基于模板匹配及区域信息融合提取的快速目标跟踪算法

提出了一种基于融合的快速目标跟踪算法。该方法将目标预测模型、目标模板匹配以及目标空间信息融合到统一框架内。该方法通过预测模型,预测下一帧中目标候选区域,从而降低模板匹配方法的搜索区域。然后在预测模型预测的搜索范围内进行目标的模板匹配,同时,提取目标的区域信息来辅助目标的模板跟踪方法。最终跟踪结果由目标模板跟踪以及目标的空间信息共同决定。本方法由于采用了目标的预测模型,从而能够减少目标的搜索范围,降低因目标的全图搜索造成的时间开销。并且由于减少了搜索区域,剔除了部分相似的匹配窗口,从而提高了跟踪时匹配的精度。本算法结合了目标模板跟踪和目标区域信息的优点,能够增强目标跟踪过程准确度。由于加入了目标的区域信息,对目标跟踪中出现的漂移现象更加鲁棒。实验结果表明,本方法在进行目标跟踪过程中对出现的漂移、遮挡等问题更加鲁棒、稳定。     

一种改进的Hausdorff距离目标跟踪算法

基于机器人视觉平台,对成像目标进行模板提取及边缘检测。针对目标在运动过程中的形变和部分遮挡问题,采用一种改进的Hausdorff距离进行相似度量。提出了一种边缘细化方法及自适应模板尺寸修正策略,减少了边缘特征点,大大降低Hausdorff距离的计算量。基于Hausdorff距离进行模板更新,避免固定模板误差累积问题。实验表明,实时跟踪效果良好,并有效解决了目标部分遮挡问题。     

基于H分量检测的模板更新鲁棒分块跟踪方法

针对鲁棒分块跟踪方法不能进行模板更新的问题,提出一种基于H分量检测的模板更新方法。隔帧计算当前目标与目标模板的H直方图距离,通过检测该距离是否大于阈值来判定所采用的目标模板更新策略,若该距离大于阈值则采用固定加权目标模板,否则逐帧更新目标模板。将新方法在不同视频上进行仿真,实验结果表明该方法能提升鲁棒分块跟踪方法对光照变化的鲁棒性,同时能提高跟踪精度。     

一种改进的自适应模板匹配法

本文提出了一种基于数据流修正的自适应模板匹配定位方法.该方法首先在图像预处理的基础上,进行模板匹配.从而定位待识别目标;然后采用数据流修正的自适应方法.根据待识别目标的大小来改变模板尺寸.避免了设置固定模板的缺陷:最后,对模板匹配算法进行优化,使模板匹配的效率得到提高.采用该方法对车牌图像的定位进行实验,实现了车牌的准确定位且处理速度快,能满足系统实时性和自适应性的要求.     

自适应模板更新的鲁棒目标跟踪算法*

针对受复杂背景、光照以及目标尺度变化等因素的影响,目标模板更新精度不高,导致跟踪算法鲁棒性差的问题,提出了一种基于深度特征和模板更新的自适应粒子滤波目标跟踪方法。首先对跟踪目标进行仿射变换;然后构造一个12层的卷积神经网络来提取跟踪目标及其仿射变换的深度特征得到目标模板和候选模板,并以此构建候选模板库;其次采用粒子滤波算法跟踪目标,将预测结果与候选模板库中的模板进行匹配,确定新的目标模板并自适应更新候选模板库。实验结果表明,该算法在遮挡、光照、尺度变化、目标旋转和复杂背景的恶劣条件下仍能稳定地跟踪目标,与其他7种先进算法在18组测试视频中进行比较,具有更高的目标跟踪精度和更强的鲁棒性。     

基于高斯模板分层匹配的红外点目标检测算法

介绍了高斯模板相关匹配红外小目标检测方法,指出了该方法的不足。提出了一种基于高斯模板的红外小目标分层匹配算法,这种方法避免了目标尺寸与模板尺寸失配情况下的匹配不精确问题,能够在不知道目标尺寸参数的情况下匹配到高斯形状的目标。实验结果表明这种方法很好地解决了低信噪比点目标检测问题。     

一种基于分类的复杂场景背景更新算法

提出了一种基于分类的背景更新算法。对现有模板进行改进,提出一种生长模板来对差分图像中的目标点和噪声点进行检测。生长模板根据像素点局部特征自动选择生长方向,从而对目标点和噪声点进行判断。利用基于像素的背景更新策略,实现了目标遮挡区域的背景更新。实验证明了生长模板的有效性,该算法可以在复杂场景下实现背景更新。     

基于凸型模板的目标形态图像识别算法

针对视频图像中目标形态的检测识别问题,提出了一种基于凸型模板修正算法对条形目标的检测、识别和定位技术。通过分析凸型模板识别条形目标的基本原理,提出引入倾斜角度因子的凸型模板改进算法,提高了条形目标识别的准确度,并以单人个体作为研究对象进行实验,结果表明这种方法运算复杂度低,对条形目标的识别率高,跟踪特性良好。     

仿射模型目标跟踪中的一种模板修正策略

在目标跟踪过程中，由于目标姿态不断变化，因此必须要对跟踪模板进行必要的修正，为了进行这种动态变化目标的跟踪，提出了一种动态更新模板的新方法，该方法是在基于仿射模型跟踪的基础上，首先在跟踪结果序列图象中进行运动目标检测，然后根据检测的结果来判断目标的姿态变化，再由给定的规则来对模板做出相应的修正，实验证明这种方法可以有效地适应目标的变化。     

适用于复杂环境下的实时目标跟踪技术

针对复杂环境下目标跟踪过程中目标存在旋转、视角、尺度等变化以及噪声干扰的问题,提出了一种基于尺度不变特征与快速模板匹配相结合的目标跟踪技术;该技术通过分别提取预先存储模板和实时采集图像的尺度不变特征,建立初始模板;采用菱形搜索策略对模板的低分辨率子图和待跟踪图像的低分辨率子图进行快速互相关检测,根据检测结果在该帧高分辨率图像中建立紧凑ROI,在此区域内进行模板匹配,对目标进行精确定位;在目标跟踪的过程中采用自适应模板更新策略,以保证在目标发生变化时跟踪的稳定性;实验结果表明,该技术在稳定性、准确性和实时性等方面均优于传统方法。     

基于自适应参考模板的相关跟踪算法

目前相关跟踪技术在目标识别领域中应用非常广泛。论文提出了一种基于自适应参考模板的相关跟踪算法,该方法可以根据目标的变化情况自动调整参考模板,对目标进行稳定跟踪,尤其适用于复杂背景条件下的连续帧图像的跟踪。     

业务流程中目标的可视化建模方法研究

从业务流程可视化建模的目的出发,对业务流程中的目标描述和表示方法进行研究,以使得业务人员能从直观的角度对业务流程中目标的执行有一个合理的设计。提出了一种利用目标树实现业务目标设计视图的建模方法,该目标视图将是进一步进行业务流程设计的基础。依据客户的需求目标树和业务规则,检索业务目标模板知识库,提取符合要求的目标模板,在业务人员的参与下生成目标视图,使用一致性算法对整个生成过程进行校验。     

基于PSO算法的运动目标跟踪研究

提出一种基于PSO的运动目标跟踪方法,并在TMS320DM642上实现.该方法首先针对采集到图像的Y分量通过帧间差分和背景差分相结合的方法建立背景模型,然后检测出前景运动目标,接着通过前景运动目标初始化目标模板,再对目标模板和待跟踪视频图像分别进行两次金字塔降采样,降低目标模板和待跟踪视频图像的分辨率.在顶层金子塔上采用粒子群优化算法对跟踪目标进行粗定位,在中间层和底层金字塔上采用钻石搜索方法对跟踪目标进行精确定位.在目标跟踪的过程中,目标模板随运动目标的变化而不断更新,实现对目标的实时连续性跟踪.该方法可以有效降低计算复杂度,提高搜索效率.     

形态学动态人体追踪方法

提出了一种基于形态学的动态人体追踪方法,通过运动差分的方法找出感兴趣区域,通过形态学的方法消去背景和噪声,进行边缘提取。边缘提取后采用骨架化特征描述目标,建立特征点模板,并通过模板评价函数进行不断的模版修正,结合Kalman预测追踪方法来达到实时动态目标的追踪,实验证明,该方法具有一定的鲁棒性。     

基于级联模板匹配的目标定位

为了实现快速的目标定位,本文提出了一种基于级联模板匹配的目标定位的方法。首先用不同尺度的多模板匹配来寻来目标在源图中的候选区域,其次通过颜色直方图对候选区域进行筛选,最后使用Hu形状不变矩来验证候选区域是否为目标。该方法对于一般的旋转和尺度变换具有鲁棒性。实验结果表明该方法是快速有效的。     

基于奇异值分解的图像匹配和目标跟踪研究

在目标跟踪过程中，由于存在目标姿态变化和背景干扰，在跟踪过程中必须要对模板进行必要的修正，应该在获取目标模板后有一个可靠的模板更新策略．本文探讨了奇异值分解及其在图像匹配和目标跟踪中的应用，定义了一种近似奇异值向量并提出了一种基于图像奇异值特征向量数据特点的跟踪策略并作了大量试验，试验结果表明所提出的图像匹配方法和目标跟踪策略的有效性．     

一种基于多模板覆盖的钢筋计数方法

提出了一种用于钢筋计数的基于多模板覆盖的图像处理方法,该方法用水平模板快速寻找图像的目标区,用十字模板确定目标位置,用正八边形模板判断。与单模板覆盖法相比,这种算法效率更高,实时性更好。     

基于运动区域检测的运动目标跟踪算法*

针对传统基于模板匹配的运动目标跟踪算法存在着计算量大、模板漂移导致跟踪失败的问题,提出了一种基于运动区域检测的运动目标跟踪算法。该算法通过采用光流法对目标运动区域进行估计,计算出光流场区域的形心,确定待匹配图相匹配范围,再用模板框在已确定区域进行模板匹配跟踪。根据某开放实验室行人录像跟踪实验表明,本算法能够有效解决模板漂移问题,提高了跟踪实时性, 实现了视频对象目标的跟踪。     

代谢模型与LK算法结合的目标跟踪研究

针对复杂环境下遮挡和视角变化导致目标跟踪漂移问题,提出一种新的目标代谢模型,并结合LK(Lucas-Kanade)图像配准方法,通过二阶段递进的跟踪方式,实现目标复杂运动状态下的有效跟踪。二阶段分别使用代谢模型中的动态模板和准静态模板进行跟踪,实时更新动态模板的同时,周期性更新准静态模板,利用目标运动信息与模板变化信息之间的关系,实现对目标新旧特征的代谢更新。实验结果表明,该算法有效解决了模型更新带来的跟踪漂移问题,具有较好的鲁棒性和实时性。     

基于转折角点的车辆遮挡分离算法

本文提出了一种基于转折角点的车辆遮挡分离算法,该算法分为目标区域块的空洞填充、转折角点的提取和分类、基于转折角点的模板匹配三个步骤.在目标区域块的空洞填充步骤中,本文使用基于轮廓的空洞填充方法;在转折角点的提取和分类步骤中,本文通过圆盘移动方法提取目标区域块的转折角点并通过转折角点的倾斜角归一化直方图对转折角点进行分类;在基于转折角点的模板匹配步骤中,本文利用目标区域块和模板两者对应的循环链表进行比对,找出与目标区域块匹配的模板,根据模板提供的分离策略,实现遮挡分离.本文提出的算法适用于各类常见的遮挡情况,具有广泛的适用性.