基于粒子滤波框架联合仿射和外貌模型的目标跟踪

针对视频序列中目标的跟踪问题,提出了一种基于粒子滤波框架的联合仿射和外貌模型的目标跟踪算法.该算法首先提取图像帧之间的相关特征点,通过求解Sylvester方程得到仿射参数,然后将仿射参数嵌入到基于仿射群的粒子滤波框架中进行平滑估计.利用基于仿射群的一阶自回归过程模拟状态的变化,联合仿射特征点模型和外貌模型进行似然估计,得到粒子的最佳平均状态,进而对目标实施跟踪.实验结果表明,在目标经历姿势和尺度变化、遮挡以及复杂背景等情况下,提出的算法能够有效地跟踪目标,较之其他相关算法具有很强的鲁棒性.     

Mean Shift算法和粒子滤波相结合的运动目标视频跟踪技术

基于帧间视频图像的运动目标跟踪技术,已经成为计算机视觉领域的一个研究热点,在很多领域被越来越广泛使用,特别在航空航天、医药卫生、国防建设以及国民经济的实用性逐渐被人们重视,具有良好的发展前景。文章结合Mean Shift算法、粒子滤波算法两种算法的优缺点,提出了将Mean Shift算法与粒子滤波算法相结合,利用Mean Shift算法的聚类作用,将粒子样本收敛在更接近目标的真实位置的区域,满足鲁棒性、实时性和抗遮挡的要求,能够应用于高实时性的视频图像处理领域。     

基于粒子滤波图像帧的视觉跟踪算法研究

研究目标物体的图像准确跟踪定位问题.本文主要针对传统的目标跟踪算法中由于视频图像的复杂性,同时运动突变性的存在,使得运动间的关联性被大幅降低,跟踪结果出现较大偏差,难以准确跟踪视频图像,提出了一种粒子滤波优化图像帧视觉跟踪新技术.算法引入了随机分布的运动突变影响算子,在运动估计过程中作为惩罚因子出现,同时采用粒子滤波视觉目标采样视频图像,从而得到实时的跟踪.实验结果表明,提出的方法避免了传统跟踪算法的延时,能够精确实时定位目标物体.     

基于人工蜂群算法的粒子滤波目标跟踪

针对基于粒子滤波的视频目标跟踪算法中由于粒子重采样过程而导致粒子贫化的问题,提出了一种基于人工蜂群算法的粒子滤波目标跟踪算法,利用群体智能的特点使得粒子集在重采样前得到优化,保持了粒子的多样性,从而解决了粒子贫化问题,同时增加了有效粒子的数目.实验结果表明,基于人工蜂群算法的粒子滤波跟踪算法,比标准粒子滤波跟踪算法所需粒子数更少,对目标遮挡、较复杂背景有较好的跟踪效果.     

基于智能视觉的机场区域移动目标的检测方法研究

针对目前机场区域视觉监视的需要,在对机场区域采集的视频图像进行预处理的基础上,利用背景差分法、帧间差分法对机场敏感区域静态背景下的运动目标进行检测;以昌北国际机场和哈尔滨太平国际机场区域为例,采用Kalman滤波跟踪算法和Meanshift均值漂移算法检测区域的飞机及引导车等移动目标。通过Matlab仿真,分析并对比不同算法的适用情况并验证其可行性。     

基于ADSP-BF561的视频跟踪系统的研究与实现

设计了基于ADSP-BF561的视频跟踪系统,通过控制摄像机姿态实现对运动目标的自动识别和跟踪。系统采用三帧间差分法与图像分割相结合进行目标识别,利用卡尔曼滤波算法进行目标定位,辅以云台运动控制算法完成目标跟踪。经室内测试,该系统能对运动目标进行有效识别与跟踪,且具有一定的实时性及稳定性。     

基于图像运动区域的红外多行人跟踪

针对红外视频监控中的多行人跟踪问题,提出了一种基于图像运动区域的跟踪算法。首先应用三维中值滤波方法建立背景模型,然后使用背景差分法得到运动区域;基于运动区域之间特定的匹配准则,建立帧间运动区域匹配矩阵,从而实现目标的跟踪。使用实际红外图像序列进行测试,该算法鲁棒性好,能够快速有效地实现多行人的跟踪。     

基于OpenCV的红外弱小运动目标检测与跟踪

针对信噪比低、背景和噪声干扰严重的红外图像,根据图像序列中运动目标的帧间相关特性以及噪声的不相关理论,基于OpenCV（Open Soure Computer Vision Library）计算机视觉库,提出了一种弱小目标的检测算法,并对检测到的目标进行了跟踪。采用能量累积的方法得到背景,然后从原始图像中去除背景,提高信噪比;利用目标的帧间相关特性以及运动信息去除噪声;最后通过Kalman滤波算法来对检测到的目标进行跟踪。实验结果表明:该检测算法能有效地从序列图像中提取出弱小运动目标,跟踪算法也能实时地进行跟踪并在目标被遮挡时准确地预测出目标位置。     

基于SOPC的视频运动目标检测跟踪系统

文章是以Nios II处理器为中心的视频运动目标检测跟踪系统,通过CMOS图像传感器采集视频图像信息,采用帧间差分法检测运动目标,形心跟踪算法对目标进行跟踪,最后在VGA显示器上显示视频中运动物体。实验结果表明,该系统可达到运动目标检测跟踪的理想结果。     

基于重检测机制的核相关滤波跟踪算法

传统的核相关滤波跟踪(KCF)算法不能很好地处理目标快速移动和大面积遮挡,容易导致目标丢失.在KCF算法的基础上,提出了目标丢失检测、第一帧重检测、扩展区域重检测3种机制来解决以上问题.利用最大响应分数和平均峰值相关能量(APCE)来判别目标是否丢失;在目标即将丢失时,采用扩展区域重检测机制;在目标图像与第一帧目标图像相似时,采用第一帧重检测机制.为了能体现出所提算法的跟踪性能,从VOT2016和OTB100数据集中选取了14组视频序列作为测试集,其中7组视频序列含有目标遮挡和快速运动情况.经过定量实验对比,所提算法相比传统KCF算法平均中心位置误差(CPE)减少了20像素,平均重叠率(OR)提高了16.1％.     

基于HOG和粒子滤波的足球视频中球的跟踪方法

在足球视频中,由于球员和摄像机的运动使得基于背景的方法无法有效检测和跟踪足球;足球在视频中所占像素个数少、运动复杂,并且在球场中有相似目标如球袜等的干扰,使得目标难以准确跟踪。为改善足球的跟踪效果,文中提出了一种基于梯度向量直方图和粒子滤波的足球跟踪算法。算法以粒子滤波为跟踪框架,用HOG特征与颜色特征融合,结合足球的结构信息与颜色信息,实现了足球视频中足球的稳定跟踪。实验结果表明,文中算法跟踪足球更准确,并可在存在相似目标干扰的条件下有效地跟踪足球。     

采用Kalman_BP神经网络的视频序列多目标检测与跟踪

针对在复杂环境下多目标检测与跟踪实时性差和准确率低的问题,提出了一种基于神经网络修正均方误差估计的卡尔曼滤波跟踪方法,实现视频序列的多目标跟踪。在该方法中,首先通过帧间差分法准确提取出背景,并结合背景消减法实现多目标的检测,应用形态学滤波对检测结果进行优化;然后利用Kalman_BP神经网络预测滤波器对运动目标的位置进行预测。BP神经网络的引入,主要是降低由于模型变化以及噪声等引起的Kalman滤波器的估计误差,使Kalman滤波器的预测结果更加精准;最后,通过对不同的目标贴上标签,实现目标快速匹配,根据相邻帧间同一目标形心位置以及外接矩形的一致性,建立目标链,实现多目标跟踪。实验结果表明,该算法不仅能够快速稳定地对不同场景中的目标进行跟踪,而且能够统计目标数目和显示目标的运动轨迹,与粒子滤波等方法相比跟踪更加平稳,提高了跟踪的可靠性。     

一种基于模型选择的PF-TBD算法

在目前的基于粒子滤波检测前跟踪(PF-TBD)算法中,对粒子的预测通常是根据单一直线运动模型实现的,在目标机动时由于与运动形式相差较大,影响了跟踪效果。为此,提出一种基于模型选择的粒子滤波检测前跟踪(MM-PF-TBD)算法。该算法由已估计出的目标位置,计算相对偏转角,并以此判定目标当前的运动模式,进而选择相应的运动模型对下一时刻的粒子进行预测,显著提高了对粒子预测的精度。理论分析和仿真实验表明,文中所提算法适用于目标不同的运动形式,有效提高了目标机动时的检测和跟踪性能。     

改进的KCF红外空中目标跟踪方法

针对红外空中目标跟踪中遮挡导致的跟丢问题,结合核相关滤波跟踪算法(KCF)无法跟踪尺度的缺点,提出一种基于KCF的红外空中目标跟踪方法。该方法借助KCF估计的目标位置,增加Sobel算子提取目标扩展区域的边缘信息,从而获取目标尺度并进行二次定位。然后,判断目标是否受遮挡或跟丢,采用帧差法重新检测目标,确保目标的持续跟踪。在7个视频序列上对所提的算法进行了实验,结果显示,所提算法能够有效计算尺度,验证了多种环境下跟踪的有效性。平均跟踪速度达到44 f/s,能够满足实时性要求。因此,本文提出的方法对于红外空中目标的跟踪具有一定的实用意义。     

一种改进的粒子滤波和Mean Shift联合跟踪算法

为了提高视频运动目标跟踪的准确性和实时性,提出一种改进的粒子滤波和Mean Shift联合跟踪算法.针对传统粒子滤波跟踪算法中颜色直方图观测模型存在的局限性,提出了一种基于分块颜色直方图的观测模型描述方法,并根据该分块直方图的特点,重新设计了粒子权值的更新策略;针对粒子滤波算法实时性差的问题,提出了一种基于积分直方图的颜色特征快速计算方法,极大地降低了算法的运算量;为了降低相似背景干扰对跟踪效果的影响,提出了一种基于Gabor幅度谱的Mean Shift跟踪算法,并利用改进的Mean Shift算法对粒子滤波跟踪结果进行优化,提高了跟踪算法在复杂背景下的搜索能力.实验结果表明了算法的有效性.     

基于树莓派B 微处理器的视频检测跟踪系统的实现

针对目前视频检测跟踪系统大多是在PC机上实现的现状,本文设计了一种基于树莓派B 微处理器的嵌入式检测跟踪系统,实现了视频检测跟踪系统的便携式小型化。在图像处理算法上本文采用帧间差分方法进行目标检测,通过形心标记进行目标跟踪。本系统采用基于Linux操作系统的树莓派B 微处理器进行算法移植,通过远程桌面连接工具或小型液晶显示器进行视频显示。实验结果表明,本系统可以很好的实现视频检测跟踪的基本功能。     

基于OpenCV的运动目标跟踪系统研究

本文分析比较了传统运动目标检测的3种主要方法：背景图像差分法、时态差分法和光流法,在此基础上给出了一种背景图像预测算法,大大减少了因为背景变化而产生的目标检测误差。本文基于OpenCV设计出改进的运动目标检测与跟踪算法,实现了运动目标的跟踪,并在VC＋＋编译环境下,利用USB摄像头作为视频采集器,通过观察实验结果可以看出,本文的运动目标检测算法能够正确地检测出视频图像中的运动目标,而且在检测性能上优于普通的自适应背景差分法。     

基于五帧差分和模板匹配的运动目标检测识别

针对帧差法和背景差分法检测运动目标准确率低,自适应能力弱等缺陷,提出了一种改进五帧差分法与背景差分法和模板匹配相结合的运动目标检测和识别算法;通过改进的五帧差分和背景差分法融合的算法从视频图像序列中检测出运动目标;利用形态学方法去除噪声,改善运动目标提取效果;在Harris算法提取图像匹配特征值的基础上角点配准,提高图像识别的准确率,通过提取目标特征与自适应模板图像进行特征匹配的方法实现了目标检测识别和跟踪。仿真结果和实验表明该方法有噪声和部分遮挡的运动目标有良好的检测识别效果,识别率达到了95%。     

基于深度特征表达与学习的视觉跟踪算法研究

该文针对视觉跟踪中运动目标的鲁棒性跟踪问题,将深度学习引入视觉跟踪领域,提出一种基于多层卷积滤波特征的目标跟踪算法。该算法利用分层学习得到的主成分分析(PCA)特征向量,对原始图像进行多层卷积滤波,从而提取出图像更深层次的抽象表达,然后利用巴氏距离进行特征相似度匹配估计,进而结合粒子滤波算法实现目标跟踪。结果表明,这种多层卷积滤波提取到的特征能够更好地表达目标,所提跟踪算法对光照变化、遮挡、异面旋转、摄像机抖动都具有很好的不变性,对平面内旋转也具有一定的不变性,在具有此类特点的视频序列上表现出非常好的鲁棒性。