改进的粒子滤波目标跟踪算法

针对环境迁移、目标被遮挡或姿态变化较大时传统粒子滤波算法的鲁棒性不强的问题,提出一种改进的粒子滤波目标跟踪算法。建立目标模型时,将目标的HSV颜色特征和Uniform LBP纹理特征进行加权融合;粒子重采样过程中,采用加权随机采样方法,将粒子权值作为重采样的影响因子而非决定因子,以提升粒子多样性,降低粒子衰退对目标跟踪的影响;目标被干扰时,采用卡尔曼滤波对目标位置进行偏移校正,以获取目标正确位置;最后采用模板更新策略对目标模板进行实时更新。实验结果表明：相较于传统粒子滤波算法和CMT算法,本文算法对复杂环境中目标被遮挡和姿态变化的情况下都具有较好的鲁棒性。     

基于核滤波器实时运动目标的抗遮挡再跟踪

相关滤波算法是通过模板与检测目标的相似性来确定目标位置,自从将相关滤波概念用于目标跟踪起便一直受到广泛的关注,而核相关滤波算法的提出更是将这一理念推到了一个新的高度。核相关滤波算法以其高速度、高精度以及高鲁棒性的特点迅速成为研究热点,但核相关滤波算法在抗遮挡性能上有着严重的缺陷。本文针对核相关滤波在抗遮挡性能上的缺陷对此算法进行改进,提出了一种融合Sobel边缘二元模式算法的改进KCF算法,通过Sobel边缘二元模式算法加权融合目标特征,然后计算目标的峰值响应强度旁瓣值比检测目标是否丢失,最后将Kalman算法作为目标遮挡后搜索目标的策略。结果显示,本文方法不仅对抗遮挡有较好的鲁棒性,而且能够满足实时要求,准确地对目标进行再跟踪。     

一类基于信息融合的粒子滤波跟踪算法

本文提出了一种基于图像多特征信息融合的粒子滤波跟踪算法.该算法利用颜色柱状图描述运动目标颜色分布信息,帧间差的梯度图像描述目标运动信息,并在柱状图框架下给出了运动目标颜色和运动似然模型,保证了颜色和运动似然模型在尺度上的统一.由于图像多特征提供了运动目标多方面的测量信息,从而提高了算法的可靠性.试验表明该算法在使用相同粒子数目的情况下较采用单一颜色特征的粒子滤波跟踪算法效果好.     

基于自适应特征融合的多尺度相关滤波跟踪

为了减小目标跟踪中目标变形、光照影响、运动模糊以及目标旋转对跟踪效果的影响,在相关滤波KCF基础上,提出了一种基于自适应特征融合的多尺度相关滤波跟踪算法。首先,提取VGG19网络中conv2-2、conv3-4、conv5-4层的特征以及CN特征,并在conv2-2层加入CN特征;然后,将这3个特征分别代替HOG特征进行滤波学习,得到3幅响应图;进而对3幅响应图进行加权融合预测目标位置。最后,在尺度方面引入多尺度相关滤波器进行尺度的确定。该算法比KCF跟踪算法精确度和成功率分别提高了13.6%和11.8%。与现有的其他优异跟踪算法相比,该算法在应对运动模糊、背景杂乱、目标变形、平面旋转方面更具有较好的跟踪效果。     

一种基于粒子滤波的特征融合跟踪算法

针对单纯的基于颜色的跟踪方法在复杂背景下会导致跟踪失败的问题,本文提出一种基于粒子滤波的特征融合跟踪算法。颜色直方图是对目标的全局描述,而方向梯度直方图包含了一定的结构信息,二者可以互为补充,因此本文算法同时用颜色直方图和方向梯度直方图来描述目标,在粒子滤波框架下将目标颜色和梯度信息有机结合,并自适应更新。实验表明,本文算法不仅提高了跟踪精度,而且具有较强的鲁棒性。     

基于局部特征组合的目标跟踪算法

为了克服目前大多数观测模型在小样本空间中鲁棒性不高的弱点,文中在粒子滤波框架下提出基于局部特征组合的粒子滤波视频跟踪算法。局部特征能更有效描述目标模板细节信息,可降低特征匹配中目标形变、光照变化和部分遮挡的影响。该方法借鉴混合高斯模型思想,采用多模式描述有效局部观测信息,这种融合策略更加准确可靠,能够较好地通过最新观测减轻了粒子退化现象,从而提高目标跟踪效率。小样本空间一定程度上降低了粒子数量和计算代价。实验结果表明该算法相比单一特征或一般多特征融合跟踪算法具有优越性,并能实现复杂场景下的目标跟踪。     

基于在线特征选择的粒子滤波跟踪算法

在复杂场景下,传统的粒子滤波跟踪算法较难定位目标.针对此问题,提出了一种基于在线特征选择的粒子滤波跟踪算法.该算法首先在线、自适应地通过Fisher判别准则,从16个不同的颜色特征空间中选择最能区分目标及其邻近背景的1个最佳特征空间,然后在这个最佳特征空间中用基于统计直方图的粒子滤波算法跟踪目标.试验结果表明,该算法鲁棒性和准确性较好,在光照变化.目标自身发生形变和遮挡情况下能够准确地对目标进行跟踪.     

基于粒子滤波的交通标志牌自动跟踪方法

提出了一种基于粒子滤波的交通标志牌自动跟踪算法。首先对采集图像进行预处理来提高图像的对比度,接着利用颜色特征对交通标志牌进行检测并通过形状特征来对检测得到的交通标志牌候选区域进行筛选;然后在HSI颜色空间统计第一步得到的交通标志牌的颜色直方图特征信息,最后利用此特征采用粒子滤波算法实现对交通标志牌的跟踪。实验结果显示,对于分辨率为270*480的采集图像,粒子滤波算法每秒钟可以跟踪20帧,正确率达到了92%以上,表明该算法能实现对复杂背景下交通标志牌的自动跟踪。     

融合颜色和轮廓的粒子滤波人脸跟踪

实际人脸跟踪过程中,光照和姿态的变化、背景颜色干扰等因素都会极大地削弱颜色特征的有效性,从而造成跟踪的不稳定.针对该问题,本文提出了一种以颜色和轮廓分布为线索的粒子滤波人脸跟踪算法.该算法主要有三个方面的特点:第一,在粒子滤波基本框架下,引入新的用直方图描述人脸轮廓的方法,有效解决了光照、人脸旋转、部分遮挡问题对跟踪的影响,并且能及时有效地重新捕获由于大面积遮挡等原因而丢失的目标.同时采用实时调整每帧图像特征点个数,有效提高了跟踪效率.第二,针对背景干扰问题,提出了一种抑制相似背景颜色干扰的方法.第三,本文还提出实时更新模板的方法来提高跟踪的准确性.实验证明本文算法对人脸跟踪具有很好的效果.     

基于新的梯度特征相似度量的目标跟踪算法

为了稳定跟踪空中具有强机动特点的战斗机目标,提出了一种图像梯度特征相似性度量算法,并利用空中目标梯度空间分布特点构造了一种自适应调整模板尺寸的方法.在传统MAD相关匹配算法的基础上,通过引入梯度匹配权值模板,实现了对梯度特征的相似性度量.在跟踪过程中利用目标梯度空间分布局部占优的特点,构造能够反映目标尺寸的特征分布曲线来估计目标大小,调整匹配定位时的目标模板尺寸.仿真结果表明,跟踪算法能够适应飞机在做强机动时产生的快速形变,以及由形变带来的目标自身灰度的剧烈变化,实现了对目标的稳定跟踪.     

基于卡尔曼滤波的多运动目标跟踪算法研究

针对多运动目标跟踪的实时性和鲁棒性问题,本文提出了一种基于卡尔曼滤波的多运动目标跟踪算法,该算法运用卡尔曼滤波预测目标的位置,并以目标的中心点坐标、面积和长宽比特征、一维HSV颜色直方图作为目标的特征对当前帧检测到的目标模板和预测区域内的目标进行匹配。实验证明,该算法可实时、稳定地跟踪复杂场景内的多运动目标,并能够解决目标遮挡问题。     

An Adaptive Superpixel Tracker Using Multiple Features

Visual tracking is a challenging issue in the field of computer vision due to the objects’ intricate appearance variation. To adapt the change of the appearance, multiple channel features which could provide more information are used. However, the low level feature could not represent the structure of the object. In this paper, a superpixel-based adaptive tracking algorithm by using color histogram and haar-like feature is proposed, whose feature is classified into the middle level. Based on the superpixel representation of video frames, the haar-like feature is extracted at the superpixel level as the local feature, and the color histogram feature is applied with the combination of background subtraction method as the frame feature. Then, local features are clustered and weighted according to the target label and the location center. Superpixel-based appearance model is measured by using the sum of the voting map, and the candidate with the highest score is selected as the tracking result. Finally, an efficient template updating scheme is introduced to obtain the robust results and improve the computational efficiency. The proposed algorithm is evaluated on eight challenging video sequences and experimental results demonstrate that the proposed method can get better performance on occlusion, illumination variation and transformation.     

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.     

免疫粒子滤波在声呐图像目标跟踪中的应用

基于前视声呐图像序列,研究并实现了经免疫算法优化的粒子滤波水下目标跟踪。声呐图像分割成二值图后,提取目标的区域形状特征以构建观测模型,设计目标模板自适应更新方法;将免疫算法的克隆与变异思想引入到粒子滤波中以解决粒子退化问题。对两组水下运动物体的跟踪实验表明,即使目标存在一定形变与干扰,文中的免疫粒子滤波算法仍能以较高的精度跟踪到目标真实运动轨迹;相比于传统粒子滤波算法,稳定性也更强。     

The Enhanced Digital Image Correlation Technique for Feature Tracking During Drying of Wood

Abstract: The enhanced digital image correlation (EDIC) technique is proposed as an improvement of the digital image correlation (DIC) technique in that it utilises monogenic filtering as a prefilter for extracting intrinsic local phase information from the low‐contrast images and normalized cross‐correlation (NCC) as a feature‐tracking algorithm. The monogenic filtering separates local structural information that is the local phase of an image, which is invariant with respect to the local energy of the image. Therefore, it improves the image, permitting the DIC technique to produce stable and accurate measurements of deformation for a heterogeneous and hygroscopic material like wood during drying.     

基于背景代表色提取的迷彩伪装颜色选取算法

为了达到好的伪装效果,迷彩颜色应与背景色调相融合,以使人眼及光学仪器难以探测和分辨.因此,背景主色的准确提取是确定迷彩颜色的前提.利用灰度直方图可以确定背景图像中的主要灰度,但无法区分不同色调.而基于颜色直方图的背景主色提取方法的运算量太大.本文提出了一种基于HSI模型和量化颜色直方图的迷彩颜色选取算法.利用HSI颜色模型描述背景颜色特性,通过特殊量化方式对背景的颜色直方图进行量化,接着借助阈值方法选取背景主色作为迷彩颜色.结合迷彩伪装图案设计方法对上述迷彩颜色选取算法进行了实验分析,并通过边缘检测和相关跟踪方法对不同背景下的目标迷彩伪装效果进行了验证.     

核函数带宽自适应的Mean shift目标跟踪算法

针对Mean shift核函数带宽不能实时改变的缺陷，提出一种仿射变换下的核函数带宽可变的Mean shift跟踪算法。以仿射变换来描述目标尺寸随时间的变化，分别利用Mean shift和连续两帧中匹配窗口的最大相关系数来得到仿射变换的参数。以比例参数计算出带宽的实时变化，其它参数可提供Mean shift更好的起始位置。这些工作改善了Mean shift算法在目标尺寸变化时的跟踪效果。实验证明，本算法能够有效地跟踪尺寸变化的目标，并且具有更好的实时性。