复杂背景下迎头点目标检测算法

针对传统检测跟踪算法无法有效处理迎头点目标的问题,提出了基于红外序列图像相邻两帧间匹配的检测算法.根据迎头点目标的红外序列图像特点,采取点对点标记匹配结果,点对点统计标记次数,阈值门限输出迎头点目标.算法无需假定目标点位置,检测过程不随背景复杂程度和目标点数目变化而变化,尤其解决了高噪声情况下迎头点目标的检测和跟踪问题.算法结构简单、存储量小、运算速度快,根据多次仿真和实拍照片实验,验证了该方法的可行性和有效性.     

基于随机有限集的目标跟踪方法研究及最新进展

本文概述了基于随机有限集的目标跟踪方法的产生、发展和研究现状.论文概要总结了基于随机有限集的目标跟踪方法的基础理论,主要包括随机有限集的理论基础,概率假设密度滤波器的理论基础,概率假设密度滤波器的实现方式以及基于随机有限集的目标跟踪算法的性能评价指标.文中同时简要介绍了概率假设密度滤波器在目标跟踪领域的应用,并对在该领域未来的发展提出了自己的看法.     

多边缘法实现对高速扩展目标解体的自动跟踪

根据一般扩展目标的性质,结合某些高速扩展目标分离(如高速再入大气层的目标)的实际情况,分析了此类目标发生分离、特征产生剧烈变化的特点,指出了一般图像跟踪算法中基于对比度跟踪算法在此情况下难以适用的原因,并综合这些算法的特点,提出基于光学图像序列的加权多边缘跟踪算法,结合FDEKF滤波,实现了对此类(超)高速扩展分离目标的自动稳定跟踪.通过对多个此类目标序列图像进行仿真验证,并与其它四种基于对比度的跟踪算法所得结果进行比较,结果表明,该算法稳定性好、精度更高,且易于实现.     

复杂场景下的变形目标跟踪

提出一种新的针对目标变形的模板匹配跟踪方法。对于跟踪序列图像中的目标,采用均值平移方法对原图像进行滤波平滑后提取边缘;定义一种点到邻域的广义距离测度,增强了匹配的容错性,与计算 Hausdorff 距离相比计算量大为减少;采用边缘相似点的距离均值和方差作为匹配的相似测度和置信准则,进一步降低了匹配的误差;提出在 8 邻域内基于马尔可夫模型的启发式规则修正模板策略,阻止跟踪点漂移。实验结果表明,该方法能以高达 98%的正确匹配率对复杂场景序列图像中的运动目标进行稳定跟踪。     

序列图像中目标的分割与跟踪

本文主要研究序列图像中目标自适应跟踪方法.文章首先分析比较了目前国内外常用的分割方法的优缺点,然后提出了一种可以实现快速跟踪的算法.该方法利用序列连续图像的帧间相关性和差异性检测目标,把目标历史运动信息经过预测滤波后的结果和差值的序列图像信息进行比较,以达到快速跟踪的目的.     

基于加权Lucas-Kanade算法的目标跟踪

针对传统的序列图像目标跟踪方法难以适应复杂背景干扰、目标形状变化以及目标位置非规则抖动的问题,提出了一种基于加权Lucas-Kanade算法的目标跟踪新方法.首先引入搜索模板,估计出目标在实时图像中的位置并将其作为加权Lucas-Kanade算法的迭代初始值,然后计算权值函数,利用当前模板和初始模板进行两次跟踪,得到目...     

基于改进梯度向量流形变模型的动目标检测方法

针对现有图像序列动目标检测技术抗噪声能力较差、跟踪性能鲁棒性不强的不足,提出了一种改进的梯度向量流形变模型算法,该算法构造了新的梯度向量场,利用图像灰度梯度信息、帧间运动信息以及邻域灰度信息相结合进行梯度向量场计算.仿真试验结果表明,该方法较好地克服了图像序列中随机噪声的影响,计算出的梯度向量场基本没有干扰区域,同传统向量场相比较,有效地提高了算法的抗噪能力和跟踪结果的准确性,可更好地实现图像序列的动目标检测.     

基于动态图像序列的自动扶梯客流量的测量

目的　利用动态图像序列分析的方法测量扶梯的客流量 .方法　提出了一种基于改进型的Hausdorff距离的图像匹配方法用于检测人体特征 ,并利用滤波器对特征目标进行跟踪 .结果　人体的某些部位即使在被遮挡 (Occlusion)及图像含有较强噪声的情况下也能得到正确快速的识别 .结论　利用计算机图像序列分析的方法测量测量自动扶梯的客流量是一种可行的方法 .     

弱小目标跟踪算法性能评估的研究

本文提出了弱小目标检测和跟踪算法的性能评估框架,并针对弱小目标检测和跟踪的特点,从背景特性、目标特性和跟踪干扰特性等方面对弱小目标序列图像的仿真进行了分析.通过分析弱小目标跟踪中可能遇到的不同的目标情况和由此产生的正确跟踪轨迹、正常轨迹消失、错误跟踪轨迹、遗漏轨迹和虚假跟踪轨迹等目标跟踪状况,以弱小目标仿真模块提供的目标原始真值为基础,采用了有效跟踪评价和有效跟踪精度评价的方法对跟踪算法进行评估.试验表明,该方法能够有效地评估弱小目标跟踪算法.     

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。     

基于标记的多尺度分水岭视频目标分割算法

针对视频目标提取的问题,提出了基于标记的多尺度分水岭视频目标分割算法.该算法以帧间变化检测为基础,通过改进的最小Tsallis交叉熵进行去噪、滤波,经形态学处理后得到运动目标初始二值掩模,并利用初始二值掩模得到用于分水岭算法的前景与背景标记,用该标记修正当前帧的多尺度形态学梯度图像,最后进行分水岭分割,得到具有精确边界的视频对象.实验结果表明,该算法能有效地分割和提取视频序列中的单个、多个以及快速运动的目标,继承了变化检测和分水岭算法速度快的优点,克服了分水岭容易产生过分割的缺点,具有较强的适用性.     

摄像机旋转运动下的快速目标检测算法

论文提出了一种摄像机旋转运动下的快速目标检测算法。首先为图像的全局运动建立旋转参数模型,然后基于运动预测在相邻帧之间建立SIFT特征点对,利用RANSAC去除外点的影响,结合最小二乘法求解全局运动参数进行运动补偿,基于残差图像的更新策略实时更新特征点集,以适应背景的变化,最后使用帧差法获得运动目标。该算法不仅保持了SIFT本身的优越性能,而且极大地提高了检测速度。实验结果表明该算法可以实时准确的检测出运动目标。     

基于背景抑制与改进多尺度LSD的声呐小目标检测算法

针对声呐小目标检测由于水下环境复杂、目标回波信号弱等因素造成虚警率和误检率较高的问题,文章提出基于背景抑制和改进直线分割检测(Line Segment Detection, LSD)的检测算法。首先对原始声呐数据截取序列片段,构建多周期累积历程图,凸显运动目标轨迹线特征;其次设计边缘滤波算子,有效滤除部分背景噪声,并结合投影变换进行线特征增强,不仅实现了断裂直线重连,还抑制了剩余噪声;然后基于图像金字塔改进了多尺度LSD直线分割检测算法,有效缓解了过检测问题,大幅增加了直线平均长度;最后为了合并冗余检测信息,利用运动轨迹时空一致性特征设计后处理模块,提高了检测定位精度。通过多组无人遥控潜水器(Remotely Operated Vehicle, ROV)、潜水员、空心球靶小目标序列的湖试、海试数据的定量与可视化结果定性分析,实验结果显示,文中算法与传统LSD相比,误检率和漏检率分别降低了11.2和3.9个百分点,定位误差下降了1.495个像素。结果表明,文中所提算法大幅提高了声呐小目标检测精度,为后续水下目标识别、跟踪等任务奠定重要基础。     

基于帧间差分和运动估计的Camshift目标跟踪算法

针对Camshift算法无法适应目标的高速运动、复杂背景和遮挡的局限性,本文提出结合帧间差分法和运动估计对Camshift算法进行改进.首先在颜色概率分布图计算中通过帧间差分法加入目标运动信息,实现自动初始化跟踪并排除与目标相似背景颜色的干扰.之后在搜索窗传递过程中预测目标的位置,根据跟踪状态对搜索窗进行调整,以实现对高速运动目标的跟踪.实验表明新算法在目标高速运动、遮挡、和同色干扰情况下,仍能进行有效跟踪.     

一种特征点跟踪的运动目标检测

提出一种基于特征点跟踪的运动目标分割算法。在角点跟踪过程中,8等分匹配点邻域,构造方向子邻域提高匹配精度;提出一种新的聚类准则抽取最优特征子集估计运动参数;结合统计方法消除残差噪声;采用时域滤波滤除孤立区域检测出运动目标。对200帧可见光视频序列和100帧红外图像序列中运动汽车进行检测分割实验,检出率分别达到96%和94%。     

A multimodal approach for individual tracking of people and their belongings

Abstract

In this study, a fully automatic surveillance system for indoor environments which is capable of tracking multiple objects using both visible and thermal band images is proposed. These two modalities are fused to track people and the objects they carry separately using their heat signatures and the owners of the belongings are determined. Fusion of complementary information from different modalities (for example, thermal images are not affected by shadows and there is no thermal reflection or halo effect in visible images) is shown to result in better object detection performance. We use adaptive background modeling and local intensity operation for object detection and the mean-shift tracking algorithm for fully automatic tracking. Trackers are refreshed to resolve potential problems which may occur due to the changes in object’s size, shape and to handle occlusion-split and to detect newly emerging objects as well as objects that leave the scene. The proposed scheme is applied to the abandoned object detection problem and the results are compared with the state of art methods. The results show that the proposed method facilitate individual tracking of objects for various applications, and provide lower false alarm rates compared to the state of art methods when applied to the abandoned object detection problem.     

Multiple Pedestrian Detection and Tracking in Night Vision Surveillance Systems

Pedestrian detection and tracking are vital elements of today’s surveillance systems, which make daily life safe for humans. Thus, human detection and visualization have become essential inventions in the field of computer vision. Hence, developing a surveillance system with multiple object recognition and tracking, especially in low light and night-time, is still challenging. Therefore, we propose a novel system based on machine learning and image processing to provide an efficient surveillance system for pedestrian detection and tracking at night. In particular, we propose a system that tackles a two-fold problem by detecting multiple pedestrians in infrared (IR) images using machine learning and tracking them using particle filters. Moreover, a random forest classifier is adopted for image segmentation to identify pedestrians in an image. The result of detection is investigated by particle filter to solve pedestrian tracking. Through the extensive experiment, our system shows 93% segmentation accuracy using a random forest algorithm that demonstrates high accuracy for background and roof classes. Moreover, the system achieved a detection accuracy of 90% using multiple template matching techniques and 81% accuracy for pedestrian tracking. Furthermore, our system can identify that the detected object is a human. Hence, our system provided the best results compared to the state-of-art systems, which proves the effectiveness of the techniques used for image segmentation, classification, and tracking. The presented method is applicable for human detection/tracking, crowd analysis, and monitoring pedestrians in IR video surveillance.     

彩色图像中椭圆的快速检测算法

椭圆检测是图像处理中常用的技术,由于自然界很多物体都可以用椭圆进行拟合,所以也成为图像分割和目标提取的关键技术.该文分析了椭圆的解析结构,利用椭圆长短轴之间的几何关系,从边缘点集合中选取全局性的参数,快速生成椭圆.算法针对彩色图像,引入了彩色边缘增强算法和基于图搜索的边缘追踪算法,生成封闭的边缘轮廓曲线,对每段曲线进行椭圆拟合,通过拟合评估,形成拟合判决,确定图像中的椭圆区域.算法计算量小,检测速度快,对多椭圆和椭圆弧都能准确检测.     

一类基于信息融合的粒子滤波跟踪算法

本文提出了一种基于图像多特征信息融合的粒子滤波跟踪算法.该算法利用颜色柱状图描述运动目标颜色分布信息,帧间差的梯度图像描述目标运动信息,并在柱状图框架下给出了运动目标颜色和运动似然模型,保证了颜色和运动似然模型在尺度上的统一.由于图像多特征提供了运动目标多方面的测量信息,从而提高了算法的可靠性.试验表明该算法在使用相同粒子数目的情况下较采用单一颜色特征的粒子滤波跟踪算法效果好.     

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.