基于差分和特征不变量的运动目标检测与跟踪

提出了一种基于改进的图像差分算法与特征不变量匹配的目标识别方法。通过三帧差值法获得了更完整清晰的目标轮廓,并基于该轮廓信息构造了一个具有平移、大小和旋转不变性的特征不变量;然后提出动态极值匹配法,利用特征曲线的极值信息点进行识别匹配,并动态替换原特征模版。实验结果表明,该方法能够准确识别目标,显著地提高识别跟踪效率,并且适用于检测运动姿态发生变化的目标。对于分辨率为288×352像素,每像素8位量化的序列图像,处理每帧图像平均用时0.011 74 s,其中特征提取与匹配过程平均用时0.005 476 s,能够实现对运动目标的实时分析,可同时满足运动目标识别跟踪中实时性和准确率的要求。     

SIFT特征匹配和差分相乘融合的运动目标检测

针对运动目标检测的难点问题,提出了一种结合尺寸不变特征变换(SIFT)和差分相乘算法的运动目标检测方法.首先,用SIFT特征匹配算法配准运动图像的旋转、缩放和平移量,利用SIFT匹配的稳定性和准确性,精确补偿运动摄像机下的背景图像.然后,用差分相乘方法,准确分割出运动目标的轮廓.最后,通过实拍视频序列的试验,证明算法的...     

基于轮廓的机器人跟踪系统设计研究

提出了一种基于轮廓特征完成目标的描述、依据特征实现匹配以驱动机器人完成目标跟踪的设计方法,主要围绕目标跟踪和场景更新匹配两方面展开研究:采集处理目标的颜色纹理、轮廓、几何结构等特征信息,并加入适应滑动窗跟踪算法确保目标物体始终位于监控窗口中心以实现目标跟踪;引入边缘上下检测和树形几何结构不变性可以更好的适应场景的动态更新。     

一种星空背景的运动补偿方法

运动背景补偿技术是提高运动星空背景下弱小目标检测精度的关键技术之一。本文提出了一种基于块匹配与质心提取法相结合的星空背景运动补偿技术。该方法在样本运动参数估计阶段直接剔除异常点;为了减少块匹配过程中每个待匹配位置的运算次数,保持块匹配的精度,又引入了连续排除算法,降低了计算复杂度。实验验证了该方法的有效性和优越性,证明了该方法能有效地提高目标的信噪比并且降低差分残余图像灰度均值。     

基于双目视觉的智能监控系统运动目标自动化跟踪方法

传统方法无法对目标精准定位,在动态环境下跟踪精准度低,提出基于双目视觉的智能监控系统运动目标自动化跟踪方法。采用背景差分法构建背景模型,通过计算二值差分图像比较差分图像像素和某特定阈值,确定检测目标具体位置。研究以双目视觉安全防护为基础的监控示意图,利用特征向量线性组合表达不同人脸变化或特性,根据具体实施步骤设计人脸监测与识别流程,采用CamShift跟踪算法求局部最优解,获取重投影矩阵,在监控系统运动目标发生遮挡后再次进行自动化跟踪。以Python为语言基础进行实验对比分析,由实验结果可知,基于双目视觉方法跟踪精准度较高,能够实现对运动目标的精准定位。     

一种区块特征匹配与边缘差分结合的运动目标检测算法

由于动态背景中存在运动目标检测准确率不高、耗时过长,提出一种区块特征匹配结合边缘特征的运动目标检测算法。首先将视频图像目标检测块与背景块分离,对相邻帧背景块进行运动补偿;进而对连续多帧图像进行边缘特征提取,最后对多帧的边缘图像差分,经由形态学处理和阈值分割得到运动目标区域。该算法能有效减少特征提取耗时,降低背景噪声的干扰。实验结果表明,该算法检测运动目标的准确性较好,且抗噪表现较好。     

基于图像融合的运动目标检测与跟踪方法研究

从运动背景中检测与跟踪运动目标是计算机视觉研究领域的热点,根据帧差法的基本原理,提出了一种针对复杂背景的运动目标检测方法.首先通过设定阈值滤除序列图像中的噪声,然后对三帧算法进行改进,即利用序列中多帧图像融合运动信息,并确定参考区域,通过对原图像进行回扫描,最终提取出完整的运动目标轮廓.最后采用一种运动物体跟踪算法,实现了运动物体和静止物体的识别,克服了以往算法中的误检和空洞问题,实验结果表明,该方法能够满足实时性的要求.     

基于多特征融合的视频火焰检测技术研究

基于彩色监控视频图像,利用火焰影像的时间运动特性,采用混合高斯背景建模方法从监控视频图像序列中提取出运动前景像素;在RGB色彩空间模型中通过火焰颜色的加权判别算法提取出具有火焰颜色的运动像素区域;最后,提出一种基于统计频率计数的火焰频闪特征识别方法,用于将视频图像中真实的火焰区域从具有火焰像素颜色的运动区域中区分出来。Matlab仿真结果表明,该算法具有很高的有效性和鲁棒性,能够应用实际的视觉火灾检测系统之中。     

一种高效的背景重建与更新算法研究

为了实时准确地重建出背景,提出了一种基于帧间差分的背景重建算法.该算法等间隔采样视频帧.然后对视频序列进行帧间差分,对得到的差分图像分块处理,通过比较各子块的亮度与能量均值,将各帧中满足要求的子块进行组合,从而快速地重建出背景.当背景发生整体或局部变化时,该算法能够快速地检测出背景变化,并采用相应算法实时更新背景.实验结果表明,该算法能快速、准确地重建出背景,从而能够完整地提取场景中的运动目标.     

一种复杂背景下运动目标检测与跟踪方法

为了准确快速检测和跟踪运动目标,扩大视频监控系统中摄像机的搜索和跟踪范围,在目标检测部分提出了一种将双向差分相乘法与基于仿射运动模型的匹配差分法相结合的运动目标检测方法;在目标跟踪部分改进Camshift算法,利用目标边缘轮廓信息完成对运动目标的跟踪,最后在基于BF533的网络视觉跟踪监控系统上进行了实验。结果表明,所提方法能够对运动目标进行准确检测和大角度跟踪,在单目摄像机的视频监控系统中具有较高的实用价值。     

动基座下的运动目标检测

由于动基座下运动目标的检测存在的背景干扰较大,影响运动目标检测精度的问题,本文提出了一种基于傅里叶变换和核函数-灰度统计图的动基座动目标检测算法,以便较大限度地克服光照变化、背景噪声对运动目标检测精度造成的影响。该算法首先将评价函数引入特征匹配块的选取中完成视频图像背景的分块匹配。然后,采用傅里叶变换的相位相关算法估计全局运动补偿参量;逐一计算各图像子块的高斯核函数值,建立核函数-灰度统计图并通过相邻帧高斯核函数值的变化情况判断运动目标的区域。最后,对包含运动目标的图像子块进行图像分割处理,完成动目标检测。实验仿真表明,与传统的运动目标检测算法相比,该算法中评价函数的评价系数α取0.7,帧间图像块相似度阈值T取0.3时,能有效地抑制光照变化和噪声带来的背景干扰,检测出动基座下的运动目标。该算法具有较快的计算效率,能满足工程上的实时性要求。     

复杂场景中基于变块差分的运动目标检测

针对复杂场景中包含的摄像机扫描运动、随机抖动和目标运动,提出一种基于帧间可变块差分的运动目标检测算法.首先,利用全局特征点估计运动参数对帧间背景进行补偿,提取图像的全局特征点并匹配,以特征点集的最小位置误差和作为目标进行迭代,获取误差不大于0.5 pixel的全局运动参数,并精确补偿当前帧实现背景校正.然后,利用可变块...     

增量深度学习目标跟踪

由于现有目标跟踪算法在复杂环境下易发生目标漂移甚至跟踪丢失,故本文提出了以双重采样粒子滤波为框架,基于增量深度学习的目标跟踪算法。该算法在粒子滤波中引入粒子集规模自适应调整的双重采样来解决粒子衰减及贫化问题,并利用无监督特征学习预训练深度去噪自编码器以克服跟踪中训练样本的不足。将深度去噪自编码器应用到在线跟踪中,使提取的特征集合能够有效表达粒子图像区域。在深度去噪自编码器中添加了增量特征学习方法,得到了更有效的特征集以适应跟踪过程中目标外观变化。该方法还用线性支持向量机对特征集合进行分类,提高对粒子集合的分类精度,以得到更精确的目标位置。在复杂环境下对不同图片序列进行的实验表明:该算法的跟踪综合评价指标为94%、重叠率为74%,平均帧率为13frame/s。与现有的跟踪算法相比,本算法有效地解决目标漂移甚至跟踪丢失问题,并且对遮挡、相似背景、光照变化、外观变化具有更好的鲁棒性及精确度。     

全局运动序列的视频对象分割算法

针对全局运动视频序列，本文提出一种快速有效的基于边缘均灰度投影匹配的全局运动估计与补偿算法，将连续几帧图像的相同背景稳定在同一幅图像的相同位置上，从而能够沿用静止背景序列的视频对象分割算法。实验结果证明，该方法能够从背景变化的视频序列中较好地提取运动对象，具有较强的鲁棒性。     

一种视频序列中运动目标的跟踪方法

针对运动目标的跟踪,采用模板匹配法和kalman滤波嚣进行图像跟踪,跟踪前先进行模板提取,采用投影法来投影出模板的位置,然后再对这个模板在视频序列中进行目标跟踪.理论分析和实验结果表明,该算法对于视频运动目标的跟踪,能有效检测出目标图像,对于实时视频图像处理有深远的影响.     

多目标跟踪算法在水质监测中的应用

针对活鱼水质监测系统中的活鱼跟踪中存在的问题,提出了一种基于视频的多目标跟踪算法,通过采用一种基于统计模型的背景建模方法得到了实验鱼缸的初始背景,并在活鱼目标检测跟踪过程中实时更新背景,在此基础上采用背景相减法和自适应图像二值化实现了活鱼运动目标的提取,并用连通区域分析提取活鱼的大小、质心等特征值,最后将卡尔曼预测器应用于基于运动特征的跟踪技术中,实现了活鱼的轨迹跟踪,提取到了活鱼的运动轨迹,最终达到了为后续的水质预警提供了可靠的轨迹数据的目的,所跟踪得到的活鱼运动轨迹数据是监测系统水质预警的重要基础。研究结果表明,该算法符合系统的实时性和准确性要求,能实现活鱼运动轨迹的准确快速跟踪。     

单对立色流运动下的抠图跟踪

当目标与周围背景相似性较高,且目标运动形式复杂时,很难精确跟踪目标。针对传统目标跟踪方法因目标外观的不精确建模致使模型退化而产生漂移的问题,提出了一种单对立色流特征下的抠图跟踪方法。首先,根据彩色视频帧包含的丰富颜色信息,将单对立色颜色编码方式与Lo G兴趣点检测器结合,获取颜色兴趣点作为目标表示集合;其次,在目标运动预测阶段,通过估计相邻帧兴趣点的流匹配关系,获得预测帧的前景目标兴趣点估计;最后,利用获得的前景兴趣点估计进行抠图,重新划分当前帧的前背景标记,并对模型进行更新。该算法在Segtrack视频跟踪数据集上进行验证,定性定量分析了跟踪目标快速运动,目标形变和光照干扰下的跟踪效果。实验结果表明该算法可有效提高形变目标跟踪的准确性,优于当前目标跟踪的先进算法。     

基于DM642的运动目标检测与跟踪系统

运动目标的检测与跟踪在许多领域有着广泛的应用,是应用视觉研究的焦点之一。设计了一种基于DM642的运动目标检测与实时跟踪系统。运动目标检测采用基于Ⅲ矿色彩空间的单高斯背景建模结合形态学处理的算法;运动目标跟踪采用基于亮度纹理信息的CAMShifI跟踪算法。系统利用跟踪算法计算目标位置信息,通过P~$485总线控制摄像机伺服设备,以跟踪运动目标。在DM642EVM板上实现了该系统,实验表明这种检测和跟踪方法是快速有效的。     

融合分数阶微分边缘特征的自适应跟踪

为提高跟踪方法对背景信息、光照变化的抗干扰能力,提出融合分数阶微分边缘特征信息的改进跟踪方法。将R-L分数阶微分边缘检测算子与Laplacian边缘检测算子进行融合,构造出对高、中频信息提升,而对低频信息能够非线性保留的混合边缘检测算子,并利用其实现目标模板及场景图像的边缘特征信息检测。基于目标色度特征和边缘特征两种直方图模型,分别建立场景图像的反向概率投影值,根据背景信息的动态变化,以抑制背景干扰信息为目的,建立自适应融合的反向概率投影图,提高算法对不确定环境变化信息的鲁棒性。实验结果表明,混合边缘检测算子能够提高边缘图像的信噪比,改善边缘提取的效果。边缘、色度特征信息自适应融合的跟踪方法单帧跟踪时间小于20 ms,满足实时性要求。该方法能够在光照变化明显和与目标颜色相似背景等情况下有效实现目标识别与跟踪功能。     

基于图像特征的运动目标识别与伺服跟踪

本文研究了一种在室内相对复杂背景下机器人的运动目标识别与跟踪方法.基于Intel的计算机视觉库OpenCV进行图像处理与特征提取,采用图像的区域特征--图像矩作为特征信息,在有干扰的情况下,实现运动目标的形状识别和基于特征的视觉伺服跟踪控制.为提高系统性能,建立曲线拟合模型来预测运动目标的动态趋势和特征.实验结果表明,系统在不需要摄像机精确标定、背景有干扰的情况下,能够实现对运动目标进行实时稳定快速的识别和跟踪.