题,本文给出了目标的出现与消失、遮挡等模型描述,将其统一到粒子滤波的框架下,提出了一种可以处理目标数可变的多目标跟踪算法.对场景中的目标数建立马尔科夫模型,采用转移概率矩阵描述跟踪过程中目标出现,消失的情况;在状态表示中增加辅助变量,明确目标之间可能的遮挡;采用目标空间直方图建立基于唯一性原则的观测似然函数,通过后验概率分布估计目标数及目标状态.实验结果表明,本文算法能有效地处理跟踪过程中的目标数变化、目标遮挡等问题,实现多目标的正确跟踪.     

基于卷积网络的目标跟踪应用研究

本文针对目标跟踪应用,提出了基于Siamese-FC跟踪网络的改进卷积网络Siamese-MF,意在更进一步提升跟踪速度和准确性,满足目标跟踪的工程应用需求。对于跟踪网络,考虑速度和精度的权衡,减少计算量,增加卷积特征的感受野是改进跟踪网络的速度和精度的方向。在卷积网络结构上面进行改进结构创新,改进主要集中为两点:1)引入特征融合,丰富特征;2)引入空洞卷积,减少计算量的同时增强感受野。Siamese-MF算法实现了对于复杂场景目标的实时准确跟踪,在公开数据集OTB上测试速度达到平均76 f/s,跟踪成功率的均值达到0.44,而跟踪稳定性的均值达到0.61,实时性、准确性和稳定性均提升,满足目标实时跟踪应用。