融合SIFT特征的压缩跟踪算法

本文提出一种新的融合SIFT(尺度不变特征)和压缩特征的目标跟踪算法以解决姿态变换、光照变化、旋转和运动模糊下目标的稳定准确跟踪问题。算法使用压缩特征对目标和背景进行描述,通过在图像帧中采集到的正负样本在线训练和学习SVM(支持向量机)分类器,将跟踪任务构建为一个二类分类问题。使用该分类器对下一帧的目标和背景进行分类,从而获得精确的目标位置和区域。同时,算法使用前后两帧的SIFT特征点之间的对应匹配关系求解目标尺寸变化值,实现模板大小的自适应调整。将算法与其他算法在某些图像序列上的跟踪比较显示,该算法在有效性、正确性和鲁棒性上性能优越。     

基于几何特征点的扩展目标跟踪方法

提出了一种基于几何特征点的扩展目标跟踪方法,该方法借鉴模板匹配跟踪的思想,以目标的几何特征点作为模板进行目标跟踪.把多尺度Harris特征点检测与SIFT描述子相结合,用于几何特征点的提取和描述,接着引入加权相似性度量公式和更新策略以提高特征点的匹配精度,从而实现更加稳定的跟踪.试验表明,该算法可以稳定地跟踪姿态剧烈变化的扩展目标.     

面向船舶避碰预警的红外运动船舶检测与跟踪

通过把红外成像设备安装在内河船舶上,基于红外视频对前方运动船舶目标进行检测和跟踪,实现内河船舶防撞,为船舶安全航行服务.本文给出了一种复杂内河背景下对红外运动船舶目标检测和跟踪的方法.首先,通过天水线的检测确定感兴趣区域(ROI);然后,通过计算ROI的多尺度分形特～(MEFK),进行内河船舶目标检测;最后,利用改进的Mean-Shift算法实现内河运动船舶目标跟踪.实验结果表明,该方法具有鲁棒性,满足实时性和可靠性的要求.     

一种改进的Fourier-Mellin 稳像算法

提出了一种改进的单相限实数Fourier-Mellin 变换(SRFMT)相位校正稳像算法,提高了稳像实时性,解决了因图像局部遮挡而引起的错误估计问题.分析了基于Fourier-Mellin 变换估计抖动图像序列尺度因子、旋转、平移向量引起的计算堵塞,然后利用傅里叶变换共轭对称性,改进实数傅里叶变换,并以查表方式访问wi 因子,提升了计算性能;最后采用统计直方图方法处理块运动向量,通过局部运动向量集中度判定,去除伪全局运动向量.实验结果表明,与未改进的算法相比,采用改进的SRFMT 相位校正稳像算法处理512×512 的灰度图像序列,稳像的实时性提高了42%,满足实时性要求,有效的去除了因局部遮挡而引起的错误估计,鲁棒性进一步增强.     

于小波变换的等价图割SAR图像配准方法

为改进SAR图像匹配的稳健性和实时性,提出一种基于小波变换的等价图割SAR图像配准方法.该方法首先利用小波变换对图像进行分解,在低频子图像下构造等价图割,克服相干斑噪声干扰,避免NP困难,解决映射函数选取问题,从图像中分割出精确目标.其次利用尺度不变特征变换（SIFT）方法实现目标的特征匹配,降低搜索空间特征点描述,提高实时性.最后通过匹配关系找到变换参数,实现图像精确配准.实验结果表明,该方法能快速而精确地实现SAR图像配准.     

基于非稀疏多核支持向量机的重现行人识别

目前,视频跟踪正向大范围长时间目标跟踪研究方向发展。重现行人识别是对行人目标进行大范围长时间持续跟踪的关键技术,是后续行为分析的基础。本文提出了一种基于非稀疏多核支持向量机的重现行人识别算法。首先,该方法提取跟踪行人视频图像序列的多层SIFT视觉单词树特征和多层颜色直方图特征。接着,利用高效的非稀疏多核支持向量机算法在线融合多层SIFT视觉单词树特征和多层颜色直方图特征得到行人外观模型。最后利用存储的行人外观模型库对重现行人进行识别。该方法可应用于多摄像机视频监控中同一行人目标的跨摄像机跟踪以及单摄像机监控中行人目标重新出现的识别。实验结果表明,该方法能快速训练人体目标外观模型,能获得很高的识别率。     

尺度优化的时空上下文目标跟踪

视觉目标跟踪在智能监控和人机交互等领域有着广泛的应用。该文针对时空上下文(STC)跟踪算法尺度适应性不强的问题进行研究,提出一种尺度优化的时空上下文目标跟踪算法。首先,提出一种新型加权滤波函数,滤除图像的高频信息,提升算法的精度;其次,定义两种判别标准,实现时空上下文模型的自适应更新;最后,通过相关性原理训练尺度滤波器,估计出目标的尺度大小,提高算法的尺度适应性。实验表明:提出的跟踪算法能有效改善STC跟踪算法的尺度更新缺陷问题,提高STC跟踪算法的跟踪精度,与近年来出现的基本跟踪算法相比,该算法有着良好的跟踪效果。该算法在AMD-A6处理器、2.7 GHz主频、4 GB内存的计算机硬件平台下,实现68 f/s的实时跟踪速度。     

一种改进的实时压缩跟踪算法

压缩跟踪算法作为一种新的算法,具有简单、高效、实时的优点,但该算法依然存在缺陷。首先,在复杂背景或有遮挡等情况下,容易较快的引进误差;其次,跟踪窗口保持不变,使得不能正确跟踪目标位置且不能准确更新正负样本;最后,搜索样本数目大,导致跟踪速度不理想。针对这些问题,利用前后帧跟踪点的直方图对比来判断遮挡的发生,并自适应的改变更新系数;采用在原算法最优匹配点周围小范围多尺度搜索更优位置的方法,来适应目标尺寸的变化;引入粗精跟踪策略,在不同阶段使用不同数量的子特征集进行匹配,以筛选样本、减少计算量。这些改进避免了算法缺陷导致的跟踪失败,提高了跟踪效率。实验证明,改进后的算法比原算法具有更好的鲁棒性且跟踪速度更快。     

基于YOLOv3和ASMS的目标跟踪算法

为了解决传统算法在全自动跟踪过程中遇到遮挡或运动速度过快时的目标丢失问题,本文提出一种基于YOLOv3和ASMS的目标跟踪算法。首先通过YOLOv3算法进行目标检测并确定跟踪的初始目标区域,然后基于ASMS算法进行跟踪,实时检测并判断目标跟踪效果,通过二次拟合定位和YOLOv3算法实现跟踪目标丢失后的重新定位。为了进一步提升算法运行效率,本文应用增量剪枝方法,对算法模型进行了压缩。通过与当前主流算法进行对比,实验结果表明,本算法能够很好地解决受到遮挡时跟踪目标的丢失问题,提高了目标检测和跟踪的精度,且具有计算复杂度低、耗时少,实时性高的优点。     

一种改进的运动目标跟踪方法

为解决障碍物在三维目标跟踪中产生的遮挡问题,使用基于光流法和立体视觉的目标跟踪系统,同时结合自适应滤波方法来预测跟踪目标三维速度的期望值。采用模糊控制系统解决不同速度的耦合问题,通过计算跟踪算法与预测算法的速度差值来判断运动目标是否受到遮挡。实验结果表明:在确保91.2%识别率的前提下,该算法识别运动目标平均每帧耗时15 ms。该跟踪算法具有较好的鲁棒性和实时性。     

基于空气阻力因子估计的乒乓机器人精确轨迹跟踪

乒乓机器人轨迹跟踪中,由于摄像机成像畸变、目标高速运动造成的成像模糊和空气阻力等不确定因素会导致跟踪误差.针对这些问题,本文提出一种基于空气"阻力因子"估计的轨迹跟踪算法.该方法结合了Kalman滤波器快速高效的跟踪优点,先从空气动力学模型推导出"阻力因子"项,并将其引入状态向量,重新对增广的状态向量进行非线性特征建模,再采用针对非线性估计的扩展Kalman滤波算法进行状态估计.实验结果表明,该算法跟踪精度优于传统轨迹跟踪算法(速度误差由±0.5m/s减少为±0.2m/s),并具有数值计算的实时性和高效性.     

基于尺度、方向和距离约束的改进SIFT配准方法

针对SIFT算法在图像配准过程中存在遗漏掉大量的正确匹配对且产生误匹配对等问题,本文提出一种基于尺度、方向和距离约束的改进SIFT配准方法(SODC-SIFT).首先用SIFT算法对图像进行初匹配,利用特征点的尺度和主方向的差异剔除误匹配对;然后用最小二乘法求出两幅图像的几何关系;最后利用距离约束,迭代求解,找出正确匹配对,从而实现图像的精确配准.实验结果表明,本文方法与SIFT算法相比具有较强的鲁棒性,能够提升正确匹配对的数量并提高图像的正确匹配率,增强了算法匹配的精确性.     

ECO跟踪算法中CNN分层插值及加权策略改进

本文是在深度特征与相关滤波相结合的高效卷积运算符(ECO)目标跟踪算法基础上进行的改进。首先,为了提高跟踪速度,提出"浅层特征不插值,深层特征插值"的卷积神经网络(CNN)分层插值处理方法,对具有较高分辨率的浅层特征不插值,对分辨率低的深层特征进行插值计算来提高分辨率;其次,改进了样本空间分类策略,给CNN特征层分配不同的权重,突出不同特征层对样本间距离的影响,并且将所有样本信息都保留在训练样本集中;最后,应用判别尺度空间跟踪(DSST)算法提出的对目标尺度估计的方法,增加了目标尺度的候选数量,使尺度估计更加准确。实验结果验证了所设计算法的有效性。     

基于支持向量机的红外成像跟踪算法

为提高传统红外成像跟踪算法的性能,克服相关跟踪对"图像灰度一致性"的要求,在分析光流方程和支持向量机基本理论的基础上,提出一种由光流方程引出的基于支持向量机的成像跟踪算法.以机动车的红外图像序列为研究对象,该算法利用支持向量机的分类值替代方差和误差函数,将每帧中分类值最大的位置看作当前帧中目标的位置,从而实现了对目标的跟踪.该算法不仅不要求满足"图像灰度一致性",而且有效地减少了跟踪的累积误差.研究结果表明,与传统相关跟踪算法相比,本文提出的跟踪算法的精度、稳定度和鲁棒性都有所提高.     

人眼微动机制实时红外图像边缘提取

图像边缘特征提取是视频跟踪和目标提取的关键步骤,其性能和处理时间直接影响了后续图像处理的性能及视觉系统的整体响应时间.本文研究了一种基于人眼固视微动的实时图像边缘提取算法,针对算法具有边缘识别能力强,但运算量大的特点.通过采用并行处理结构及流水线技术在FPGA内实现了该算法,试验结果说明该算法在FPGA内实现具有与视频流同步的实时性,并且边缘提取的效果很好.在图像目标实时跟踪系统中应用,极大提高了目标的跟踪精度和稳定性.     

复杂背景下车辆跟踪的改进算法及逆行检测

针对复杂背景下车辆跟踪准确率低的情况,提出了一种改进的算法,采用多边形车辆跟踪窗口和更准确的预测搜索区域,进行多特征匹配车辆的跟踪算法,并应用于道路的车辆逆行检测.实验结果表明,该算法在满足实时性和稳定性的前提下,提高了车辆跟踪的准确率.     

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.     

集成轮廓跟踪

本文将跟踪看作是二分类问题,提出了一种基于Adaboost集成学习和快速水平集的轮廓跟踪算法.该方法首先在线地训练一个弱分类器的集合用以区分目标和背景,而通过Adaboost将集合中的各弱分类器组合成一个强分类器,并用于标定下一帧中的各像素的类别属性,从而确定快速水平集算法的速度函数,然后采用基于动态邻近区域快速水平集来演化目标边界曲线以实现目标的轮廓跟踪.为适应目标和背景的变化,在跟踪过程中在线训练新的弱分类器,而时间相关性则通过更新包含新弱分类器的集合来实现.实验结果表明,在摄像机运动、光照变化,部分遮挡或目标尺度变化等情况下,能实现刚体或非刚体目标的轮廓跟踪.     

一种基于改进自适应算法的科氏流量计频率解算新方法

为了在提高科氏流量计频率解算精度的同时兼顾频率跟踪的实时性,文章提出了一种基于改进自适应算法的频率解算新方法:通过重新构建基于优化零极点配置的自适应IIR滤波器,在自适应滤波的过程中动态调节陷波器的模型和步长,使之能够更好地跟踪实际信号的频率。理论分析和实际现场测试都表明该算法在频率跟踪的实时性和准确性方面优于传统算法。     

复杂背景下的红外目标自动跟踪算法

提出了一种非线性边缘检测和Mean Shift方法相结合的红外目标检测与跟踪算法.采用双窗口算子的非线性边缘检测算法具有计算量小、速度快、图像质量好等优点.在边缘检测后的二值图像基础上,利用改进的Mean Shift跟踪算法实施目标跟踪.该跟踪算法融合了计算目标区域局部标准差的信息;利用灰度值和局部标准差的概率密度函数来描述目标;同时选择核函数级联方式进行目标密度估计,从而弥补了仅用灰度信息描述目标特征的不足.实验结果表明,该跟踪算法检测出的复杂背景下红外目标边缘清晰,并且能够准确地对目标实施自动跟踪.