一种基于投影算法的运动目标自动跟踪系统

提出了一种基于投影算法的运动目标跟踪系统设计方案,它适用于固定背景情况下单个运动目标的检测与跟踪,采用了双摄像头方案,既可以扩大场景的监视范围,又可以给出运动目标的近距离影像,引入了投影算法计算位移矢量,提高了计算速度和对背景变化的抗干扰能力,实验结果表明了方案的可行性和算法的稳健性。     

显著性加权最小二乘图像匹配跟踪方法

针对复杂背景下运动目标跟踪这类问题,提出了一种显著性加权最小二乘图像匹配跟踪算法.新方法首先根据目标上不同区域和背景的差别大小,给每个目标区域赋予不同的权值.然后将权值与最小二乘图像匹配算法结合起来对目标进行跟踪.实验中将本文算法与三种经典跟踪算法进行比较,实验结果表明,在复杂背景下,新算法仍然可以有效、准确地跟踪运动目标,而经典算法均出现问题.新算法的单帧处理时间也可以满足实时处理要求.     

基于帧间差分和运动估计的Camshift目标跟踪算法

针对Camshift算法无法适应目标的高速运动、复杂背景和遮挡的局限性,本文提出结合帧间差分法和运动估计对Camshift算法进行改进.首先在颜色概率分布图计算中通过帧间差分法加入目标运动信息,实现自动初始化跟踪并排除与目标相似背景颜色的干扰.之后在搜索窗传递过程中预测目标的位置,根据跟踪状态对搜索窗进行调整,以实现对高速运动目标的跟踪.实验表明新算法在目标高速运动、遮挡、和同色干扰情况下,仍能进行有效跟踪.     

复杂背景及遮挡条件下的运动目标跟踪

CamShift算法应用于复杂背景及遮挡条件下视频跟踪时,极易出现跟踪失效和目标丢失。本文提出基于颜色、纹理及目标运动信息的综合特征用于改进CamShift算法,结合Kalman滤波器对目标运动状态进行预测提高了复杂背景下运动目标的跟踪稳定性和跟踪精度。在目标发生遮挡时,通过目标遮挡前的先验信息进行最小二乘拟合及目标运动轨迹外推,预测目标运动位置信息,有利于遮挡结束时对运动目标的重新捕获。多组实验结果及性能分析表明,该算法在复杂背景及目标被短时遮挡情况下,可以实现目标的持续、稳定跟踪,并具有较好的实时性。     

一种结合背景运动估计的目标运动预测方法

在复杂背景下的目标跟踪过程中,通常会遇到目标被遮挡的情况,此时依靠单一的跟踪算法无法解决上述问题.在静止背景下,利用目标的历史运动轨迹,可以解决短时间遮挡的问题,但在运动平台上,由于相机运动和目标运动同时存在,目标的运动轨迹无法利用,因此本文创新地引入了KLT稀疏光流场算法,对两帧之间的大量特征点进行跟踪匹配,通过随机采样一致性算法鲁棒地估计出两幅图像之间的变换参数,对由相机移动引起的背景运动进行补偿,转换为静止背景下的运动目标估计.实验结果表明,该方法可以有效地解决目标遮挡问题,并成功应用到机载目标跟踪平台.     

一种新的基于区域的高速公路多车辆跟踪方案

提出一种新的基于区域的高速公路多车辆跟踪方案,包括背景建模、目标识别、目标跟踪等过程。针对高速公路监控图像质量差和干扰信号强的特点,在常规的颜色混合高斯背景模型的基础上,提出一种新的基于扰动区域的高斯背景模型来消除强噪声和背景小幅度运动的影响,并在时间序列上通过Kalman滤波迭代加权算法实现背景模型的自适应性更新。该背景模型明显提高了背景分割的准确性和自适应性。提出了一种改进的非递归区域生长算法用以有效地实现多目标的识别,算法复杂度仅为O(n)。采用目标特征匹配和区域运动预测规则对多车辆进行实时跟踪和识别。实现了一个高速公路实时监控原型系统,运行结果表明,该跟踪方法不仅能准确跟踪和识别多目标,而且对道路环境和车辆运动方向具有很好的适应性和鲁棒性。     

复杂背景下运动目标的提取

提出了在复杂背景以及摄像机运动的情况下运动目标提取的算法。采用了新的局部投影的方法，在图像中合理地划分了投影区域，在求投影偏移量时提出了峰值匹配的算法，合理地检测到了投影偏移量。求得各个局部运动矢量后，采用出现频率最高的局部运动矢量代表全局运动矢量，成功的补偿了背景的运动。实验结果表明该算法在图像背景复杂且由于摄像机运动使背号发生明显变化的情况下，可稳定准确地提取出运动目标，并能有效克服背景中存在的运动干扰。     

运动背景下多目标跟踪的小波方法

为了能从运动背景中检测其中的运动目标,并进行跟踪,提出一种基于小波变换的分层匹配跟踪算法。利用小波分解的多层子图进行分层匹配,估计整个背景的运动矢量;利用差分算法从运动背景中检测出多个运动目标,计算出多个动目标的形心坐标,绘出各动目标的运动轨迹。该算法与传统的块匹配算法相比,滤除了原图像的高频噪声,防止了在含噪原图像上进行块匹配不准确的缺点;另外,在低频分量图像上N×N范围进行块匹配,相当于在原图像上2nN×2nN的范围进行匹配搜索,搜索速度快。当相邻两帧背景运动向量小于10个像素,运动目标相对背景的运动向量小于5个像素时,实验结果证明了此算法的有效性和可行性。     

利用帧间差探测函数模型的运动目标跟踪算法

针对基于模板匹配的目标跟踪算法中,匹配环节在算法中耗费大量的处理时间,使实时性较差的问题,提出了一种基于帧间差探测函数模型的运动目标跟踪算法.算法将"虚拟边缘"引入目标运动事件中,建立了帧间差探测函数模型,设计了几种新的模块用于解决目标跟踪中的方向纠错和实时性问题.实验结果表明,不仅可以有效地对在复杂背景下运动的小目标进行跟踪,而且能够获得相比于块匹配法更好的实时性能.     

用高阶累积量投影法检测红外弱小目标

为检测弱小红外运动目标,提出了一种基于高阶累积量投影的检测算法.红外图像序列经背景抑制后,首先计算时域数据的归一化三阶累积量,并将其投影到二维空间,然后在二维空间内对目标轨迹进行统计判决,以实现目标检测.推导出了目标和噪声在二维投影空间中的分布公式.通过与相关算法对比分析,该算法计算量小,检测率随目标信噪比增长较快.利用实际录制的图像序列进行了仿真实验,成功检测到了信噪比不小于2、像面运动速度为2帧/像素的目标,验证了算法的有效性.     

Application of a six-port wave-correlator for a very low velocity measurement using the Doppler effect

A new radar system based on a six-port wave-correlator is proposed for measuring the Doppler frequency of a moving object. The six-port wave-correlator is operated as a two-channel wave receiver and the vector relation, both amplitude and phase, between the two input signals is determined directly by measuring the power levels. By using the six-port wave-correlator, no circulator or mixer is needed for the phase measurement. The proposed system has been applied for the measurement of an object moving at a very low velocity. The experiment and simulation results at 10 GHz show that the target velocity around 0.2 mm/s has been successfully inferred, which proved the validity of the proposed scheme.     

Moving/motionless foreground object detection using fast statistical background updating

Abstract

In video surveillance, the detection of foreground objects in an image sequence from a still camera is very important for object tracking, activity recognition and behaviour understanding. The conventional background subtraction cannot respond promptly to dynamic changes in the background, and temporal difference cannot accurately extract the object shapes and detect motionless objects. In this paper, we propose a fast statistical process control scheme for foreground segmentation. The proposed method can promptly calculate the exact grey-level mean and standard deviation of individual pixels in both short- and long-term image sequences by simply deleting the earliest one among the set of images and adding the current image scene in the image sequence. A short-term updating process can be highly responsive to dynamic changes of the environment, and a long-term updating process can well extract the shape of a moving object. The detection results from both the short- and long-term processes are incorporated to detect motionless objects and eliminate non-stationary background objects. Experimental results have shown that the proposed scheme can be well applied to both indoor and outdoor environments. It can effectively extract foreground objects with various moving speeds or without motion at a high process frame rate.     

基于视觉引导和超声测距的运动目标跟踪和抓取

提出了装配机器人系统中一种基于视觉引导和超声测距的运动目标跟踪和抓取方法。介绍了运动目标的跟踪原理 ,采用图像雅可比矩阵进行机器人运动控制 ,跟踪运动的目标。利用视觉引导技术 ,获取目标在图像平面中的位置与方位 ,进行平面跟踪 ,然后引导超声波测距装置测取目标深度信息。实验结果验证了本文提出的这种方法的可行性和有效性     

尺度方向自适应的减法聚类视频运动目标定位

针对减法聚类算法对视频运动目标进行定位时无法获取目标尺度及方向参数的问题,本文提出了一种可获取待定位目标尺度及方向参数的视频运动目标定位算法.该算法在减法聚类算法预定位目标位置及获得目标个数的基础上,进一步采用模糊C均值聚类对目标前景样本进行归类,最后通过对目标前景样本协方差矩阵特征值和特征向量的分析获得目标的尺度及方向参数,从而实现对视频运动目标的定位.实验结果表明,所提出的方法与原减法聚类定位方法相比可获得更合理的目标定位结果.     

非参数核密度估计视频目标空域定位技术研究

针对智能视频监控场合对视频运动目标定位的需求,本文提出了一种基于非参数核密度估计的视频运动目标空域定位技术.该技术先对代表视频运动目标的前景样本点进行非参数核密度估计,选择具有最高密度指标的样本点为第一个目标中心,然后通过修正样本点的密度估计值,逐步实现对视频运动目标的空域定位.本文的方法是减法聚类视频运动目标定位技术的进一步推广.推广后的定位方法,可根据具体的目标定位场合,灵活选择核函数对样本点进行核密度估计.实验表明,本文方法具有良好定位效果,同时,在样本点的密度估计上更具灵活性.     

An Algorithm for Mining Gradual Moving Object Clusters Pattern From Trajectory Streams

The discovery of gradual moving object clusters pattern from trajectory streams allows characterizing movement behavior in real time environment, which leverages new applications and services. Since the trajectory streams is rapidly evolving, continuously created and cannot be stored indefinitely in memory, the existing approaches designed on static trajectory datasets are not suitable for discovering gradual moving object clusters pattern from trajectory streams. This paper proposes a novel algorithm of gradual moving object clusters pattern discovery from trajectory streams using sliding window models. By processing the trajectory data in current window, the mining algorithm can capture the trend and evolution of moving object clusters pattern. Firstly, the density peaks clustering algorithm is exploited to identify clusters of different snapshots. The stable relationship between relatively few moving objects is used to improve the clustering efficiency. Then, by intersecting clusters from different snapshots, the gradual moving object clusters pattern is updated. The relationship of clusters between adjacent snapshots and the gradual property are utilized to accelerate updating process. Finally, experiment results on two real datasets demonstrate that our algorithm is effective and efficient.     

车辆号牌识别中车辆速度的估计

光照不足导致了运动物体图像出现运动模糊。为提高图像质量,对多种算法方案进行了分 析,提出了一种稳健实用计算量少的新方法。在车辆号牌识别的实际例子里利用图像中运动物体的特征点估算出运动物体的运动速度从而对图像进行修正处理,成功地得到满意的图像。     

运动背景中结合特征位移矢量场模糊分割与 OTSU法的运动检测

运动背景中的运动检测难度较大,背景运动补偿后差分以及分割光流场可实现动目标和背景的分离,差分前需进行鲁棒的背景估计,且差分后易出现空洞,而光流估计在噪声以及目标运动速度较大时并不准确,尤其在光照变化时,两种方法均易失效。本文提出一种特征点位移矢量场模糊分割与图像自适应阈值化相结合的运动检测方法,实现在无任何关于运动目标或者运动背景先验信息条件下的动目标检测。通过改进的 SIFT匹配方法生成鲁棒的特征位移矢量场,采用模糊 C均值聚类算法对 SIFT位移矢量场进行无监督分类,实现动目标与背景特征的自适应分离。 OTSU法和形态学操作实现图像的自适应分割,用以修正特征点凸包,最终分割出动目标区域。与鲁棒的背景运动补偿后差分以及光流估计的对比实验表明,在目标运动速度较大、光照变化以及噪声情况下,本文方法均能够检测出运动目标,且在光照变化下的优势明显。     

Fourier-phase method for the location of moving objects

A novel method is presented that permits one to locate a moving object. According to this method, the change in location of a moving object can be detected from its Fourier spectrum. This method has the advantages of a high-precision locating mechanism and the capacity to permit one to ignore the change in the orientation and the size of the moving object. The principles are introduced, a computer simulation and experimental demonstration are given, and the practicality of this method is discussed.     

一种室内视频监控图像序列编码方法

在实际高分辨率室内视频监控中,运动物体构成了视频监控的主要内容.本文基于感兴趣区域的检测与恢复,提出了一种高分辨率室内视频监控图像序列的编码新方法,通过对象提取实现基本层和ROI层双层码流传输,其中基本层实现低分辨率图像内容传输,而ROI层用以进行高分辨率图像恢复.新方法有效地降低了视频编码计算复杂度、提高了编码效率.