基于色斑联合推举的被遮挡运动目标跟踪

针对非刚体运动目标被遮挡的跟踪问题,提出一种以目标色斑子块相关匹配联合推举的跟踪方法。利用目标色调特征的不变性对目标色斑进行自适应分块,通过子块的运动状态联合估计目标整体的运动状态,在遮挡发生时判断被遮挡子块,并将其排除到联合推举之外。实验结果表明,该方法可实现对非刚体目标遮挡下的有效跟踪。     

复杂背景下跟踪多个非刚体运动目标的快速算法

在复杂背景下对多个非刚体运动目标进行跟踪是视频对象分割中的一个难点,为此提出了一种跟踪多个非刚体运动目标轮廓并提取精确视频对象平面(VOP)的半自动快速算法。手工获得初始模板后,利用边界投射模板、Canny算子和Hausdorff距离匹配算法,可快速、有效地自动跟踪多个非刚体的运动目标。此外还提出了一种新方法,较好地解决了被遮挡背景的显露问题,并能得到任意形状的闭合轮廓线,继而提取精确的VOP。该算法取得了较好的实验结果。     

基于智能边的人腿的参数化跟踪

在非约束环境中，人的运动估计和跟踪是非常困难的，至今尚未得到有效解决。难点主要有：衣服在运动过程中所引起的光照的变化、遮挡、人体运动的复杂性、以及投影的不可逆。虽然这方面的工作开展了二十多年，但这一问题远没有得到解决。到目前为止，已有的方法可大致分成两大类：基于人体棍棒模型的模板匹配方法和基于非刚体边缘轮廓的匹配方法。前者存在着两个主要问题：人     

基于语义模型的人运动图像跟踪

计算机视觉研究中，为了实施对人运动图像的跟踪，本文提出了基于变化区域的对象刚体标注法和语义模型跟踪法，通过对标注的刚体特征点在空间位移的估算，结合特征点在水平面上投影所形成的特征码来构成刚体的运动语义数学模型，从语义模型来计算特征点的运动位置，从而实现对人运动的跟踪，对于人的复杂运动描述也具有参考价值。     

短程线主动轮廓跟踪算法的研究--在复杂背景和非刚性运动目标跟踪中的应用

在复杂背景下对多个非刚性目标进行跟踪是计算机视觉中的一个难点。在短程线主动轮廓模型的基础上，利用力场正则化方法，并加入运动边缘信息，提出了一种在复杂背景下多个非刚性目标进行跟踪的方法。该方法由运动检测和跟踪两部分组成：运动检测利用运动边缘信息对运动目标的运动做出检测，让轮廓曲线运动到目标轮廓附近；跟踪利用当前帧中的静态边缘信息对运动检测的结果加以修正，而跟踪这一步引入的偏差将在下一帧的运动检测中得到修正。实验表明该方法能够有效地在复杂背景中对多个非刚性运动目标进行跟踪。     

基于自适应水平集方法的运动目标跟踪

在对复杂背景条件下的非刚体目标进行跟踪时,水平集方法是一种非常有效的方法。针对水平集的初始化问题,提出了一种自适应初始化的水平集方法。首先采用粒子滤波对目标进行跟踪,得到运动目标的粗外接矩形轮廓;然后以外接矩形轮廓的质心为基础进行水平集曲线演化,求取目标的精确轮廓信息,并将轮廓的提取结果反馈到跟踪框架中;最后,动态更新参考模板,以改进似然函数。实验结果表明,本方法能够适应非刚体目标在运动中的自由变化,使得跟踪更加精确。     

增强现实游戏的场景重建和运动物体跟踪技术

针对增强现实游戏应用,介绍了一种基于自然特征的实时跟踪算法,它可以在一个未知但纹理丰富的环境中,不需要任何预先的学习,对相机和若干出现在相机视野里的刚体进行并行跟踪,获得相机和各个刚体的姿态和运动信息,可以在刚体移出相机视野以及相机剧烈运动导致跟踪丢失的情况下进行自动恢复。基于静态环境中并行相机跟踪和三维重建的算法框架进行扩展和改进,引入了用于交互的运动刚体。结果表明,利用现有的多核处理技术,在含有运动物体的环境中进行相机和运动物体的并行跟踪是可行的,为增强现实环境中同时支持显示和交互提出了廉价易行的解决方案。     

直流电机位置跟踪系统的建模与控制方法研究

针对直流减速电机带动复杂负载运动仿真建模困难、控制效果不佳的问题，提出一种在Smu直流减速电机及驱动电路、传动系统和复杂负载物理模型的方法，采用基于反步法滑模控制算法实现直流电机带载工况下的精确位置跟踪。在仿真软件中建立的电机与I负载的物理模型相对于数学建模能准确建立扰动模型，解决了多刚体动力学系统数学建模困难的问题。仿真实验结果表明：对比传统的PD和模糊控制算法，本文所述控制方法不会产生超调与振荡现象，适用于复杂直流电机带动负载的运动系统精确位置跟踪控制。     

复杂运动状态的视频目标跟踪自适应切换算法

针对实际环境中运动目标的状态转移模型以及随机噪声分布存在的不确定性,提出了一种适用于复杂运动状态的视频目标跟踪算法。该算法同时结合了Kalman滤波(KF)实时性好的优点,以及粒子滤波(PF)能同时处理非线性、非高斯滤波问题的优点,通过对Kalman滤波性能进行分析,定义了评价滤波性能优劣的参数并作为判断条件,实现了不同运动状态下Kalman滤波和粒子滤波自适应切换。通过实验表明该方法在目标运动状态发生显著变化时仍能够实现稳定跟踪,同时具有较高的跟踪精度。     

基于DRLSE模型的运动目标跟踪

高斯粒子滤波不能处理曲线的拓扑变化,而基于水平集的几何活动轮廓模型能较好地适应拓扑变化,为了跟踪和提取刚体和非刚体运动目标精确的轮廓信息,提出基于距离规则化的水平集演化(DRLSE)模型和高斯粒子滤波(GPF)相结合的运动目标跟踪方法.首先用高斯粒子滤波对目标跟踪得到目标的运动区域,然后把水平集规则项引入到测地线活动轮廓模型中,以外接轮廓的中心为基础进行DRLSE.距离规则化不仅消除了水平集重新初始化的需要,而且避免了因此而导致的数值错误,在水平集演化过程中保持了水平集函数的规则化.最后,将获得的精确轮廓信息反馈到跟踪框架.实验结果表明,该方法适用于刚体和非刚体目标,在实际交通环境中跟踪结果更加精确.     

运动员三维运动图像姿态参数测量的仿真分析

研究运动员运动中的三维图像姿态参数准确测量问题.运动过程中,人体的关节运动程度较为复杂,并且运动速度很快,关节间的细微变化角度很难运用固定的约束算法进行约束.传统的三维运动图像建模运用固定约束模型,很难对上述动态小区域变化进行描述,导致对细微运动姿态的测量效果不好.提出一种运动员三维运动姿态测量方法,通过对人体运动参数进行优化,把运动参数的约束优化问题看成一个非线性求解最小化的问题,运用L-M运动约束参数提供快速收敛的正则化方法,求取非刚体三维运动时的运动参数和结构参数矩阵,完成运动三维参数测量.仿真结果表明,上述方法可以高精度测量运动员的三维运动参数,提高参数测量精度.     

一种带二次等式约束的卡尔曼滤波目标跟踪算法

目标跟踪是无线传感器网络的重要应用之一.研究目标运动轨迹满足一个二次等式约束(quadraticequality constraint)的目标跟踪问题.在实际应用中,当飞行器进行盘旋或者车辆沿弯道行使时,其轨迹均近似满足一个二次等式约束.考虑在卡尔曼滤波(Kalman filtering,简称KF)算法中引入二次等式约束以提高目标跟踪精度.所提出的算法在每个采样时刻首先利用新获取的观测量和无约束卡尔曼滤波算法更新目标运动状态估计,然后利用带二次等式约束的极大似然估计(maximum likelihood estimator,简称MLE)修正目标运动状态估计.在求解约束极大似然问题时,将其看作一类广义信赖域子问题(generalized trust region sub-problem,简称GTRS),以获得全局最优解.仿真结果表明,该算法与现有带二次等式约束的卡尔曼滤波算法相比具有更高的跟踪精度.     

基于Murkowski距离连续的非刚体三维运动恢复算法研究

现有的非刚体三维运动重建算法很难根据不同的场景、不同的非刚体来寻找不同的形状基,这种情况对重建 过程产生了很大的影响,造成模型失真。为了解决这一问题,提出一种基于Murkowski距离连续的非刚体三维运动 恢复算法,该算法根据在高速分解的图像序列中帧与帧之间的运动参数与特征点位移变化都呈现连续平缓的物理特 性,在Murkowski距离约束的情况下,将运动结构参数通过非线性优化的方法来进行求解,最终得到非刚体的三维运 动结构,并且通过仿真实验,验证了它的可行。     

基于活动基模型的非刚体目标跟踪算法研究

近年来,非刚体目标跟踪技术作为视频目标跟踪中的一个难点受到了广泛关注。为了精确跟踪非刚体目标,克服跟踪过程中目标形状变化和遮挡带来的困难,提出一种基于活动基模型的非刚体目标跟踪算法。首先采用共享草图算法从目标训练样本集中学习得到目标的活动基模型,然后把活动基模型嵌入粒子滤波观测模型中。在对金鱼与企鹅序列跟踪的实验结果表明,与现有算法相比,该算法在非刚体目标形状变化以及存在遮挡的情况下,具有更好的跟踪性能。     

基于特征三角形的多姿态视频图像人脸跟踪

提出了一种能在复杂环境中进行人脸跟踪的鲁棒、有效的视频图像人脸跟踪的算法。该算法根据面部特征构造特征三角形包括等腰三角形和直角三角形，根据刚体约束生成潜在人脸跟踪矩形区域。该算法能够在不同尺寸、不同光照、不同姿态和不同表情甚至不同噪音情况下检测人脸，有效率达98.18%。     

基于区域协方差矩阵和2DPCA学习的视频跟踪方法研究

针对PCA在视频跟踪应用中需要将图像转换成向量而造成信息丢失和小样本等问题,提出一种基于2DPCA学习的自适应性视频跟踪方法。该方法将图像矩阵直接进行处理,保持了跟踪目标的空间结构信息。在粒子滤波框架下采用仿射变换运动模型,并通过协方差特征融合方式评估目标运动状态,提高了目标外观模型的学习能力,实现了鲁棒的自适应性跟踪效果。进行了标准的视频序列测试,结果证明提出的算法能够较好地适应目标姿态、光线和部分遮挡等跟踪问题。     

采用测地线活动轮廓模型检测与跟踪运动目标

水平集几何活动轮廓模型能较好地适应曲线的拓扑变化.为了跟踪和获取刚体和非刚体运动目标的轮廓信息,提出了一种基于改进测地线活动轮廓(GAC)模型和Kalman滤波相结合的算法以检测和跟踪运动目标.该算法首先采用高斯混合模型和背景差分获取目标的运动区域,在运动区域内采用引入距离规则化项的GAC模型进行曲线演化,使改进GAC模型在运动目标的真实轮廓处收敛;然后通过结合Kalman滤波预测目标下一帧的位置,实现对目标轮廓跟踪.实验结果表明,该方法适用于刚体和非刚体目标,在部分遮挡的情况下也能保持良好的检测和跟踪效果.     

基于非刚体运动光流算法的面部表情识别

本文讨论了基于光流法的面部表情识别。由于面部表情运动是一非刚体运动，容易产生形变，因此标准光流法估计不准确。为此，本文通过引入div-curl样条函数作为扩展光流约束方程的附加约束条件，推导了非刚体光流算法，并给出了一阶和二阶div-curl样条约束下光流的数值解。最后将该算法用于面部表情特征提取，构建了HMM与BP神经网络混合分类器。实验结果表明面部表情识别率得到显著提高。     

一种新的B—Snake算法在目标轮廓跟踪中的应用

用Snake算法跟踪移动目标时，有时会产生目标轮廓与背景中另一些物体靠近的现象，如果不加约束．那么一些控制点将可能因被吸引到背景边缘而产生错误。另外，目标产生移动或旋转时，因轮廓控制点会产生交叉而导致轮廓跟踪失败。为克服此类问题，提出了一种新的有效的目标跟踪算法，可以跟踪静止或运动目标的2维轮廓曲线。该算法先利用三次B样条曲线连接控制点，以初始化物体的边界，然后通过Snake最小能量函数把控制点吸引到轮廓的边界。在Snake跟踪算法中，由于是采用和下一点相连向量与控制中心相连向量的夹角正弦值的正负来避免控制点的交叉，而控制中心的位置则通过α-β-γ滤波能有效地估计出来，因而能准确地跟踪运动的目标。该算法运用到静止的或移动的头部轮廓跟踪的实验证明，该算法不仅对目标轮廓跟踪具有较好的效果，且运算时间短、复杂度低。     

在线学习机制下的Snake轮廓跟踪

针对复杂环境下非刚体目标轮廓跟踪存在跟踪失败的问题,提出一种基于在线学习的Snake模型及其轮廓跟踪算法。利用跟踪-学习-检测( TLD)机制实现目标快速跟踪,通过跟踪结果在线更新Snake模型约束,进而提高目标轮廓跟踪的准确性。初始化阶段,在GrabCut算法的基础上,将待跟踪目标分成若干个子块,并在后续跟踪过程中,利用TLD实现各子目标的定位跟踪,形成目标的轮廓置信图。同时针对各子目标提取特征,产生正负样本,更新各子目标跟踪模型。应用置信图建立参数化Snake模型的约束条件,进而得到目标轮廓。实验结果表明,该算法能适应光暗变化与较为复杂坏境下的跟踪,并获得精确的轮廓。