一种尺度自适应的Mean shift跟踪算法

随着人工智能、数字图像处理、模式识别等领域的突飞猛进的发展,智能视频监控日益成为一门应用广泛的综合性学科,其中目标跟踪技术该领域中一个具有重要研究意义的课题。基于传统Mean shift跟踪算法尺度变化易受干扰情况。本文采用一种尺度自适应的Mean shift算法,提出了通过相似度比较更新带宽的新方法。分别计算当前帧和前一帧中中心像素点、边缘像素的相似度函数ρ12,ρ′12,通过比较两者大小判断出目标尺度变化情况,以实现尺度更新。通过试验证明该种方法对于目标尺度更新有更好的效果。     

实时人脸跟踪算法

人脸跟踪有着广阔的应用前景.文中提出改进的CMSHIFT算法,实现动态人脸的跟踪,该方法给出人脸在运动中的长度、宽度以及旋转角度.实验表明,该算法快速准确可靠,而且能够克服跟踪过程中被遮挡的问题.     

一种简单的频率实时跟踪算法

提出了一种简单的频率实时跟踪算法,只需将信号通过低通滤波器得到基波分量,然后对基波分量进行简单的数学运算即可实现频率的实时跟踪.该方法计算简单,精度高,跟踪速度快,仿真和实验结果表明了该方法的可行性和有效性.     

一种扩展带权值的Mean shift跟踪算法

随着人工智能、数字图像处理、模式识别等领域的突飞猛进的发展,智能视频监控日益成为一门应用广泛的综合性学科,其中目标跟踪技术该领域中一个具有重要研究意义的课题。基于传统Mean shift跟踪算法易受到遮挡、背景信息干扰等情况。提出一种扩展的Mean shift算法,它是将纹理和背景权重相结合,采用LBP8,1中5种特征来表示目标纹理,再引入背景加权因子,使得跟踪精度提高明显。通过试验证明该种方法对于目标跟踪有很好的效果。     

一种快速运动目标检测与跟踪算法

运动目标的检测与跟踪是计算机视觉和图像编码研究的主要内容,有着广泛的应用领域。基于光流场的检测与跟踪是其常用的方法之一,但其计算结果和效率是不能令人满意的。提出了基于帧间差阈值法和光流场相结合的快速运动目标检测与跟踪算法,计算结果表明该算法简单实用、运算速度快,克服了单纯光流场方法的不足。     

基于遗传微粒群算法的输电线路图像分割

图像分割技术的发展是电力系统视频监控技术发展的基础。最大类间方差（otsu）阈值分割法分割图像计算复杂、时间开销大,需要利用遗传微粒群算法（PGSHEA）进行优化。PGSHEA引入微粒群算法的快收敛及遗传算法的多样性特点来优化参数搜索,同时引进了摒弃因子来节省时间开销,最终得到最优值。输电线图像实验结果表明,该算法不仅有助于提高识别的准确率,而且减少了时间开销。     

一种基于导数的实时频率跟踪算法

频率是电力系统监控和保护中的重要参数,为对其进行快速准确的测量,提出了一种实时的频率跟踪算法。利用交流信号的正弦特性,通过二阶求导并进行线性化近似处理,进而事后误差补偿。算法在二阶导数初始计算时,运用Lagrange多项式进行曲线拟合。为减小多项式拟合和线性近似带来的误差,引入了误差补偿量和误差修正因子,提高了算法的计算精度。同时,分析了拟合多项式的误差余项,从而应用等比定理并在半周期长度的数据窗内进行平滑滤波,在兼顾实时性的基础上提高了算法的鲁棒性。Matlab平台上的仿真结果表明:该算法计算精度较高,对二次谐波有一定抑制作用,能较好地满足电力系统实时频率跟踪的要求。     

一种新型光伏发电系统最大功率跟踪算法

光伏发电系统的功率输出呈非线性,为有效利用太阳能,对光伏发电进行最大功率追踪显得尤为重要。论述了光伏发电系统输出特性和最大功率跟踪的原理,并提出一种改进的新型最大功率点追踪控制算法,即3段变步长爬山法。通过与自适应爬山法的对比实验表明,这种算法控制特性良好,能快速稳定跟踪太阳能的最大功率点,提高能量转换效率。     

一种优化的最大功率跟踪算法及系统实现

光伏阵列的输出功率随着外界环境因素的变化而不断变化,为了尽可能提高光电转换效率,控制光伏阵列工作在最大功率点非常必要。针对传统的光伏最大功率跟踪算法存在跟踪震荡、跟踪步长难以确定等缺点,提出了一种准定步长的扰动观察法和电导增量法相结合的跟踪方法。该方法结合扰动观察法和电导增量法的优点,根据功率变化的不同条件选择不同跟踪方法完成最大功率跟踪,克服了传统方法的不足。搭建了基于DSP2812的实验平台,验证了此方法能够快速而且稳定地完成最大功率跟踪。     

一种最大功率点跟踪算法与实现

为了实现基于固定电压法自适应电导增量法的最大功率点跟踪算法,设计了一种基于DSP和CPLD的太阳能控制器,并通过与其他最大功率点跟踪算法比较,验证算法的优越性。实验证明,算法在最大功率点的跟踪速度和跟踪精度上具有一定优势。     

一种目标自动识别与跟踪算法研究

目标自动识别与跟踪是跟踪系统中的关键技术.在坦克的目标自动跟踪系统中,由于摄像仪安装在运动载体上,其拍摄的图像背景相对于摄像仪是运动的,从运动背景中检测出其中的运动目标难度较高.本文将目标分为对地目标与对空目标2种类型,并根据目标类型的不同特征,分别采用SSDA和以图像矩为特征值的相关跟踪方法来识别.实验结果表明,该方法可以较好地自动识别与跟踪运动目标.     

双目视觉系统实现羽毛球实时跟踪

利用双目视觉系统实现三维空间中羽毛球的实时跟踪.主要从双目图像获取、双目标定、图像校正、立体匹配等方面对双目进行探究,以识别运动中的羽毛球为导向,实现对运动中的羽毛球进行实时跟踪定位.为增加系统稳定性,采用背景减除算法和Camshift算法相结合的方法实现羽毛球在较为复杂背景的跟踪监测,再通过双目获得目标羽毛球的位置信...     

基于EM的多目标跟踪算法

为了提高多目标跟踪的鲁棒性,增强目标之间的区别性,使用了一种基于能量最小化(energy minimization,EM)的多目标跟踪算法,不同于现有算法,本算法专注于将多目标跟踪中的复杂问题表示为能量函数的模型,模型中包括了更优的目标区分策略(相似度模型)。通过将每个能量函数成本值对应一个多目标的跟踪轨迹方案,算法将多目标跟踪问题转化为能量最小化的问题。在能量函数模型的优化方法上,算法采用共轭梯度算法和一系列的跳转运动来找到能量最小的值。公开数据集的实验结果证明了本算法的有效性,而且定量分析结果证明了本算法提高了目标与背景、目标之间的相互区别性从而与其他算法相比能获得更好的鲁棒性能。     

基于DSP6678的KCF算法实现及优化系统设计

核相关滤波算法在目标旋转、部分遮挡等情况下具有很强的鲁棒性,但是其在实际工程上无法满足实时性跟踪的要求。借助DSP嵌入式平台,提出一种实时目标跟踪系统实现方案。首先,基于TMS32C6678处理器的硬件平台,对二维快速傅里叶变换(FFT2D)进行算法优化;其次,对KCF算法进行C语言级代码优化,包括循环展开、使用内联函数、使用关键字const等。实测结果表明,对640×480像素的图像,跟踪目标为32×64像素时,波门大小为64×128。在满足跟踪效果的同时,其跟踪速度最高达到25 ms/帧,符合实时性要求。     

基于动态自适应相关滤波的复杂场景目标跟踪算法

为解决目标变化、场景非均匀照明等复杂场景下的目标跟踪问题,提出了一种复杂场景下基于动态自适应相关滤波的目标跟踪算法。该算法首先构造一组几何失真的目标参考图像的版本,然后基于组合滤波器的思想,将构造的适用于每个图的最优模板组合起来;同时为避免下一帧中预先指定目标预期位置的需要,算法采用基于时间序列的预测机制,通过考虑目标的运动学来提高跟踪精度;最后该算法设计了重新初始化机制,在系统发生故障时算法进行重启。仿真结果表明,所提的算法的跟踪精度和跟踪效率上优于现有的算法,从而验证了所提算法的有效性和可行性。     

改进的基于特征融合MOSSE冠脉目标追踪算法

CT血管造影(computed tomography angiography,CTA)作为一种无创、检测精确较高的辅助诊断方法,尚急需能有效消除冠脉目标附近干扰噪声并寻求可全自动快速准确追踪目标的新算法以大幅减轻医生阅片压力、辅助其进行可靠诊断与治疗.提出了一种特征融合的误差最小平方和(minimum output s...     

基于K-S检验的直方图匹配目标跟踪算法

为了快速准确跟踪运动目标,提出了基于K-S（kolmogorov-smirnov）检验的直方图匹配目标跟踪算法。将直方图信息作为模板,通过Kalman滤波原理预测出目标下一时刻的可能出现位置,以该位置为中心确定一个搜索范围,在搜索范围内判别直方图的相似性并进行模板匹配,在当前图像中跟踪目标。结果表明,基于K-S检验的直方图匹配方法可减小搜索范围,利用Kalman滤波预测目标的位置,在预测位置附近进行模板匹配,可有效减少模板匹配的遍历时间,提高目标实时跟踪效率。     

衰减记忆扩展卡尔曼滤波在目标跟踪中的应用

对衰减记忆扩展卡尔曼滤波在机动目标跟踪领域中的应用技术进行研究,给出了状态方程和衰减记忆扩展卡尔曼滤波算法,分析了衰减记忆扩展卡尔曼滤波与扩展卡尔曼滤波算法之间存在的主要差别,并通过仿真实验证明该衰减记忆滤波算法具有较好的跟踪目标动态变化效果,解决了卡尔曼滤波算法和扩展卡尔曼滤波算法在非线性系统的目标跟踪中存在的滤波发...     

基于AIMM SRCKF的机动目标跟踪算法

为了解决交互式多模型(interacting multiple model,IMM)算法在目标机动时模型切换速度迟缓的问题,给出了一种Markov概率转移矩阵在线修正的自适应IMM(adaptive IMM,AIMM)算法,利用IMM子模型中连续两个时刻之间的概率差来调整Markov概率转移矩阵,以提高子模型的切换速度...     

基于meanshift的目标跟踪系统设计与实现

目标跟踪是指在一段视频序列中寻找和指定目标最相似的部分,是计算机视觉的重要研究内容之一。本文针对视频中运动目标的跟踪问题,提出了一种基于meanshift的目标跟踪方法。在跟踪过程中,先确定出目标窗口并建立目标模型,再在视频序列的第N帧对应位置处计算候选目标模型,根据Bhattacharyya相似度,利用meanshift算法在后续帧中迭代地搜索目标模型的最佳候选区域。最后,在MATLAB平台上搭建了基于meanshift的目标跟踪系统,通过一系列实验表明,该方法具有很好的跟踪性能,且具有较低的时间复杂度,可满足实时处理的需要。